@hendry__tan: Bagi yang ac nya rusak bisa tulis di kolom komentar ya😂

Hendry Tan
Hendry Tan
Open In TikTok:
Region: ID
Thursday 15 October 2026 12:05:28 GMT
8549
479
11
0

Music

Download

Comments

raniaadha708
raniaadha708 :
saya udah dari lebaran tahun kemarin ga pake AC karena bocor luar dalem.
2026-10-16 02:59:23
0
mysaja189
ari :
gak ada yg rusak soalnya gak punya ac[Tertawa sampai menangis]
2026-10-15 23:40:36
0
cherry130613
Cherry :
bos nya segala bisa yaaa 🤭🤭🤭
2026-10-15 12:07:39
0
liasetiani69
🪼_virgo_🪼 :
suamiku kang Ac lho😄
2026-10-15 13:07:12
0
3nowardatul
Eno _ Wardatul :
ko kalau ac air dari AC netes ke lantai itu kenapa?
2026-10-15 14:27:09
0
marlyn.rozan
Marlyn Rozan :
gak punya AC pak
2026-10-15 14:50:51
0
mgrita_napu
mgrita_napu :
bosnya bnr bnr multi tallent 😁
2026-10-15 12:12:52
0
rissa_lvt
RISSA :
😳😳😳
2026-10-15 12:43:16
0
dee2905
Dee_ah :
Koh @Hendry Tan Ac nek ruangan kerjaku rusakk😂😂😂tolong benering dong😂😂😂😂
2026-10-15 12:23:02
0
alisabundathafana
RIFAH😉 :
😘😘😘
2026-10-15 12:07:18
0
mamaicha664
Ayu_Rahma(M2 Icha) :
😂😂😂
2026-10-16 01:03:44
0
To see more videos from user @hendry__tan, please go to the Tikwm homepage.

Other Videos

Hoje existem dois problemas quando você usa IA para criar interfaces. O primeiro é o AI slop: você pede um site ou app e ela repete os mesmos padrões visuais. Degradê, fonte serifada, botão arredondado, três cards lado a lado. Isso acontece porque você está pedindo para ela resolver tudo de uma vez: prompt → código Enquanto gera HTML, CSS, responsividade, componentes e estrutura, sobra pouca capacidade para explorar composição, contraste e identidade visual. A saída é começar pela imagem: prompt → imagem → código Na geração de imagem, a IA não está limitada pelas regras do HTML. Ela consegue explorar uma interface muito mais interessante, com referências, hierarquia e elementos visuais fora do padrão. Só que aí surge o segundo problema: modelos ainda erram bastante ao transformar uma imagem pronta em código. Não porque sejam ruins, mas porque normalmente tentam interpretar layout, textos, espaçamentos, componentes, imagens, fontes, fundos e responsividade ao mesmo tempo. É uma tarefa de decomposição visual. Sem uma estratégia, o resultado vira loteria. Foi por isso que eu criei a Skill image-to-html. Ela recebe um screenshot e, antes de escrever qualquer código, analisa a referência e gera um wireframe em SVG. Nesse wireframe, identifica os textos, a estrutura, os componentes reaproveitáveis e a posição de cada elemento. Você aprova essa leitura visual primeiro. Depois, a implementação acontece em camadas: background e estrutura base; cards, containers e blocos principais; imagens e ícones específicos, inclusive usando Nano Banana; fontes, espaçamentos, sombras, bordas e responsividade. A cada etapa, você pode revisar e corrigir a direção antes de seguir. Assim, até modelos menos consistentes conseguem transformar referências visuais em interfaces muito mais fiéis — sem depender de dezenas de tentativas, queimar token ou terminar com mais uma tela genérica de IA.
Hoje existem dois problemas quando você usa IA para criar interfaces. O primeiro é o AI slop: você pede um site ou app e ela repete os mesmos padrões visuais. Degradê, fonte serifada, botão arredondado, três cards lado a lado. Isso acontece porque você está pedindo para ela resolver tudo de uma vez: prompt → código Enquanto gera HTML, CSS, responsividade, componentes e estrutura, sobra pouca capacidade para explorar composição, contraste e identidade visual. A saída é começar pela imagem: prompt → imagem → código Na geração de imagem, a IA não está limitada pelas regras do HTML. Ela consegue explorar uma interface muito mais interessante, com referências, hierarquia e elementos visuais fora do padrão. Só que aí surge o segundo problema: modelos ainda erram bastante ao transformar uma imagem pronta em código. Não porque sejam ruins, mas porque normalmente tentam interpretar layout, textos, espaçamentos, componentes, imagens, fontes, fundos e responsividade ao mesmo tempo. É uma tarefa de decomposição visual. Sem uma estratégia, o resultado vira loteria. Foi por isso que eu criei a Skill image-to-html. Ela recebe um screenshot e, antes de escrever qualquer código, analisa a referência e gera um wireframe em SVG. Nesse wireframe, identifica os textos, a estrutura, os componentes reaproveitáveis e a posição de cada elemento. Você aprova essa leitura visual primeiro. Depois, a implementação acontece em camadas: background e estrutura base; cards, containers e blocos principais; imagens e ícones específicos, inclusive usando Nano Banana; fontes, espaçamentos, sombras, bordas e responsividade. A cada etapa, você pode revisar e corrigir a direção antes de seguir. Assim, até modelos menos consistentes conseguem transformar referências visuais em interfaces muito mais fiéis — sem depender de dezenas de tentativas, queimar token ou terminar com mais uma tela genérica de IA.

About