跳到主要内容

AI 图片理解

将图片和问题发送给支持视觉输入的模型，用于识别文字、描述画面、分析截图或提取图片中的信息。

使用前，请先在 Quicker 的 设置 → AI 中配置服务、模型和“图片理解”任务场景，并确认候选模型明确支持图片输入。配置方式见统一 AI 服务与模型设置。

当前模块定义​

基本用法​

  1. 将截图、剪贴板图片或其它图片变量传给“图片”。
  2. 在“问题或任务”中说明希望模型观察或回答的内容。
  3. 如有必要，填写辅助文本和系统提示词。
  4. 从“回答”输出中取得结果。

例如，把截图步骤的图片输出传给本模块，在“问题或任务”中填写“提取图片中的全部文字，保持原有段落顺序”，即可把识别结果传给后续文本步骤。

输出方式​

“直接返回”适合自动化流程。“交互调整”会打开 Markdown 对话窗口，流式显示回答并允许基于当前图片继续追问；只有点击“采用当前回答”才会输出结果，关闭或取消窗口会按用户取消结束。

图片与模型限制​

  • 图片不得超过 4000 万像素；转换为 PNG 后不得超过 10 MiB。超过限制时请先缩小或压缩图片。
  • 候选模型必须在 AI 设置中明确标记为支持图片输入。能力为未知或不支持的模型不会满足本模块要求。
  • 动作只保存任务场景 ID，不保存 API Key。换设备后需要重新填写本机凭据。
  • 图片、问题和辅助文本会发送给实际选中的 AI 服务商，请确认内容符合相应的隐私与合规要求。