图像理解让模型读取图片并返回文本结果。你可以把截图、照片、商品图、票据、图表或设计稿作为输入，让模型描述画面、回答问题或提取结构化信息。
OpenAI 兼容接口通常使用 chat/completions，在消息中同时传入文本和图片 URL 或图片数据。可用模型以模型广场的视觉能力标签为准。
适合场景
- 截图问答：让模型解释网页、控制台、报错截图或产品界面。
- 票据识别：从发票、账单、收据中提取金额、日期、商户等字段。
- 商品与素材分析：识别图中对象、风格、颜色、构图与使用场景。
- 图表理解：读取图表趋势，并生成简短摘要。
调用建议
选择视觉模型
在模型广场筛选支持视觉输入的模型，并记录模型名称。
准备图片输入
使用可访问的图片 URL，或按模型要求传入 Base64 图片数据。
明确提问目标
在文本提示中说明你需要描述、比对、抽取字段，还是输出 JSON。
如果你需要稳定字段输出，把图像理解与 结构化输出 一起使用。 后续阅读
