> ## Documentation Index
> Fetch the complete documentation index at: https://docs.moxus.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 图像理解

> 使用支持视觉输入的模型读取图片内容，完成描述、识别、对比、字段提取和图文问答。

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。

<Info>
  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。
</Info>

## 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

<Steps>
  <Step title="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。
  </Step>

  <Step title="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。
  </Step>

  <Step title="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。
  </Step>
</Steps>

<Tip>
  如果你需要稳定字段输出，把图像理解与 [结构化输出](/zh/guide/structured-output) 一起使用。
</Tip>

## 后续阅读

* [视觉与图像生成](/zh/guide/vision-and-image)
* [结构化输出](/zh/guide/structured-output)