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

# 视觉

> ClickHouse 智能体的图像输入与视觉理解

[Beta 版功能](https://clickhouse.com/docs/reference/settings/beta-and-experimental-features.md#beta-features)

视觉功能支持用户上传图片供智能体分析。智能体会将图片传给支持视觉的模型，由其对图片内容进行描述、总结，或回答相关问题。

## 启用视觉功能

视觉功能仅适用于支持图像输入的模型。如果所选模型无法处理图像输入，消息输入框中的上传控件会被禁用。切换为支持视觉的模型，即可重新启用该控件。

## 使用视觉功能

点击消息输入框左下角的回形针图标，然后选择 **上传到提供商** 来添加图片——可以是截图、照片、图表或示意图。接着，提出任何需要读取图像内容的问题，例如：*"这个查询计划有什么问题？"*、*"请转录这张截图中的文字。"* 或 *"把这个仪表板和上周的对比一下。"*

![消息输入框中的回形针菜单已打开，显示“上传到提供商”“作为文本上传”和“上传到代码环境”选项](https://mintcdn.com/private-7c7dfe99/i3Gw7HRb0YxPr7dq/images/cloud/agent-builder/vision/vision.webp?fit=max\&auto=format\&n=i3Gw7HRb0YxPr7dq\&q=85\&s=45b45935c9b65fed0b571af93d14cbaa)

智能体会将图像视为消息上下文的一部分，因此在同一轮对话中的后续问题里，你可以直接引用它看到的内容，而无需重新上传。

## 将视觉与其他工具结合使用

视觉与[代码解释器](https://clickhouse.com/docs/zh/agents/builder/code-interpreter.md)搭配使用，非常适合进行基于图像的分析——例如，智能体先从截图中读取数字，再运行 Python 计算总和；如果图像中提到了模型需要进一步查找的内容，还可以配合[网页搜索](https://clickhouse.com/docs/zh/agents/builder/web-search.md)使用。
