视觉

Beta feature. Learn more.

视觉支持用户上传图片供agent分析。agent会将图片传递给具备视觉能力的模型，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。如果所选模型不支持，消息输入框上的上传控件将被禁用。切换到支持视觉的模型以重新启用它。

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 以附上一张图片——截图、照片、图表或示意图。然后提出任何需要查看图片才能回答的问题："这个查询计划哪里有问题？"、"把这张截图里的文字转写出来，" 或 "把这个仪表板和上周的做个比较。"

agent 会将图片视为消息上下文的一部分，因此在同一轮中的后续问题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

视觉可与代码解释器很好地配合，用于基于图像的分析——例如，agent可以先从屏幕截图中读取数字，再运行 Python 计算总计——如果图像中提到了模型需要进一步查找的内容，还可以结合网页搜索使用。