01
先看整张图
先要求一个清晰概览：画面里有什么、重点是什么、截图表达了什么。
更好的图片问答流程
从看懂图片到使用答案
好的图片对话流程应该逐步推进。先理解完整截图，再围绕具体细节追问，最后把视觉分析转成摘要、OCR 结果、替代文本或可直接使用的报告。
02
深入具体细节
继续追问数字、标签、图表趋势、时间范围或截图中的小区域。
03
把观察转成可用成果
把答案转成替代文本、OCR 结果、报告摘要、标题或可复用的业务文案。
案例示例
真实工作中的图片对话案例
看看图片对话流程如何处理不同视觉任务。上传商品照片、发票、截图、图表或仪表盘，然后持续追问，直到图片变成有用文本、判断或下一步输出。
适用于电商、目录和平台团队
商品照片审核
用图片对话检查商品照片，识别可见特征，发现缺失信息，并转成面向买家的商品文案。
你能识别出哪些材质、颜色和可见特征？
根据这张照片写一个商品标题和五个要点。
发布这个商品前我应该核对什么？
示例对话
适用于支持、运营、财务和产品团队
截图和文档问答
上传信息密集的截图、收据、发票、表单或界面状态，让图片对话提取可见文字、总结关键字段，并标记需要复核的内容。
提取每一行可见文字，并尽量保留布局。
这张发票里的关键字段是什么？
总结这份文档，并标记任何异常内容。
示例对话
适用于分析师、营销人员、设计师和教育工作者
图表、仪表盘和报告点评
用图片对话阅读仪表盘、解释图表、比较指标、识别视觉模式，并把复杂报告转成通俗摘要。
用简单语言解释主要洞察。
我应该先关注哪个指标？
把这个仪表盘摘要改写给非技术读者。
示例对话
输出格式
把图片对话变成可用输出
当图片对话最终形成清晰格式，能被复核、复制、编辑、发布或交给其他流程时，它最有价值。
无障碍替代文本
为屏幕阅读器生成简洁替代文本，再根据页面上下文要求更短、更具体或更适合 SEO 的版本。
清晰 OCR 与字段备注
从截图、收据、表单、标签和文档中提取可读文字，同时把不确定文字与已确认文字分开。
商品与目录文案
把可见商品细节转成标题、要点、列表描述、审核备注和买家文案，不虚构隐藏规格。
标题、摘要和提示词
把图片分析改写成社交标题、报告摘要、创意简报、图片提示词或可复用内容草稿。
人工复核
使用可见证据，而不是假装确定
图片对话可以描述画面中出现的内容并解释可能的上下文，但当污渍、眩光、模糊或破损边缘让细节难以确认时，应该明确保留不确定性。
示例：带不确定性的 OCR
带明确不确定性的收据 OCR
案例重点
带不确定性备注的破损收据 OCR
需要复核什么
污渍遮挡了一行中的部分内容，因此回答会把已确认的收据字段和仍需复核的细节分开。
- 第 01 条不要把有污渍、破损、模糊、裁切或低分辨率的细节当作已确认事实。
- 第 02 条法律、医疗、财务、身份和安全关键结论应由合格人工复核。
- 第 03 条当图片可能被编辑、损坏、摆拍、部分遮挡或缺少周围上下文时，请保留不确定性备注。
- 第 04 条当来源包含手写、眩光、折痕、污渍、小标签或压缩截图时，请把 OCR 输出作为草稿使用。
提示词库
图片对话入门问题
最好的结果通常来自一连串简单问题。复制一个提示词，然后持续追问，直到答案符合你的工作流程。
理解
- 我应该先注意这张图片里的什么？
- 先用一段话描述场景，然后列出细节。
- 哪些内容不确定，或不够清晰无法确认？
提取
- 把所有可见文字提取成清晰 OCR。
- 把这张图片里的表格转成结构化要点。
- 列出你能读到的每个品牌、标签、数字或日期。
创作
- 为这张图片写无障碍替代文本。
- 生成一条带明确吸引点的社交媒体标题。
- 根据风格和构图创建一个 AI 图片提示词。
判断
- 这张截图最可能显示了什么问题？
- 图片的哪一部分需要人工复核？
- 接下来我应该继续问哪些问题？
常见问题
图片对话常见问题
与图片对话是什么意思？
与图片对话是指上传图片后，通过对话不断围绕它提问。你不是只得到一次固定描述，而是可以继续追问、请求 OCR、改变输出格式或深入某个细节。
如何试用与图片对话？
与图片对话登录后可用。上传图片或粘贴图片 URL，然后在聊天框里提出第一个问题。模型 1.0 每条消息消耗 2 积分，模型 2.0 每条消息消耗 4 积分。登录后可使用每日签到积分，需要更多时可购买套餐或积分包。
它和普通图片描述生成器有什么区别？
普通图片描述生成器通常只给一个答案。与图片对话会把图片和对话保留在一起，让你逐步优化答案、比较细节、要求不同输出，并一步步得到可用结果。
可以用它处理 OCR 和截图吗？
可以。你可以提取可见文字、总结截图、解释界面状态，或把文档字段转成结构化备注。对于收据、发票、标签和压缩截图，使用前应复核不确定文字。
哪些图片效果最好？
清晰的商品照片、仪表盘、图表、表单、文档、收据、界面截图、示意图和设计稿效果最好。如果图片模糊、裁切、有污渍、偏暗或很小，请要求工具区分已确认细节和不确定细节。
一次图片对话可以生成什么？
你可以把对话转成无障碍替代文本、清晰 OCR、字段备注、商品标题、目录要点、标题、报告摘要、创意简报、图片提示词或人工复核清单。
怎样提出更好的追问？
先问一个整体问题，例如图片里可见什么，然后逐步收窄。可以追问具体数字、标签、缺失细节、图表趋势、布局问题或你下一步需要的格式。
图片对话能准确识别所有细节吗？
不能。隐藏、模糊、损坏、裁切或低分辨率细节不应被当作已确认事实。把答案作为视觉证据使用，并在图片无法证明细节时保留不确定性备注。
什么时候应该改用图片转提示词？
当目标是把参考图改写成可复用提示词时，使用图片转提示词。当目标是提问、提取信息、检查细节或从图片生成有用文本时，使用与图片对话。
图片对话和视频对话有什么不同？
图片对话关注一张静态图片及其可见细节。若答案依赖场景、动作、时间、变化的文字、镜头运动或片段中的行为，则更适合使用视频对话。
如何从信息密集的图片获得更好结果？
先从整体概览开始，再追问精确文字、字段、标签、图表数值、缺失细节或不确定性备注。重要的 OCR、商品、文档或图表工作，在发布或保存前应对照原图复核最终答案。
支持哪些图片格式？
与图片对话支持 JPG、JPEG、PNG、WebP 和 GIF，最大 15MB。你也可以粘贴图片 URL。