چگونه اسکرین‌شات‌ها یا تصاویر را در محیط Agent مشاهده کنیم؟
ابزارها را قادر سازید تا تصاویر را واقعاً بخوانند و بین پیش‌نمایش و شکست تحلیل تمایز قائل شوند.
تصاویر نیاز به قابلیت مشاهده تصویر دارند
ابزار فایل Agent بین خواندن متن و مشاهده بیت‌مپ‌ها تمایز قائل می‌شود. اسکرین‌شات‌ها و سایر تصاویر باید از فرآیند مشاهده تصویر استفاده کنند به جای خواندن فایل‌های باینری به عنوان متن. اینکه آیا تحلیل ممکن است نیز به مدل فعلی و پشتیبانی محیط بستگی دارد.
اینکه Agent محتوایی را که در تصویر قابل تأیید است توصیف کند، به تعیین اینکه آیا تصویر را واقعاً به دست آورده است کمک می‌کند.
چگونه سوالات مؤثر Ask را بپرسیم
مکان تصویر و ناحیه تمرکز را مشخص کنید، مانند وضعیت دکمه‌ها، پیام‌های خطا، یا تفاوت‌های بین دو اسکرین‌شات. اگر نیاز به بررسی خودتان دارید، می‌توانید پیوست‌های قابل دانلود را نیز درخواست کنید.
هنگام مقایسه دو اسکرین‌شات، ترتیب، شرایط صفحه، و تفاوت‌هایی که برایتان مهم است را مشخص کنید. اجازه دهید عامل ابتدا تغییرات قابل مشاهده را توصیف کند، سپس دلایل احتمالی را بحث کند؛ اگر اسکرین‌شات‌ها از وضوح یا وضعیت‌های ورود متفاوت آمده‌اند، این تفاوت‌های شرایط باید ابتدا ثبت شوند.
- تأیید کنید که فایل اسکرین‌شات تولید شده و دیگر در حال نوشتن نیست.
- تصویر مورد نظر و پرسش خاص را مشخص کنید.
- تأیید کنید که آیا محتوای پیش‌نمایش با هدف مطابقت دارد.
- برای متن کوچک تار، متن تکمیلی یا تصاویر جزئی واضح‌تر ارائه دهید.
زمانی که فرمت یا قابلیت پشتیبانی نمی‌شود
تصاویر بیش از حد بزرگ، فایل‌های غیر بیت‌مپ، و مدل‌هایی که نتایج تصویری را پشتیبانی نمی‌کنند ممکن است خطاهای متفاوتی را برگردانند. PDF یا SVG را نمی‌توان مستقیماً با روش‌های معمولی اسکرین‌شات پردازش کرد؛ متن را می‌توان بر اساس فرمت برای مشاهده استخراج یا تبدیل کرد. توضیحات مدل با تأیید در سطح پیکسل برابر نیست؛ اعداد مهم، وضعیت‌های آیکون، و مسیرها باید مورد به مورد در برابر تصویر واقعی بررسی شوند.