จะดูภาพหน้าจอหรือรูปภาพในสภาพแวดล้อม Agent ได้อย่างไร?

รูปภาพต้องใช้ความสามารถดูภาพ

เครื่องมือไฟล์ของ Agent แยกการอ่านข้อความกับดูบิตแมป ภาพหน้าจอและภาพอื่นควรใช้ขั้นตอนดูภาพ แทนการอ่านไฟล์ไบนารีเป็นข้อความ จะวิเคราะห์ได้หรือไม่ยังขึ้นอยู่กับการรองรับของโมเดลและสภาพแวดล้อมปัจจุบัน

การให้ Agent อธิบายเนื้อหาในภาพที่ยืนยันได้ช่วยตรวจว่าได้รับภาพจริงหรือไม่

วิธีถามให้ได้ผล

ระบุตำแหน่งภาพและบริเวณที่สนใจ เช่น สถานะปุ่ม ข้อความข้อผิดพลาด หรือความต่างของสองภาพหน้าจอ หากต้องการตรวจเอง คุณขอไฟล์แนบที่ดาวน์โหลดได้ด้วย

เมื่อเปรียบเทียบสองภาพ ให้ระบุลำดับ เงื่อนไขของหน้า และความต่างที่สนใจ ให้เอเจนต์อธิบายการเปลี่ยนที่เห็นก่อน แล้วค่อยคุยสาเหตุที่เป็นไปได้ หากภาพมีความละเอียดหรือสถานะล็อกอินต่างกัน ควรบันทึกเงื่อนไขที่ต่างเหล่านี้ก่อน

1. ตรวจว่าสร้างไฟล์ภาพหน้าจอแล้วและไม่ได้กำลังเขียนอยู่
2. ระบุภาพที่จะดูและคำถามเฉพาะ
3. ตรวจว่าเนื้อหาในตัวอย่างตรงเป้าหมายหรือไม่
4. เสริมข้อความหรือภาพบางส่วนที่ชัดขึ้นสำหรับตัวอักษรเล็กพร่า

เมื่อไม่รองรับรูปแบบหรือความสามารถ

ภาพใหญ่เกิน ไฟล์ที่ไม่ใช่บิตแมป และโมเดลที่ไม่รองรับผลภาพอาจคืนข้อผิดพลาดต่างกัน PDF หรือ SVG ใช้วิธีภาพหน้าจอทั่วไปโดยตรงไม่ได้ สามารถดึงข้อความหรือแปลงตามรูปแบบเพื่อดู คำอธิบายของโมเดลไม่เท่ากับการตรวจระดับพิกเซล ตัวเลขสำคัญ สถานะไอคอน และเส้นทางควรตรวจทีละรายการกับภาพจริง