Vision

概览

Vision 文档说明图像理解请求格式，适合 OCR、截图分析、票据识别和多模态问答。

配置方式

OpenAI 协议可在 content 中传 image_url；Gemini 协议可传 inline_data 或 file_data。图片建议使用 HTTPS URL 或 base64。

{
  "model": "gemini-3-1-pro",
  "messages": [{
    "role": "user",
    "content": [
      { "type": "text", "text": "What is in this image?" },
      { "type": "image_url", "image_url": { "url": "https://example.com/a.png" } }
    ]
  }]
}

下一步

如果需要稳定识别表格或发票，建议限制图片尺寸并在 prompt 中明确输出 JSON schema。