视觉问答
vision_qaAsk questions about images and get text answers based on visual content. Use it to verify web pages or slides meet specific requirements.
Instructions
对图片进行视觉问答。传入图片和问题,返回基于图片内容的文字回答。
适用于检查Web页面、PPT页面等是否符合特定要求或样式。
参数:
images: 图片路径或URL列表
question: 要提问的问题
max_dimension: 发送给VLM前自动缩放的最大边长(默认2048,设为0禁用)
返回:基于图片内容的文字回答
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| images | Yes | 图片路径或URL列表(http/https开头为URL,否则为本地路径)。至少1张,最多8张。 | |
| question | Yes | 要提问的问题 | |
| max_dimension | No | 发送给VLM前自动缩放的最大边长(像素)。设为0禁用自动缩放。默认2048。 |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
| answer | Yes |