图片理解
understand_imageAnalyze an image from a file path, URL, or base64 and return a detailed text description via a vision model, enabling text-only models to interpret screenshots, photos, charts, and scanned documents.
Instructions
分析一张图片并返回详细的文字描述。用于让不具备视觉能力的纯文本模型间接'看懂'图片:传入本地文件路径、图片 URL 或 base64 编码数据,本工具会调用配置好的视觉模型完成识别,并返回自然语言描述文本。适合需要理解截图、照片、图表、文档扫描件等内容的场景。
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| image | Yes | 图片来源,支持三种形式:1) 本地文件绝对/相对路径,如 C:\a.png 或 ./a.png;2) HTTP(S) 图片 URL;3) data URI 或裸 base64 编码字符串。 | |
| prompt | No | 想让视觉模型回答的具体问题或分析要求,例如"提取图中的所有文字"" 、判断图中有几个人"。不填则使用默认提示词,返回图片的通用详细描述。 | |
| mimeType | No | 仅当 image 为裸 base64 字符串且无法从内容判断格式时使用,例如 image/png、image/jpeg。 | |
| provider | No | 选择使用哪个视觉模型 provider,可选:default(默认)。不填则使用默认 provider。 |