Премини към основното съдържание
Български— Изберете език
Меню

Анализиране на изображения, открити чрез уеб търсене

Урок 4 от 14 Обновен 30 юли 2026 г. Начинаещ
На тази страница
  1. Надхвърлете текста с анализ на изображения
  2. Активиране на разбирането на изображения
  3. Как работи
  4. Комбиниране на филтриране по домейн и анализ на изображения
  5. Релевантни случаи на употреба
  6. Ограничения, които трябва да знаете
  7. Практическо упражнение
  8. Ключови изводи

Надхвърлете текста с анализ на изображения

Уеб търсенето не се ограничава само до текст. Когато активирате параметъра enable_image_understanding, моделът Grok може да анализира изображения, открити по време на своите търсения. Това отваря нови възможности: тълкуване на графики, четене на инфографики, разбиране на екранни снимки или анализ на новинарски снимки.

Тази способност е особено полезна за случаи на употреба, при които визуалната информация допълва или замества текста, като например анализиране на тенденции от борсови графики, разбиране на технически диаграми или извличане на данни от таблици, публикувани като изображения.

Активиране на разбирането на изображения

Активирате това чрез параметъра enable_image_understanding в конфигурацията на инструмента web_search:

response = client.responses.create(
    model="grok-4.5",
    input="Show me the evolution of Tesla's stock price this week",
    tools=[{
        "type": "web_search",
        "enable_image_understanding": True
    }]
)

Когато този параметър е активиран, моделът получава достъп до допълнителен вътрешен инструмент с име view_image. Той може да извика този инструмент, за да разгледа изображения, срещнати по време на търсенето, и да извлече съответната информация.

Как работи

Процесът протича на няколко етапа:

  1. Моделът изпълнява стандартно уеб търсене
  2. Сред резултатите той идентифицира потенциално релевантни изображения
  3. Използва инструмента view_image, за да анализира тези изображения
  4. Интегрира визуалната информация в своя окончателен отговор

Няма нужда да управлявате никаква допълнителна интеракция. Моделът оркестрира всичко автономно.

Комбиниране на филтриране по домейн и анализ на изображения

Можете да активирате анализа на изображения едновременно с филтрирането по домейн:

response = client.responses.create(
    model="grok-4.5",
    input="Visual summary of the latest publications on arxiv in computer vision",
    tools=[{
        "type": "web_search",
        "allowed_domains": ["arxiv.org"],
        "enable_image_understanding": True
    }]
)
Parameter Type Default value Description
allowed_domains array [] Allowed domains (max 5)
excluded_domains array [] Excluded domains (max 5)
enable_image_understanding boolean false Enables analysis of found images

Релевантни случаи на употреба

Визуален мониторинг на марката

Следете как вашата марка се появява визуално онлайн: използвани лога, екранни снимки на вашия продукт, инфографики, споменаващи вашата компания.

response = client.responses.create(
    model="grok-4.5",
    input="How is the Corsen AI brand represented visually online?",
    tools=[{
        "type": "web_search",
        "enable_image_understanding": True
    }]
)

Визуален анализ на данни

Тълкувайте графики и таблици, публикувани в онлайн отчети, без да се налага да ги изтегляте ръчно:

response = client.responses.create(
    model="grok-4.5",
    input="Analyze the European AI market growth charts published recently",
    tools=[{
        "type": "web_search",
        "allowed_domains": ["statista.com", "mckinsey.com"],
        "enable_image_understanding": True
    }]
)

Ограничения, които трябва да знаете

Анализът на изображения увеличава времето за отговор, тъй като моделът трябва да обработва визуални данни в допълнение към текста. Той също така консумира повече изходни токени. Активирайте го само когато визуалната информация добавя реална стойност към отговора.

Качеството на анализа зависи и от разделителната способност и яснотата на откритите изображения. Графиките с висока разделителна способност и четливи етикети дават по-добри резултати от замъглените или претрупани изображения.

Практическо упражнение

Създайте скрипт, който кара Grok да анализира визуални тенденции в даден сектор (например графики за ефективност на борсов индекс или инфографики от отраслов доклад). Сравнете богатството на получения отговор с и без enable_image_understanding.

Ключови изводи

  • Параметърът enable_image_understanding позволява на модела да анализира изображения от уеб резултати
  • Моделът използва инструмента view_image вътрешно, за да разгледа съответните визуализации
  • Този параметър може да се комбинира с allowed_domains или excluded_domains
  • Анализът на изображения увеличава времето за обработка и консумацията на токени
  • Тази функция е идеална за визуален мониторинг, анализ на графики и извличане на данни от инфографики