Анализиране на диаграми с Vision API
На тази страница
Четене на диаграми като анализатор
Диаграмите – стълбови, линейни, кръгови, площни – са навсякъде в бизнес отчетите, таблата с данни и научните публикации. Те представят специфичен проблем: информацията е заключена вътре в изображението, често без прикачени изходни данни. Годишен PDF отчет може да съдържа тридесет криви, а никой вече няма оригиналния Excel файл.
Vision API на Mistral може да чете тези диаграми, да интерпретира тенденциите и да извлича числови данни. Този урок показва как да пишете подкани (prompts), които произвеждат резултати, готови за действие, вместо неясни коментари, и как да структурирате изхода.
Принципи на анализа на диаграми
Оставен на собствените си устройства, моделът произвежда общо изречение като „тази диаграма показва еволюцията на продажбите“. Ефективната подкара налага подреден процес вместо това: идентифицирайте типа на диаграмата (стълбова, линейна, кръгова, разпръсната), прочетете осите и легендите с техните единици и мащаби, извлечете стойностите чрез приблизително определяне на визуалната позиция и едва тогава интерпретирайте тенденциите – ръст, спад, сезонност, аномалии. Редът има значение: интерпретация, формирана преди прочитането на осите, е измислена интерпретация.
Анализиране на стълбова диаграма
Системното съобщение е естественото място за кодиране на този метод веднъж завинаги, независимо от изображението, което се анализира:
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": """You are an expert data analyst. When analyzing a chart:
1. Identify the chart type and its title
2. Describe the axes (labels, units, scale)
3. List the main values you can read
4. Identify trends, highs/lows, and anomalies
5. Write a 2-3 sentence conclusion"""
},
{
"role": "user",
"content": [
{"type": "text", "text": "Analyze this bar chart of quarterly revenue."},
{"type": "image_url", "image_url": "https://exemple.com/ca-trimestriel.png"}
]
}
]
)
print(response.choices[0].message.content)
Системната подкана структурира отговора на модела в логически стъпки, подобрявайки както точността, така и четимостта. Получавате последователен отчет от една диаграма до следващата, което е от съществено значение, ако тези отговори трябва да бъдат обработвани автоматично по-късно.
Извличане на числови данни
За да получите използваеми данни вместо описание, инструкцията трябва да бъде изрично ограничителна. Моделът има естествена склонност да коментира; трябва да му забраните това:
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": "You are a data extractor. Analyze the chart and return the data as a markdown table. Do not comment, do not describe—only extract the data."
},
{
"role": "user",
"content": [
{"type": "text", "text": "Extract the data from this bar chart into a table."},
{"type": "image_url", "image_url": "https://exemple.com/ventes-mensuelles.png"}
]
}
]
)
Моделът ще върне нещо подобно на:
| Month | Sales (k€) |
|----------|------------|
| January | 120 |
| February | 135 |
| March | 148 |
Този формат се анализира с няколко реда код и се импортира директно в електронна таблица или DataFrame.
Анализиране на линейна диаграма (Тенденции)
Линейните диаграми са особено подходящи за анализ на тенденциите и въпросът тогава може да се превърне в цял въпросник, зададен в потребителското съобщение:
prompt_tendance = """Analyze this line chart and answer:
1. What is the general trend (rising, falling, stable)?
2. Are there any inflection points? If so, on what dates?
3. Do you observe seasonality?
4. What is the approximate value at the start and end of the period?
5. What projection do you make for the next quarter?"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": prompt_tendance},
{"type": "image_url", "image_url": "https://exemple.com/evolution-prix.png"}
]
}
]
)
Петият въпрос е от различно естество спрямо първите четири: той иска екстраполация, а не четене. Третирайте отговора му като хипотеза за валидиране, никога като факт.
Анализиране на кръгова диаграма (Разпределение)
При кръговите диаграми въпросът се фокусира върху пропорциите и концентрацията, а не върху еволюцията:
prompt_camembert = """Analyze this pie chart:
- List each segment with its approximate percentage
- Identify the dominant segment
- Indicate whether the distribution is concentrated or dispersed
Return the data in a markdown table."""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": prompt_camembert},
{"type": "image_url", "image_url": "https://exemple.com/repartition-marche.png"}
]
}
]
)
Винаги проверявайте дали сумата на върнатите проценти е близка до 100: общ сбор от 87% сигнализира за непълно прочитане, забравен сегмент или такъв, скрит от легендата.
Конвейер за анализ на отчети
Тези изолирани повиквания стават полезни в мащаба на цял отчет. Следващият скрипт сканира папка с експортирани диаграми, иска стандартизиран JSON изход всеки път и записва всичко в един файл:
import base64
from pathlib import Path
from mistralai.client import Mistral
import json
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
def encoder_image(chemin):
with open(chemin, "rb") as f:
b64 = base64.standard_b64encode(f.read()).decode("utf-8")
return f"data:image/png;base64,{b64}"
def analyser_graphique(chemin_image, question=None):
"""Analyze a chart and return structured data."""
if question is None:
question = "Analyze this chart. Return a JSON with: type (bar/line/pie/other), title, data (array of {label, value}), trend, and summary."
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": "Return only valid JSON, no markdown code blocks."
},
{
"role": "user",
"content": [
{"type": "text", "text": question},
{"type": "image_url", "image_url": encoder_image(chemin_image)}
]
}
]
)
return response.choices[0].message.content
# Analyze all charts in a folder
dossier = Path("rapport/graphiques/")
resultats = {}
for fichier in sorted(dossier.glob("*.png")):
print(f"Analyse de {fichier.name}...")
resultats[fichier.name] = analyser_graphique(fichier)
# Save results
with open("rapport/analyse_graphiques.json", "w", encoding="utf-8") as f:
json.dump(resultats, f, ensure_ascii=False, indent=2)
Инструкцията „no markdown code blocks“ избягва класическото неудобство от JSON, обвит в тройни обратни кавички, което нарушава анализирането.
Ограничения на анализа на диаграми
Четири ситуации поставят модела на изпитание и трябва да ги познавате, преди да изградите процес около него. Първо, точните стойности: те се оценяват въз основа на визуалната позиция на стълбовете или точките, с марж на грешка от 5 до 10%. Второ, претрупаните диаграми, където множество серии, легенди и малък текст замъгляват четимостта. Трето, ниската разделителна способност, която прави етикетите размазани или пикселизирани и нечетими – помнете вътрешното преоразмеряване, описано в Урок 2. И накрая, 3D диаграмите, където перспективата механично изкривява четенето на височината.
Практическият извод е ясен: за точно извличане предпочитайте експортирането на изходни данни като CSV, когато е възможно. Vision API е идеален за бърз анализ и синтез, а не за замяна на електронна таблица. Той блести, когато изходните данни липсват; той е лош избор, когато данните са достъпни.
Ключови изводи
- Използвайте Mistral Large 3 за анализ на диаграми – точността е от критично значение
- Структурирайте вашата подкана на стъпки: тип, оси, стойности, тенденции, заключение
- Изрично поискайте формат на изхода (markdown таблица, JSON) за използваеми данни
- Моделът оценява стойностите с марж от 5–10% – не го използвайте за точни цифри
- Комбинирайте Vision API с CSV експорт за най-доброто от двата свята