Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Vícedimenzionální prompty

Lekce 9 z 14 Aktualizováno 30. července 2026 Začátečník
Na této stránce
  1. Text a obrázky v jednom promptu
  2. Odeslání obrázku do Groku
  3. Parametr detail: řízení přesnosti
  4. Zdroje obrázků
  5. Praktické případy použití
  6. Klíčová technická omezení
  7. Jak napsat dobrý vícedimenzionální prompt
  8. Praktické cvičení
  9. Klíčové poznatky

Text a obrázky v jednom promptu

Modely Grok 4.5 a novější umí analyzovat nejen text, ale i obrázky. Tato multimodální schopnost otevírá širokou škálu možností: popis obrázků, OCR, analýzu grafů, vizuální porovnávání a mnoho dalšího.

Ovládnutí vícedimenzionálních promptů ti umožní využívat Grok nejen jako textového, ale i jako vizuálního asistenta.

Odeslání obrázku do Groku

Při použití Responses API (hlavní koncový bod) se obrázky integrují do pole input jako typované objekty:

{
  "model": "grok-4.5",
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/dashboard.png"},
    {"type": "input_text", "text": "Analyze this dashboard and identify declining metrics."}
  ]
}

Při použití Chat Completions API (starší koncový bod) je struktura mírně odlišná:

{
  "model": "grok-4.5",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "image_url", "image_url": {"url": "https://exemple.com/dashboard.png", "detail": "high"}},
      {"type": "text", "text": "Analyze this dashboard and identify declining metrics."}
    ]
  }]
}

Parametr detail: řízení přesnosti

Úroveň detailu ovlivňuje hloubku analýzy a počet spotřebovaných tokenů:

detail: low

Obrázek se zpracovává rychle při sníženém rozlišení. Tento režim použij pro:

  • Klasifikaci obrázků (fotografie, ilustrace, diagram)
  • Popis obecného obsahu
  • Identifikaci hlavních objektů
  • Řazení obrázků podle kategorií

Spotřeba: méně tokenů, rychlejší odpověď.

detail: high

Obrázek se analyzuje ve vysokém rozlišení. Tento režim použij pro:

  • Čtení textu v obrázku (OCR)
  • Analýzu detailů v grafu nebo diagramu
  • Porovnání přesných vizuálních prvků
  • Detekci vad nebo anomálií

Spotřeba: více tokenů (mezi 256 a 1 792 v závislosti na velikosti), pomalejší odpověď.

detail: auto

Model si sám zvolí vhodnou úroveň. Toto je výchozí chování.

Zdroje obrázků

Přímá URL

Nejjednodušší metoda: poskytni odkaz HTTPS na obrázek.

{"type": "input_image", "image_url": "https://exemple.com/photo.jpg"}

Base64 (data URI)

Pro obrázky, které nejsou hostovány online, je zakóduj do formátu base64:

{"type": "input_image", "image_url": "data:image/png;base64,iVBORw0KGgo..."}

Tato metoda je užitečná pro snímky obrazovky, programově generované obrázky nebo obrázky z zpracovatelského pipeline.

Praktické případy použití

OCR a extrakce textu

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/facture.jpg"},
    {"type": "input_text", "text": "Extract from this invoice: the invoice number, date, amount excluding tax, VAT, and amount including tax. Return the result in JSON."}
  ]
}

Analýza grafů

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/graphique-ventes.png"},
    {"type": "input_text", "text": "This chart shows our monthly sales over 12 months. Identify trends, peaks, and troughs. Suggest possible explanations for the variations."}
  ]
}

Porovnání obrázků

{
  "input": [
    {"type": "input_text", "text": "Compare these two versions of our logo:"},
    {"type": "input_image", "image_url": "https://exemple.com/logo-v1.png"},
    {"type": "input_image", "image_url": "https://exemple.com/logo-v2.png"},
    {"type": "input_text", "text": "Identify the differences and recommend the best version for web use."}
  ]
}

Analýza uživatelského rozhraní

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/mockup.png"},
    {"type": "input_text", "text": "Evaluate this mobile interface mockup based on the following criteria: readability, visual hierarchy, accessibility, consistency. Rate each criterion out of 10."}
  ]
}

Klíčová technická omezení

  • Maximální velikost: 20 MB na obrázek
  • Formáty: Pouze JPG, JPEG a PNG (žádné GIF, SVG ani WebP)
  • Žádný limit na počet obrázků na žádost
  • Tip od xAI: při práci s obrázky používej v Responses API parametr store: false, abys předešel chybám souvisejícím s ukládáním historie

Jak napsat dobrý vícedimenzionální prompt

Platí stejné principy jasnosti jako u textu, s dodatkem pro obrázky:

  • Oznam obrázek: řekni modelu, co uvidí, ještě před samotným obrázkem
  • Buď přesný v zadání úkolu: „Popiš tento obrázek“ je vágní; „Extrahuj data ze sloupcového grafu a vrať je v CSV“ je přesné
  • Naveď pozornost: pokud tě zajímá jen část obrázku, uveď to („Zaměř se na pravý horní roh“)
  • Upřesni formát výstupu: stejně jako u textových promptů specifikuj, zda očekáváš JSON, seznam nebo tabulku

Praktické cvičení

Pořiď snímek obrazovky dashboardu, grafu nebo dokumentu a odešli jej do Groku s konkrétním požadavkem. Otestuj nastavení detail: low a poté detail: high a porovnej kvalitu a rychlost odpovědí.

Klíčové poznatky

  • Modely grok-4.5+ analyzují obrázky společně s textem
  • Parametr detail (low, auto, high) řídí hloubku analýzy a náklady na tokeny
  • Obrázky lze poskytnout prostřednictvím URL nebo base64
  • Oznam obrázek, buď přesný v zadání úkolu a specifikuj formát výstupu
  • Používej store: false, abys předešel problémům s ukládáním obrázků
  • Akceptované formáty jsou omezeny na JPG, JPEG a PNG s maximální velikostí 20 MB