Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Diagramos ir grafikai

Paskaita 7 iš 12 Atnaujinta 2026 m. liepos 30 d. Pradedantisiems
Šiame puslapyje
  1. Vaizdinių duomenų analizė
  2. Kuo tai skiriasi nuo OCR
  3. Paprasto grafiko analizė
  4. Lentelinių duomenų ištraukimas
  5. Techninių diagramų analizė
  6. Grafikų palyginimas
  7. Profesinis naudojimo atvejis: automatizuotos ataskaitos
  8. Grafikų analizės apribojimai
  9. Svarbiausi punktai

Vaizdinių duomenų analizė

Grok analizuoja finansinį grafiką Grafikai, diagramos ir lentelės yra повсеместны profesiniame pasaulyje: finansinėse ataskaitose, valdymo skydeliuose, prezentacijose, moksliniuose leidiniuose. „Grok Vision“ leidžia automatiškai išgauti duomenis ir įžvalgas iš šių vaizdų.

Kuo tai skiriasi nuo OCR

Grafikų analizė gerokai lenkia paprastą teksto ištraukimą. Modelis turi:

  • Nustatyti grafiko tipą (stulpelinis, linijinis, skritulinis, sklaidos diagrama ir kt.)
  • Nuskaityti ašis ir jų skalės
  • Išgauti duomenų reikšmes
  • Suprasti legendas ir susieti jas su duomenų eilutėmis
  • Interpretuoti tendencijas ir dėsningumus

Paprasto grafiko analizė

def analyze_chart(image_url):
    prompt = """Analyze this chart and provide:

1. Chart type (bar, line, pie, etc.)
2. Chart title (if visible)
3. X and Y axis labels
4. Extracted data as a table
5. Main observed trend
6. Any annotations or notable points

Present the data in a markdown table."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Režimas detail: "high" yra būtinas norint tiksliai nuskaityti reikšmes ašyse ir legendose.

Lentelinių duomenų ištraukimas

Norėdami gauti duomenis, paruoštus tiesioginiam naudojimui savo kode:

def extract_chart_data(image_url):
    prompt = """Extract data from this chart in JSON.
Expected format:
{
  "type": "bar|line|pie|scatter",
  "title": "...",
  "x_axis": {"label": "...", "values": [...]},
  "y_axis": {"label": "...", "unit": "..."},
  "series": [
    {
      "name": "Series 1",
      "values": [10, 20, 30, ...]
    }
  ]
}

Estimate numerical values as precisely as possible
based on the position of points/bars relative
to the tick marks."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Techninių diagramų analizė

„Grok“ taip pat puikiai tvarkosi su architektūros diagramomis, srautų schemomis ir procesų žemėlapiais:

def analyze_diagram(image_url):
    prompt = """Analyze this technical diagram and describe:

1. Diagram type (architecture, flow, flowchart, UML, etc.)
2. Main components/entities
3. Connections and relationships between components
4. Data or process flow (if applicable)
5. Technologies or tools mentioned

If this is a flow diagram, describe the main path
from end to end."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Grafikų palyginimas

Galite siųsti kelis grafikus tame pačiame užklausoje lyginamajai analizei atlikti:

def compare_charts(url_chart_1, url_chart_2):
    prompt = """Compare these two charts and identify:

1. Common points (measured variables, period, etc.)
2. Differences in trend
3. Significant gaps
4. A 3-4 sentence summary"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_text", "text": "Chart 1:"},
            {"type": "input_image", "image_url": url_chart_1, "detail": "high"},
            {"type": "input_text", "text": "Chart 2:"},
            {"type": "input_image", "image_url": url_chart_2, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Profesinis naudojimo atvejis: automatizuotos ataskaitos

Įsivaizduokite sistemą, kuri paverčia valdymo skydelių ekrano kopijas tekstinėmis ataskaitomis:

def generate_dashboard_report(screenshots):
    report_sections = []

    for i, screenshot in enumerate(screenshots, 1):
        prompt = f"""You are a business analyst. This screenshot
is section {i} of a dashboard. Analyze the displayed metrics
and write a professional summary paragraph.

Include:
- Main KPIs and their values
- Trends (increase, decrease, stability)
- Visible alerts or anomalies
- A recommendation if relevant"""

        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": screenshot, "detail": "high"},
                {"type": "input_text", "text": prompt}
            ],
            store=False
        )
        report_sections.append(response.output_text)

    return "\n\n".join(report_sections)

Grafikų analizės apribojimai

  • Reikšmių tikslumas: „Grok“ įvertina reikšmes pagal vizualinę padėtį. Tiksloms reikšmėms geriau naudoti pirminius duomenis.
  • 3D grafikai: Perspektyviniai vaizdai apsunkina reikšmių nuskaitymą.
  • Persidengiantys grafikai: Kai persidengia kelios eilutės, jas atskirti gali būti sunku.
  • Mažos legendos: Legendos su labai smulkiu tekstu gali būti neteisingai nuskaitytos net ir naudojant high režimą.

Svarbiausi punktai

  • „Grok“ analizuoja grafikus suprasdamas kontekstą, o ne tik tekstą
  • Naudokite detail: "high" tiksliam reikšmių ir legendų nuskaitymui
  • Prašykite struktūruoto formato (JSON, „markdown“ lentelė), kad galėtumėte panaudoti duomenis
  • Kelių vaizdų palyginimas puikiai tinka kryžminei analizei
  • Išgautos reikšmės yra vizualiniai įverčiai, o ne tikslūs duomenys