Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Užuominos su keliais terpės tipais

Paskaita 9 iš 14 Atnaujinta 2026 m. liepos 30 d. Pradedantisiems
Šiame puslapyje
  1. Tekstas ir vaizdai toje pačioje užuominoje
  2. Vaizdo siuntimas į „Grok“
  3. Parametras detail: tikslumo valdymas
  4. Vaizdų šaltiniai
  5. Praktiniai naudojimo atvejai
  6. Pagrindiniai techniniai apribojimai
  7. Kaip parašyti gerą užuominą su keliais terpės tipais
  8. Praktika
  9. Svarbiausi punktai

Tekstas ir vaizdai toje pačioje užuominoje

„Grok 4.5“ ir vėlesni modeliai gali analizuoti vaizdus kartu su tekstu. Ši daugiafunkcė galimybė atveria platų spektrą: vaizdo aprašymas, OCR (teksto atpažinimas), diagramų analizė, vizualus palyginimas ir daug daugiau.

Įvaldęs užuominas su keliais terpės tipais, galėsi naudoti „Grok“ ne tik kaip teksto, bet ir kaip vizualųjį asistentą.

Vaizdo siuntimas į „Grok“

Naudojant „Responses API“ (pagrindinį galinį tašką), vaizdai į lauką input įterpiami kaip tipizuoti objektai:

{
  "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."}
  ]
}

Naudojant „Chat Completions API“ (senesnį galinį tašką), struktūra šiek tiek skiriasi:

{
  "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."}
    ]
  }]
}

Parametras detail: tikslumo valdymas

Išsamumo lygis daro įtaką analizės gyliui ir sunaudojamų žetonų (tokenų) skaičiui:

detail: low

Vaizdas apdorojamas greitai, sumažinta raiška. Naudok šį režimą, kai nori:

  • Klasifikuoti vaizdus (nuotrauka, iliustracija, diagrama)
  • Apibūdinti bendrą turinį
  • Identifikuoti pagrindinius objektus
  • Rūšiuoti vaizdus pagal kategorijas

Sunaudojimas: mažiau žetonų, greitesnis atsakymas.

detail: high

Vaizdas analizuojama didele raiška. Naudok šį režimą, kai nori:

  • Nuskaityti tekstą vaizde (OCR)
  • Analizuoti detales diagramoje ar schemoje
  • Palyginti tikslius vizualinius elementus
  • Aptikti defektus ar anomalijas

Sunaudojimas: daugiau žetonų (nuo 256 iki 1 792, priklausomai nuo dydžio), lėtesnis atsakymas.

detail: auto

Modelis pats pasirenka tinkamą lygį. Tai yra numatytoji elgsena.

Vaizdų šaltiniai

Tiesioginis URL

Paprastiausias būdas: pateik HTTPS nuorodą į vaizdą.

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

Base64 (duomenų URI)

Vaizdams, kurie nėra talpinami internete, užkoduok juos base64 formatu:

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

Šis metodas naudingas ekrano kopijoms, programiškai sugeneruotiems vaizdams arba vaizdams iš duomenų apdorojimo grandinės.

Praktiniai naudojimo atvejai

OCR ir teksto ištraukimas

{
  "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."}
  ]
}

Diagramų analizė

{
  "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."}
  ]
}

Vaizdų palyginimas

{
  "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."}
  ]
}

Vartotojo sąsajos analizė

{
  "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."}
  ]
}

Pagrindiniai techniniai apribojimai

  • Maksimalus dydis: 20 MB vienam vaizdui
  • Formatai: tik JPG, JPEG ir PNG (jokių GIF, SVG ar WebP)
  • Joks limitas vaizdų skaičiui viename užklausoje
  • „xAI“ patarimas: naudok store: false „Responses API“, kai dirbi su vaizdais, kad išvengtum klaidų, susijusių su istorijos saugojimu

Kaip parašyti gerą užuominą su keliais terpės tipais

Tie patys aiškumo principai taikomi ir čia, tik su specifika, susijusia su vaizdais:

  • Pranešk apie vaizdą: prieš pateikdamas vaizdą, pasakyk modeliui, ką jis matys
  • Būk tikslus dėl užduoties: „Aprašyk šį vaizdą“ yra neaišku; „Ištrauk duomenis iš stulpelinės diagramos ir grąžink juos CSV formatu“ yra tikslu
  • Nukreipk dėmesį: jei tave domina tik vaizdo dalis, nurodyk tai („Susikoncentruok į viršutinį dešinįjį kampą“)
  • Nurodyk išvesties formatą: kaip ir su tekstinėmis užuominomis, nurodyk, ar tikiesi gauti JSON, sąrašą, ar lentelę

Praktika

Padaryk prietaisų skydelio, diagramos ar dokumento ekrano kopiją ir nusiųsk ją į „Grok“ su konkrečiu prašymu. Išbandyk su detail: low, tada su detail: high ir palygink atsakymų kokybę bei greitį.

Svarbiausi punktai

  • „grok-4.5+“ modeliai analizuoja vaizdus kartu su tekstu
  • Parametras detail (low, auto, high) valdo analizės gylį ir žetonų kainą
  • Vaizdus galima pateikti per URL arba base64
  • Pranešk apie vaizdą, būk tikslus dėl užduoties ir nurodyk išvesties formatą
  • Naudok store: false, kad išvengtum saugojimo problemų su vaizdais
  • Priimami formatai apriboti iki JPG, JPEG ir PNG, maksimalus dydis – 20 MB