Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Analizē attēlus, kas atrasti, veicot meklēšanu tīmeklī

Nodarbība 4 no 14 Atjaunota 2026. gada 30. jūlijs Iesācējs
Šajā lapā
  1. Pārsniedz teksta robežas ar attēlu analīzi
  2. Aktivizē attēlu izpratni
  3. Kā tas darbojas
  4. Apvieno domēnu filtrēšanu un attēlu analīzi
  5. Atbilstoši lietojumi
  6. Ierobežojumi, kas jāzina
  7. Praktisks uzdevums
  8. Galvenās atziņas

Pārsniedz teksta robežas ar attēlu analīzi

Meklēšana tīmeklī neaprobežojas tikai ar tekstu. Aktivizējot parametru enable_image_understanding, Grok modelis spēj analizēt attēlus, kas atrasti meklēšanas procesā. Tas paver jaunas iespējas: interpretēt diagrammas, lasīt infografikas, saprast ekrānuzņēmumus vai analizēt ziņu fotogrāfijas.

Šī spēja ir īpaši noderīga gadījumos, kad vizuālā informācija papildina vai aizstāj tekstu, piemēram, analizējot tendences akciju grafikos, izprotot tehniskās shēmas vai iegūstot datus no tabulām, kas publicētas attēlu veidā.

Aktivizē attēlu izpratni

Tu to aktivizē, izmantojot parametru enable_image_understanding rīka web_search konfigurācijā:

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
    }]
)

Kad šis parametrs ir aktivizēts, modelim ir pieejams papildu iekšējais rīks ar nosaukumu view_image. Tas var izsaukt šo rīku, lai pārbaudītu meklēšanas laikā sastaptos attēlus un iegūtu no tiem būtisku informāciju.

Kā tas darbojas

Process norisinās vairākos posmos:

  1. Modelis veic standarta meklēšanu tīmeklī
  2. Starp rezultātiem tas identificē potenciāli nozīmīgus attēlus
  3. Tas izmanto rīku view_image, lai analizētu šos attēlus
  4. Tas integrē vizuālo informāciju savā galīgajā atbildē

Tev nav jānodrošina nekāda papildu mijiedarbība. Modelis visu orchestrē autonomi.

Apvieno domēnu filtrēšanu un attēlu analīzi

Tu vari aktivizēt attēlu analīzi vienlaicīgi ar domēnu filtrēšanu:

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
    }]
)
Parametrs Tips Noklusējuma vērtība Apraksts
allowed_domains array [] Atļautie domēni (maks. 5)
excluded_domains array [] Izslēgtie domēni (maks. 5)
enable_image_understanding boolean false Aktivizē atrasto attēlu analīzi

Atbilstoši lietojumi

Zīmola vizuālā monitorings

Sekojiet līdzi tam, kā tavs zīmols vizuāli parādās tiešsaistē: izmantotie logotipi, tava produkta ekrānuzņēmumi, infografikas, kas piemin tavu uzņēmumu.

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
    }]
)

Vizuālā datu analīze

Interpretē diagrammas un tabulas, kas publicētas tiešsaistes ziņojumos, bez nepieciešamības tās manuāli lejupielādēt:

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
    }]
)

Ierobežojumi, kas jāzina

Attēlu analīze palielina atbildes laiku, jo modelim papildus tekstam jāapstrādā arī vizuālie dati. Tā arī patērē vairāk izejas tokenus. Aktivizē to tikai tad, ja vizuālā informācija atbildei pievieno reālu vērtību.

Analīzes kvalitāte ir atkarīga arī no atrasto attēlu izšķirtspējas un skaidrības. Augstas izšķirtspējas diagrammas ar lasāmiem marķējumiem dod labākus rezultātus nekā izplūduši vai pārpildīti attēli.

Praktisks uzdevums

Izveido skriptu, kas liek Grok analizēt vizuālās tendences kādā nozarē (piemēram, akciju indeksa veiktspējas grafikus vai nozares ziņojuma infografikas). Salīdzini atbildes bagātīgumu, iegūtu ar un bez enable_image_understanding.

Galvenās atziņas

  • Parametrs enable_image_understanding ļauj modelim analizēt attēlus no tīmekļa meklēšanas rezultātiem
  • Modelis iekšēji izmanto rīku view_image, lai pārbaudītu atbilstošus vizuālos materiālus
  • Šo parametru var apvienot ar allowed_domains vai excluded_domains
  • Attēlu analīze palielina apstrādes laiku un tokena patēriņu
  • Šī funkcija ir ideāli piemērota vizuālajam monitoringam, diagrammu analīzei un datu ieguvei no infografikām