Przejdź do głównej treści
Polski— Wybierz język
Menu

Analizuj obrazy znalezione w wyszukiwarce internetowej

Lekcja 4 z 14 Zaktualizowano 30 lipca 2026 Początkujący
Na tej stronie
  1. Wykraczaj poza tekst dzięki analizie obrazów
  2. Włączanie rozumienia obrazów
  3. Jak to działa
  4. Łączenie filtrowania domen i analizy obrazów
  5. Istotne przypadki użycia
  6. Ograniczenia, o których warto wiedzieć
  7. Ćwiczenia praktyczne
  8. Kluczowe wnioski

Wykraczaj poza tekst dzięki analizie obrazów

Wyszukiwanie w sieci nie ogranicza się tylko do tekstu. Gdy włączysz parametr enable_image_understanding, model Grok może analizować obrazy znalezione podczas wyszukiwania. Otwiera to nowe możliwości: interpretowanie wykresów, odczytywanie infografik, rozumienie zrzutów ekranu czy analiza zdjęć newsowych.

Funkcja ta jest szczególnie przydatna w przypadkach, gdy informacje wizualne uzupełniają lub zastępują tekst, np. przy analizie trendów na wykresach giełdowych, rozumieniu diagramów technicznych lub ekstrakcji danych z tabel opublikowanych jako obrazy.

Włączanie rozumienia obrazów

Włączasz to za pomocą parametru enable_image_understanding w konfiguracji narzędzia web_search:

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
    }]
)

Gdy ten parametr jest aktywny, model uzyskuje dostęp do dodatkowego narzędzia wewnętrznego o nazwie view_image. Może je wywołać, aby zbadać obrazy napotkane podczas wyszukiwania i wydobyć z nich istotne informacje.

Jak to działa

Proces przebiega w kilku fazach:

  1. Model przeprowadza standardowe wyszukiwanie w sieci
  2. Wśród wyników identyfikuje potencjalnie istotne obrazy
  3. Używa narzędzia view_image do analizy tych obrazów
  4. Integruje informacje wizualne z finalną odpowiedzią

Nie musisz obsługiwać żadnej dodatkowej interakcji. Model orchestruje wszystko autonomicznie.

Łączenie filtrowania domen i analizy obrazów

Możesz włączyć analizę obrazów jednocześnie z filtrowaniem domen:

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
    }]
)
Parameter Type Default value Description
allowed_domains array [] Allowed domains (max 5)
excluded_domains array [] Excluded domains (max 5)
enable_image_understanding boolean false Enables analysis of found images

Istotne przypadki użycia

Wizualny monitoring marki

Monitoruj, jak Twoja marka pojawia się wizualnie w sieci: używane logotypy, zrzuty ekranu Twojego produktu, infografiki wspominające o Twojej firmie.

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
    }]
)

Wizualna analiza danych

Interpretuj wykresy i tabele publikowane w raportach online bez konieczności ich ręcznego pobierania:

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
    }]
)

Ograniczenia, o których warto wiedzieć

Analiza obrazów wydłuża czas odpowiedzi, ponieważ model musi przetworzyć dane wizualne oprócz tekstu. Zużywa również więcej tokenów wyjściowych. Włączaj ją tylko wtedy, gdy informacje wizualne wnosi realną wartość do odpowiedzi.

Jakość analizy zależy również od rozdzielczości i czytelności znalezionych obrazów. Wykresy wysokiej rozdzielczości z czytelnymi etykietami dają lepsze rezultaty niż obrazy rozmyte lub przeładowane treścią.

Ćwiczenia praktyczne

Stwórz skrypt, który poprosi Groka o analizę trendów wizualnych w danej branży (np. wykresy wydajności indeksu giełdowego lub infografiki z raportu branżowego). Porównaj bogactwo odpowiedzi uzyskanej z włączonym i wyłączonym parametrem enable_image_understanding.

Kluczowe wnioski

  • Parametr enable_image_understanding pozwala modelowi analizować obrazy z wyników wyszukiwania w sieci
  • Model używa wewnętrznie narzędzia view_image do badania istotnych elementów wizualnych
  • Parametr ten można łączyć z allowed_domains lub excluded_domains
  • Analiza obrazów wydłuża czas przetwarzania i zwiększa zużycie tokenów
  • Funkcja ta jest idealna do monitoringu wizualnego, analizy wykresów i ekstrakcji danych z infografik