Large Model Visual Question Answering Skill | 大模型视觉问答技能
基于大模型对图片内容进行开放式问答的技能。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Large Model Visual Question Answering Skill | 大模型视觉问答技能。 它的用途是：基于大模型对图片内容进行开放式问答的技能。 完整的 Skill 内容见：https://321skill.com/skills/large-model-visual-question-answering-skill-大模型视觉问答技能-x-2/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘分析这张产品海报，描述它的设计风格、主要卖点，并建议一句吸引年轻人的广告语。’，它会识别海报中的视觉元素、排版和文案，综合生成一份包含风格分析、卖点总结和创意广告语的回答。或者，
对AI说：‘看这张数据图表，告诉我趋势是什么，并推测可能的原因。’，它会解读图表中的曲线、坐标轴和数据点，为你总结趋势并提供合理的因果推断。
介绍
该技能旨在解决用户需要对图片内容进行深度理解和交互式问答的需求。它结合了计算机视觉和大语言模型的能力，能够理解图片中的物体、场景、文字、关系等复杂信息，并允许用户以自然语言提出任意问题，从而获得关于图片内容的详细、连贯的自然语言回答。
使用时，用户只需提供一张图片并提出问题，技能便会自动分析图片内容，并生成相应的答案。例如，你可以上传一张风景照，询问“照片中的建筑是什么风格？”或“天气看起来怎么样？”。整个过程无需复杂的图像处理知识，交互方式直观自然。
该技能非常适合内容创作者、电商运营、学术研究者、产品经理等需要从视觉素材中快速提取信息、生成描述或进行创意发散的各类角色。无论是分析产品图片、解读研究图表，还是为社交媒体素材撰写文案，它都能提供有力支持。
建议在使用时，尽量提供清晰、高质量的图片，并尝试提出具体、明确的问题，以获得更准确和有用的回答。由于依赖大模型的理解能力，对于包含大量细节或需要专业领域知识（如医学影像）的图片，结果可能存在不确定性，建议结合人工判断。
核心特点
与传统的、仅能识别物体类别的图像识别工具不同，此技能支持对图片内容进行开放式、多轮的自然语言问答，能够理解上下文、关系并生成解释性文本，而非简单的标签列表。
注意事项
不适合需要极高精度、涉及专业领域（如医疗诊断、法律证据）或处理包含大量微小文字/复杂符号的图片场景。
常见问题
这个技能能识别图片中的文字吗？
可以，它结合了OCR（光学字符识别）和大语言模型的能力，能够识别并理解图片中的文字内容，并将其融入对图片的整体问答中。
支持上传什么格式的图片？
通常支持常见的图片格式，如JPG、PNG等，具体限制取决于技能的实现和部署环境。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/large-model-visual-question-answering-skill-大模型视觉问答技能-x-2/raw/index.md 读取 Large Model Visual Question Answering Skill | 大模型视觉问答技能 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/large-model-visual-question-answering-skill-大模型视觉问答技能-x-2/raw/index.md（查看排版版本）