Large Model Visual Question Answering Skill | 大模型视觉问答技能
对图片进行开放式自然语言问答
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：对图片进行开放式自然语言问答 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-4/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
'帮我分析这张图片里有哪些物体？' 它会识别图片中的物体并列出。或者说：'这张图片中的场景是什么氛围？' 它会描述画面色调、人物表情等，给出自然语言回复。
介绍
本技能解决的是传统图像识别工具只能输出标签或分类，无法理解图片深层语义、回答用户自由提问的问题。通过结合计算机视觉与大语言模型，用户上传任意图片后，可以像聊天一样提出任意问题（如“这张图里的人在做什么？”“建筑是什么风格？”“画面中有什么安全隐患？”），技能会分析图片内容并返回自然语言回答。
使用方式非常简单：将图片提供给技能，然后直接输入问题，无需任何配置。技能会自动调用视觉模型提取图像特征，再交由语言模型理解并生成回答，整个过程在对话中完成。
适用人群包括内容创作者（分析图片素材、获取灵感）、营销专员（评估广告图片与文案的匹配度）、电商运营（分析商品主图细节、检查图片质量）、高校学生（辅助作业）、学术研究者（快速获取图像信息）等。
建议使用清晰、光照充足、主体明确的图片以获得最佳效果；对于包含大量文字或需要精确数字的场景（如扫描件、票据），建议配合专用OCR工具；对医学影像、遥感图像等专业领域，回答仅供参考，不构成专业判断。
核心特点
区别于普通图像分类或OCR工具，本技能支持任意自然语言提问，能理解图片中的复杂关系、场景氛围和隐含语义，而不是仅输出预设标签或文字识别结果。
注意事项
对模糊、遮挡严重或需要极高精度专业判读的图片（如医学影像、卫星图）效果有限。
常见问题
支持哪些图片格式？
支持常见的 JPEG、PNG、WebP 等格式，建议上传清晰度较高的图片。
能识别图片中的文字吗？
可以识别部分文字，但若需要精确提取或批量处理，建议配合专用 OCR 工具。
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-4/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-4/raw/index.md（查看排版版本）