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-3/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，它的设计风格和主要卖点是什么？’，它会识别海报中的视觉元素、排版和文案，并总结出设计风格（如极简、复古）以及强调的产品卖点。或者
对AI说：‘这张图表展示了什么趋势？’，它会解读图表类型、坐标轴和数据走势，用文字描述关键发现。
介绍
大模型视觉问答（VQA）技能解决了用户需要理解图片内容并获取自然语言解释的需求。它结合了计算机视觉和大语言模型的能力，能够识别图片中的物体、场景、文字和关系，并回答用户提出的各种开放式问题。
使用时，用户只需提供一张图片并提出任何与图片内容相关的问题，该技能便会分析图片并生成详细的自然语言回答。例如，你可以上传一张风景照，询问“照片是在什么季节拍摄的？”或“图中建筑是什么风格？”。
该技能非常适合内容创作者、电商运营、学术研究者等需要快速从图像中提取和理解信息的用户。对于产品经理和设计师，它可以帮助分析竞品截图或用户界面；对于数据分析师，可以辅助解读信息图表。
使用建议是尽量上传清晰、主体明确的图片，并提问具体的问题以获得更准确的回答。需要注意的是，模型的回答基于其对图片的理解，对于高度抽象、需要专业领域知识或图片质量极差的问题，回答可能不准确。
核心特点
与只能识别物体或场景的简单图像识别工具不同，本技能支持对图片内容进行开放式的、基于自然语言的深度问答，能够理解上下文关系并生成连贯的解释性文本，而非简单的标签列表。
注意事项
不适合处理需要极高精度（如医疗诊断、法律证据分析）或涉及隐私/敏感内容的图片。
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技术，能够识别图片中的文字并融入整体问答中。
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，具体请参考技能文档。
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-3/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-3/raw/index.md（查看排版版本）