Large Model Visual Question Answering Skill | 大模型视觉问答技能
对图片内容进行开放式问答的视觉AI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：对图片内容进行开放式问答的视觉AI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-7/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
'请分析这张产品设计图，指出配色方案和布局特点，并给出改进建议。' 技能会识别图片中的颜色、元素位置和视觉层次，用自然语言输出分析报告。
对AI说：'这张图表展示了过去三个季度的营收变化，请描述主要趋势和异常点。' 技能会读取图表中的坐标轴、折线和标注，生成趋势总结和异常发现。
介绍
这个技能解决的是「看图说话」的通用需求：当你有一张图片，想了解它的内容、细节、逻辑或隐含信息时，不需要手动描述或编写规则，直接提问就能获得自然语言回答。它基于计算机视觉和大语言模型，能够理解图片中的物体、场景、文字、关系等，并回应各种开放式问题，例如“这张图里有哪些人？”“这个图表说明了什么趋势？”“请描述这张照片的氛围”。
使用方式非常简单：提供一张图片（支持上传或URL），然后输入任意问题，技能会结合视觉理解和语言推理给出回答。无需额外训练或配置，即用即答。它适合需要快速从图像中提取信息、进行多轮对话讨论的场景，比如分析设计稿、检查图表数据、解读论文配图、辅助教学演示等。
适合的用户群体广泛：内容创作者（分析插图、检查素材）、学术研究者（解读实验图表、论文配图）、UI设计师（审阅设计稿、获取视觉反馈）、数据分析师（从报表截图中提取数据）、产品经理（快速理解竞品截图）以及任何需要借助AI理解图片内容的普通用户。
使用建议：图片质量越高、内容越清晰，回答质量越好；对于包含大量文字或复杂图表的图片，建议先裁剪或放大关键区域；目前不支持连续多帧视频或动态内容，仅处理静态图片；对于需要精确数值提取（如表格中的数字）的场景，建议配合OCR技能使用以提高准确性。
核心特点
与同类图片分析技能相比，本技能不局限于预设的分类或问答模板，支持任意开放式提问，且能结合上下文进行多轮对话，适合探索性、发散性的图像理解需求。
注意事项
不适合需要高精度物体检测、像素级分割或实时视频分析的专业视觉任务，对模糊、低分辨率或严重遮挡的图片回答质量会下降。
常见问题
能识别图片中的手写文字吗？
可以识别部分清晰的手写文字，但准确率不如印刷体，建议配合专用OCR技能使用。
能分析复杂图表并提取数据吗？
可以理解图表的整体结构和趋势，但精确提取数值可能不准确，建议对关键区域截图后再提问。
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-7/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-7/raw/index.md（查看排版版本）