跳到正文
Ankole

让 Agent 读取图片

面向 AI Agent:本页的 Markdown 版本位于 https://ankole.agentbull.com/zh-Hans-CN/docs/vision/index.md,全站文档索引位于 https://ankole.agentbull.com/zh-Hans-CN/llms.txt。

用户可以直接在聊天窗口中向 Agent 发送屏幕截图、现场照片或数据图表。如果该 Agent 日常使用的主模型本身不支持视觉输入,Ankole 会自动调用 vision_fallback 档案所配置的模型来解析图片内容。

反之,若 primary 主模型原生支持图片输入,则无需重复配置此回退项;日常工作完全不涉及图片处理的 Agent 同样可以留空。

配置图片理解模型

  1. 打开 Console → 智能体 页面,点开目标 Agent。
  2. 在“模型档案”区域找到 vision_fallback。
  3. 选择明确支持多模态图片输入的模型提供商与具体模型。
  4. 保存配置,并开启一轮新对话使更改生效。

注意,控制台的模型下拉列表不会自动筛除纯文本模型,选定前请先查阅对应模型提供商的文档确认其支持视觉输入。

验证配置

前往已接入该 Agent 的聊天窗口发送一张清晰图片,并提出一个必须读懂画面内容才能回答的问题,例如:

这张截图里显示的报错信息是什么?请分析最可能的原因。

如果 Agent 仅复述你的文字提问、对图片视而不见或回复无法读取图片,请按以下顺序逐项排查:

  1. 当前聊天渠道是否已成功上传图片附件并转发至 Ankole;
  2. vision_fallback 配置是否已在目标 Agent 名下保存生效;
  3. 所选模型本身是否确实具备多模态图片理解能力;
  4. 对应模型提供商的访问凭据是否有效、账户配额是否充足。

若希望让 Agent 根据文字描述创作或修改图片,请参阅 图片生成——图片理解与图片生成分别使用各自独立的模型档案。