---
title: 视觉
description: 使用视觉模型分析图像
---

import { BlockInfoCard } from "@/components/ui/block-info-card"

<BlockInfoCard 
  type="vision"
  color="#4D5FFF"
/>

{/* MANUAL-CONTENT-START:intro */}
视觉是一款可以使用视觉模型分析图像的工具。

使用 Vision，您可以：

- **分析图像**：使用视觉模型分析图像
- **提取文本**：从图像中提取文本
- **识别对象**：识别图像中的对象
- **描述图像**：详细描述图像
- **生成图像**：从文本生成图像

在 Sim 中，Vision 集成使您的代理能够在工作流程中使用视觉模型分析图像。这为需要使用视觉模型分析图像的强大自动化场景提供了可能。您的代理可以使用视觉模型分析图像、从图像中提取文本、识别图像中的对象、详细描述图像以及从文本生成图像。此集成弥合了您的 AI 工作流程与图像分析需求之间的差距，实现了更复杂且以图像为中心的自动化。通过将 Sim 与 Vision 连接，您可以创建能够跟上最新信息的代理，提供更准确的响应，并为用户带来更多价值——这一切都无需人工干预或自定义代码。
{/* MANUAL-CONTENT-END */}

## 使用说明

将 Vision 集成到工作流程中。可以使用视觉模型分析图像。需要 API 密钥。

## 工具

### `vision_tool`

使用先进的视觉模型处理和分析图像。能够理解图像内容、提取文本、识别对象并提供详细的视觉描述。

#### 输入

| 参数 | 类型 | 必需 | 描述 |
| --------- | ---- | -------- | ----------- |
| `apiKey` | string | 是 | 所选模型提供商的 API 密钥 |
| `imageUrl` | string | 否 | 可公开访问的图片 URL |
| `imageFile` | file | 否 | 要分析的图片文件 |
| `model` | string | 否 | 要使用的视觉模型 \(gpt-4o, claude-3-opus-20240229 等\) |
| `prompt` | string | 否 | 用于图像分析的自定义提示 |

#### 输出

| 参数 | 类型 | 描述 |
| --------- | ---- | ----------- |
| `content` | string | 分析后的内容和图像的描述 |
| `model` | string | 用于分析的视觉模型 |
| `tokens` | number | 分析中使用的总 token 数 |
| `usage` | object | 详细的 token 使用情况分析 |

## 注意事项

- 类别：`tools`
- 类型：`vision`