加载中
Claude 的视觉能力允许您在消息中包含图像,并要求 Claude 分析、比较、计数对象,或执行几乎任何您能想到的视觉任务。这为从文档分析到自动化评估等各种应用开辟了强大的可能性。
图像处理基础
在 Claude 中处理图像时,您需要了解几个关键限制:
- 单个请求中所有消息里最多可包含 20 张图像
- 最大尺寸为 3.75MB
- 最大高度/宽度为 8000px
- 每张图像计为一定数量的 token:
tokens = ⌈width / 28⌉ × ⌈height / 28⌉

要包含一张图像,您需要将其作为另一种类型的消息部分添加。对于您想发送的每张图像,您需要在用户消息中包含一个图像部分。结构如下所示:
python
with open("image.png", "rb") as f:
image_bytes = f.read()
add_user_message(messages, [
{
"image": {
"format": "png",
"source": {"bytes": image_bytes}
}
},
{"text": "What do you see in this image?"}
])多张图像
您可以通过添加多个图像部分,在单条消息中发送多张图像。Claude 随后可以分析图像之间的关系、对它们进行比较,或回答需要理解多个视觉输入的问题。

提示技巧
关于 Claude 视觉能力,最重要的一点是:所有相同的提示工程技巧都适用于图像。您可以通过提供指导原则、分析步骤,或使用单样本/多样本示例,大幅提高 Claude 的视觉准确性。

例如,与其简单地问"这张图像中有多少颗弹珠?",您可以提供一个结构化的方法:
Analyze this image of marbles and determine the exact count using this methodology:
1. Begin by identifying each unique marble one at a time. Assign each a number as you identify it.
2. Verify your result by counting with a different method. Start from the bottom-left corner and work row by row, from left to right.
What is the exact, verified number of marbles in this image?
另一种有效的技巧是单样本提示,即在要求 Claude 分析目标图像之前,先提供一张带有正确分析结果的示例图像:

真实世界示例:火灾风险评估
Claude 视觉能力的一个实际应用是为保险公司进行自动化火灾风险评估。公司无需派检查员前往每处房产,而是可以使用高分辨率卫星图像,要求 Claude 评估火灾风险。

该系统可以分析几个关键因素:
- 住宅附近茂密且紧密排列的树木
- 紧急车辆难以进入的通道
- 悬垂在住宅上方的树枝
- 整体树木密度和间距
以下是您可能如何构建此类分析:
python
with open('./images/prop7.png', 'rb') as f:
image_bytes = f.read()
messages = []
add_user_message(messages, [
{"image": {"format": "png", "source": {"bytes": image_bytes}}},
{"text": prompt}
])
response = chat(messages)成功完成这类复杂视觉分析的关键,在于提供详细、结构化的提示,引导 Claude 完成特定的分析步骤,而不是要求进行简单的评估。
请记住:在处理图像时,不要陷入使用简单提示的陷阱。应用您在文本交互中学到的相同提示工程技巧,以大幅提升 Claude 的视觉分析准确性。