咱们先从Zui基础的视觉描述说起。

下面这段代码示例，用的是阿里云百炼兼容OpenAI的SDK。

def demo_image_description:
    """让模型用自然语言描述一张图片。"""
    response = client.chat.completions.create(
        model="qwen-vl-plus",
        messages="}},
                {"type": "text", "text": "请详细描述这张图片的内容，包括人物、动物、环境和氛围。"}
            ],
        }],
    )
    return response.choices.message.content

别慌，这里把真实URL删掉了直接写成就行。

def demo_visual_qa:
    response = client.chat.completions.create(
        model="qwen-vl-plus",
        messages="}},
                {"type": "text", 
                 "text": "请回答以下问题：
1. 这是什么动物？
2. 图中有几只？
3. 它们在干嘛？
4. 风格是特写还是全景？"}
            ],
        }],
    )
    return response.choices.message.content

哈哈，这玩意儿真的挺好玩儿，一句话让模型给你列清单。

def demo_json_extraction:
    prompt = """请分析这张图片，以 JSON 格式返回以下信息：
{
  "main_subject":"主体描述",
  "scene_type":"场景类型",
  "lighting":"光线条件",
  "dominant_colors":,
  "objects_count":"物体数量"
}
只返回 JSON，不要其他文字。"""
    response = client.chat.completions.create(
        model="qwen-vl-plus",
        messages="}},
                {"type":"text","text":prompt}
            ]
        }]
    )
    return response.choices.message.content

COT技巧也Neng搬进来让模型一步步思考再输出结果。

def generate_product_description:
    prompt = """你是电商文案高手，请分析商品图并返回 JSON：
{
  "title":"标题",
  "category":"分类",
  "key_features":,
  "selling_points":"营销文案"
}
只要 JSON。"""
    resp = client.chat.completions.create(
        model="qwen-vl-plus",
        messages=
        }]
    )
    return resp.choices.message.content

这个玩意儿直接给运营省了好几个人天啊！哈哈。

def extract_form_data:
    prompt = """请仔细阅读表单图像，提取所有关键信息并返回 JSON。若字段不可见，请填 null。"""
    resp = client.chat.completions.create(
        model="qwen-vl-max",   # 用geng强大的模型
        messages=
        }]
    )
    return resp.choices.message.content

AIAI，这种场景在金融、政府审计里简直是救星。

图像质量：分辨率≥720P，文件大小≤20MB，避免过曝或过暗。

Cot提示："先观察，再分析，Zui后推断。" Neng显著提升答案准确度。

错误处理：

def safe_vision_call:
    try:
        resp = client.chat.completions.create(
            model="qwen-vl-plus",
            messages=
            }],
            timeout=30,
        )
        return resp.choices.message.content
    except Exception as e:
        print
        return f"调用失败：{e}"

# 不对不对，上面那个timeout参数其实应该写成 timeout=30 而不是空着……你懂的 😅。

a) 多模态调用比纯文本贵约1~2倍，因为图像token消耗大；

b) 开发阶段优先选 ；上线后若精度需求提升再换

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
llm = ChatOpenAI
msg = HumanMessage(content="}},
    {"type":"text","text":"请分析这张图并给出 JSON"}
])
resp = llm.invoke
print