GLM-4V图像分析工具指南

核心能力

• 图像内容识别和描述
• 视觉问答和推理
• 图像细节分析
• 多模态理解和生成

调用规范

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash",
    "image_url": "图片URL",
    "prompt": "分析提示语"
  }
}

以下是调用 glm4v_analyze_image 工具的正确和错误示例。请务必遵循正确格式。

✅ 正确示例

{"model": "glm-4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}

❌ 错误示例 (请避免以下常见错误)

• 缺少引号或逗号:

  jsonCopy

  {"model": "glm-4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}
  

  (缺少 })

• 参数名错误:

  jsonCopy

  {"img_url": "https://path/to/image.jpg"}
  

  (应为 "image_url" 而非 "img_url")

• 模型名称错误:

  jsonCopy

  {"model": "glm4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}
  

  (应为 "glm-4v-flash")

关键指令

1. 模型选择: 使用 glm-4v-flash 模型
2. 图片格式: 支持常见图片格式（JPEG, PNG, WebP等）
3. 提示语设计: 清晰具体的分析指令
4. URL有效性: 确保图片URL可公开访问

使用场景

图像描述

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash", 
    "image_url": "https://example.com/image.jpg",
    "prompt": "详细描述这张图片的内容"
  }
}

视觉问答

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash",
    "image_url": "https://example.com/image.jpg", 
    "prompt": "图片中有多少人？他们在做什么？"
  }
}

细节分析

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash",
    "image_url": "https://example.com/image.jpg",
    "prompt": "分析图片中的文字内容和技术细节"
  }
}

最佳实践

提示语设计

• 具体明确: "描述图片中人物的动作和表情"
• 任务导向: "识别图片中的所有物体并分类"
• 细节要求: "注意颜色、形状、空间关系等细节"

错误处理

• 检查图片URL是否有效
• 确认图片格式支持
• 处理网络超时情况

能力范围

• ✅ 物体识别和分类
• ✅ 场景理解和描述
• ✅ 文字识别（OCR）
• ✅ 情感和氛围分析
• ✅ 技术细节提取

限制说明

• ❌ 不能处理敏感或不当内容
• ❌ 图片大小和分辨率有限制
• ❌ 实时视频流不支持
• ❌ 3D模型分析不支持

性能优化

• 使用合适的图片尺寸
• 提供具体的分析需求
• 分步骤进行复杂分析
• 结合其他工具进行验证