让 AI 看图时，先把“看见了什么”和“推测了什么”分开
一张后台截图交给 AI，它往往能迅速指出按钮、表格与异常提示。但如果你继续问“哪一项一定配置错了”，回答就可能从观察跳到推测。作者建议在看图任务里先区分三层内容：画面直接可见的信息、结合背景作出的解释，以及必须另找证据才能确定的结论。
AI生成概念配图
图像理解有明确的边界
OpenAI 官方视觉文档列出的限制包括小字、旋转图像、精确空间定位与物体计数等；图像也可能在分析前被缩放。因此，模型描述得流畅，不代表每个像素都被准确读出。涉及关键数值或操作对象时，需要为它提供更清楚的输入，并保留复核步骤。
实践流程：一张全图，加必要的局部图
假设你要排查网站设置页，先给完整截图，让模型知道页面结构；再提供报错区域的清晰局部图，保留字段名与相邻标签。只截一个红色框，可能丢掉它所属的栏目；只给整张超长页面，又可能让小字难以辨认。两种视角各有用途。
裁图应来自同一版本的原图，注明“全图”和“局部”，不要混入刚修改后的另一张页面而不说明。若页面包含联系方式、令牌或后台密钥，上传前先用合适工具遮挡不必要的信息，并检查遮挡是否真实生效。无法安全处理时，改为手工抄录不敏感的报错文字。
请先列出截图中直接能读到的字段和错误提示。 看不清的地方标为“无法确认”，不要补全字符。 再给出可能原因，并说明每个判断需要什么额外证据。 本轮只分析，不点击按钮、不修改配置。
把关键文字从图片里拿出来
如果能复制报错文本，直接附上文字版；如果目标是核对金额或统计数据，优先提供原始表格或系统导出，而不是只依赖截图。文字与图像不一致时，先问哪一个版本更新，不能悄悄择一相信。截图擅长呈现布局，原始数据更适合精确计算，两者可以互相补充。
对于折线图，先给出图例、坐标单位与时间范围，再让 AI 解释趋势。颜色近似、虚实线混用或坐标被截断时，明确说出限制。如果要得到精确增幅，就回到数据本身计算；不要把视觉估读的数值包装成小数点后两位的结果。
让回答留出“不知道”的位置
可以要求模型按“可见事实、可能解释、待确认项”组织输出。例如，画面上出现红色提示是可见事实；“可能没有保存权限”是一种解释；账号是否具备权限则需要查看实际设置。把三者分开，你就能决定下一步该查日志、补截图，还是询问页面维护者。
按钮文字模糊：先补清晰截图，避免猜目标。
需要精确计数：使用原始列表或专门方法核对。
需要身份、动机或不可见状态：不要仅凭画面下结论。
要执行修改：把分析结果转换为具体操作清单，再检查授权。
最后，别用“请再仔细看”替代缺失信息。若两次回答都在猜同一块模糊区域，继续追问通常不如提供一张清楚的局部图。本文流程是作者的使用建议，适合日常截图与文档辅助阅读，不能把通用视觉模型变成专业诊断或精密测量工具。
