Clash梯子网

1
[图片文件传输成功 (200 OK)] ──► [图像分辨率与对比度评估] ──► [底层文字 OCR 与边界提取] ──► [多模态语义推理] ──► [输出回答]
2
                                          │                              │                          │
3
                                    压缩噪点/模糊小字              复杂表格/倾斜扫描件        幻觉推断/图例混淆

1
┌──────────────────────────────────────────────┬──────────────────────────────────────────────┐
2
│ 容易发生视觉混淆的字符对                     │ 核心诱发原因与解决策略                      │
3
├──────────────────────────────────────────────┼──────────────────────────────────────────────┤
4
│ 数字 0 ◄──► 大写字母 O                       │ 字符外轮廓高度一致，在低对比度下无法区分     │
5
│ 数字 1 ◄──► 大写 I ◄──► 小写 l (L)          │ 细瘦笔画在屏幕抗锯齿渲染中丢失特征           │
6
│ 数字 8 ◄──► 大写 B / 数字 5 ◄──► 大写 S      │ 笔画闭合处产生粘连或断裂                     │
7
│ 中文形近字 (如“已/己/巳”、“未/末”)           │ 笔画出头细节在图像压缩后被抹平               │
8
└──────────────────────────────────────────────┴──────────────────────────────────────────────┘

1
[原始超长截图 (4000px+)] ──► 拆分为 ──► [子图 A (含 1~4 段)] ──► [子图 B (保留第 4 段重叠 + 5~8 段)] ──► 分批处理

1
1. 步骤一：识别图表主标题与数据源说明
2
   ↓
3
2. 步骤二：分别提取 X 轴（自变量/时间周期）与 Y 轴（因变量/量纲单位）
4
   ↓
5
3. 步骤三：核对图例颜色与各条折线/柱状条的严格对应关系（重点防范双 Y 轴）
6
   ↓
7
4. 步骤四：列出拐点与极值等关键数据锚点，最后输出趋势总结

1
┌──────────────────────────────────────────────┬──────────────────────────────────────────────┐
2
│ ❌ 低效且高风险的提问方式                    │ ✅ 高精度“两阶段”提问模板                   │
3
├──────────────────────────────────────────────┼──────────────────────────────────────────────┤
4
│ “帮我分析这张报表，并计算出第三季度的利润率” │ “请分两步处理这张图片：                      │
5
│                                              │  第一步：先逐字转写图片中可见的所有原始文字与│
6
│ (缺点：模型在视觉尚未看准的情况下直接进行推  │  数字，不确定的字符请标注为【无法确认】；    │
7
│  理计算，错误数据导致结论彻底失真)           │  第二步：等我核对转写文本无误后，再进行计算。”│
8
└──────────────────────────────────────────────┴──────────────────────────────────────────────┘

1
1. 在本地相册将目标图片放大到 100% 比例，确认人眼能否轻松看清细节
2
   ↓ 若人眼都看不清 → 必须重新清晰拍摄或获取原图
3
2. 旋转并拉正图片，确保所有文本处于水平阅读方向
4
   ↓
5
3. 裁剪剔除无关网页边框与广告，仅保留需要 AI 提取的核心区域
6
   ↓
7
4. 如果是超长图，在逻辑断点处截断为 2~3 张子图并按序编号
8
   ↓
9
5. 发送指令：“请只转写图片中清晰可见的文字，不要推测，看不清的用[?]标记”
10
   ↓
11
6. 人工快速扫视一遍 AI 提取出的原始文本（重点核对数字、金额与单位）
12
   ↓
13
7. 确认基础数据完全准确后，再发起后续的归纳、翻译或数据分析任务

1
               【ChatGPT 图片上传后识别错误 / 看不清】
2
                                  │
3
                    人眼在本地放大后能看清目标文字吗？
4
                     ├── 否 ──► [重新拍摄高对比度照片，获取未压缩原图]
5
                     └── 是
6
                          │
7
                    属于小字密集或超长截图吗？
8
                     ├── 是 ──► [单独裁剪目标区域放大，或拆分为多张子图]
9
                     └── 否
10
                          │
11
                    属于复杂表格或统计图表吗？
12
                     ├── 是 ──► [提示词拆解：先转写表头/坐标轴单位，再分析]
13
                     └── 否
14
                          │
15
                    图片角度发生歪斜或存在反光暗角吗？
16
                     ├── 是 ──► [使用工具旋转拉正，调整对比度消除反光]
17
                     └── 否 ──► [采用“先逐字转写、标明不确定处、后推论”流程]