Catalog

多模態應用

影像、語音與文件理解的實作，含 OCR、版面解析與跨模態檢索。

全部主題 提示工程 RAG 檢索增強 Agent 開發 模型微調 部署與推理優化 資料處理與評測 多模態應用 工具與工作流
不限 免費 VIP 專屬 全難度 入門 進階 實戰
符合條件：3 篇
圖片進模型前該做什麼：解析度、格式與 token 成本
免費 多模態應用 入門
圖片進模型前該做什麼：解析度、格式與 token 成本
同一張圖，處理方式不同，成本可以差三倍。這篇講清楚前處理的取捨。
2026-08-27
8 分鐘
 視覺問答的提示技巧：讓模型看它該看的地方
免費 多模態應用 入門
視覺問答的提示技巧：讓模型看它該看的地方
同一張圖，問法不同結果差很多。這幾個技巧能明顯提升準確率。
2026-08-16
7 分鐘
 多模態應用的成本結構：圖片比文字貴在哪
免費 多模態應用 入門
多模態應用的成本結構：圖片比文字貴在哪
一張圖等於多少 token？搞清楚計費邏輯，成本才控制得住。
2026-08-10
7 分鐘