Gesaan Penerangan dan Kapsyen Imej
Arahkan fokus model kepada objek, hubungan, suasana dan butiran teknikal.
Gesaan Penerangan dan Kapsyen Imej ialah pelajaran Kejuruteraan Arahan AI percuma di CoddyKit. Ini ialah pelajaran 1 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Kejuruteraan Arahan AI, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Kejuruteraan Arahan AI merangkumi sejumlah 4 pelajaran.
Model Penglihatan dan Arahan
Model bahasa penglihatan (VLM) seperti GPT-4o dan Claude boleh memproses imej bersama teks. Arahan yang dihantar bersama imej mempengaruhi kualiti, fokus dan format huraian model dengan ketara.
Tanpa arahan panduan, model menentukan perkara yang hendak dihuraikan — yang mungkin tidak sepadan dengan keperluan anda. Arahan huraian berstruktur memberitahu model dengan tepat unsur yang perlu diberi perhatian dan cara menyusun hasilnya.
Menghantar Imej dengan Arahan
API Anthropic menerima imej sebagai kandungan yang dikodkan dalam base64 atau URL. Berikut ialah struktur asasnya:
import anthropic, base64
client = anthropic.Anthropic(api_key='YOUR_API_KEY')
with open('image.jpg', 'rb') as f:
image_data = base64.standard_b64encode(f.read()).decode('utf-8')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=500,
messages=[{
'role': 'user',
'content': [
{
'type': 'image',
'source': {
'type': 'base64',
'media_type': 'image/jpeg',
'data': image_data
}
},
{
'type': 'text',
'text': 'Describe this image in detail.'
}
]
}]
)
print(response.content[0].text)Arahan Huraian Tidak Berstruktur
Arahan paling mudah — Huraikan imej ini — menghasilkan hasil yang dibentuk sepenuhnya oleh keutamaan model. Untuk banyak kegunaan, hal ini tidak mencukupi:
- Model mungkin memberi tumpuan kepada unsur yang paling menonjol secara visual, bukannya unsur yang paling relevan
- Huraian mungkin berbeza dengan ketara dari segi panjang dan susunan bagi imej yang serupa
- Butiran penting (teks, objek kecil, konteks latar belakang) sering ditinggalkan
Arahan huraian berstruktur menyelesaikan semua masalah ini.
Huraian Berstruktur: Mengarahkan Perhatian
Arahan huraian berstruktur mengarahkan perhatian model secara jelas kepada unsur visual tertentu:
structured_prompt = '''
Describe this image in detail, addressing each of the following aspects:
1. FOREGROUND: Main subjects and objects in the foreground
2. BACKGROUND: Setting, environment, and background elements
3. COLORS: Dominant color palette and notable color contrasts
4. MOOD: Emotional tone, atmosphere, and lighting
5. TEXT: Any visible text, signs, labels, or written content
6. PEOPLE: If people are present — count, approximate age, pose, expression
Organize your response using these exact section headers.
Be specific and descriptive. Avoid vague terms like "some" or "various".
'''
print(structured_prompt)Mengawal Panjang Huraian
Imej yang sama mungkin memerlukan huraian dengan panjang berbeza untuk kegunaan yang berbeza. Kawal panjangnya secara jelas dalam arahan:
# For image captions in a product catalog
short_prompt = '''
Write a 1-sentence product image caption (under 15 words).
Focus on the product, its key feature, and setting.
'''
# For accessibility alt-text
alt_text_prompt = '''
Write an image alt-text description for a visually impaired user.
Limit: 125 characters.
Include: what the image shows, any text visible in the image, the most important action or emotion.
'''
# For detailed analysis
detailed_prompt = '''
Write a detailed image analysis of 200-300 words.
Cover: composition, subjects, setting, colors, mood, and any notable technical or artistic elements.
Structure as a single flowing paragraph.
'''
print('Three length-controlled description prompts defined.')Arahan Huraian Khusus Domain
Domain yang berbeza memerlukan kosa kata huraian dan bidang fokus yang berbeza:
# Medical imaging description
medical_prompt = '''
Describe the key visual findings in this medical image.
Focus on: anatomical structures visible, any abnormalities or anomalies,
location using standard anatomical terms (left/right, superior/inferior, medial/lateral),
and image quality or artifacts.
Note: this description is for informational purposes only, not diagnostic.
'''
# Architecture / real estate
architecture_prompt = '''
Describe this property image for a real estate listing.
Cover: room type, approximate size, key features (flooring, ceiling, natural light),
condition, notable fixtures or finishes, and overall style.
Tone: professional, appealing, factual.
'''
# Security / surveillance
security_prompt = '''
Describe this security camera image.
Note: number of people, approximate location in frame, clothing colors,
any objects being carried, direction of movement, and time of day if discernible.
'''
print('Domain-specific prompts defined.')Hasil Berstruktur daripada Huraian Imej
Untuk aliran kerja automatik, minta hasil JSON berstruktur daripada huraian imej dan bukannya prosa:
json_description_prompt = '''
Analyze this product image and return a JSON description:
{
"product_name": "inferred product name or null",
"category": "electronics|clothing|furniture|food|other",
"colors": ["primary color", "secondary color"],
"condition": "new|used|unclear",
"background": "white|lifestyle|outdoor|studio|other",
"people_visible": true | false,
"text_visible": "extracted text or null",
"quality_score": 1-10,
"caption": "one sentence product caption"
}
Return only the JSON object.
'''
print(json_description_prompt)Huraian Berfokuskan Kebolehcapaian
Penulisan huraian imej untuk kebolehcapaian memerlukan gaya arahan khusus yang mengutamakan maklumat untuk pengguna yang mengalami masalah penglihatan:
accessibility_prompt = '''
Write an image description optimized for screen reader accessibility.
Guidelines:
- Start with the most important content (what is this image about?)
- Describe spatial relationships (the man on the left, the building in the background)
- Include all visible text verbatim
- Describe faces and expressions if relevant to the content
- Skip decorative descriptions unless they convey meaning
- End with: if this is a graph or chart, include the key data it shows
- Maximum 250 characters for alt-text. If more is needed, write a 1-sentence alt-text plus a longer caption.
'''
print(accessibility_prompt)Mengelakkan Kesilapan Biasa dalam Arahan Huraian
Kesilapan biasa dalam arahan huraian imej dan cara membetulkannya:
- Terlalu samar: Huraikan imej → Pembetulan: tentukan unsur yang perlu dihuraikan
- Tiada format: Model menulis prosa apabila anda memerlukan JSON → Pembetulan: nyatakan format hasil dengan jelas
- Tiada had panjang: Model menulis 1000 perkataan → Pembetulan: tentukan panjang sasaran
- Tiada fokus: Semua unsur dihuraikan secara sama rata → Pembetulan: tentukan unsur yang utama
- Tiada konteks domain: Huraian umum untuk imej khusus → Pembetulan: sertakan perbendaharaan kata domain dan kriteria fokus
Aliran Kerja Huraian Imej Berkumpulan
Untuk memproses beberapa imej dalam aliran kerja automatik:
import anthropic, base64, json
from pathlib import Path
client = anthropic.Anthropic(api_key='YOUR_API_KEY')
DESCRIPTION_PROMPT = '''
Describe this image for a product catalog.
Return JSON: {"caption": str, "colors": [str], "category": str, "alt_text": str}
'''
def describe_image(image_path):
with open(image_path, 'rb') as f:
img_b64 = base64.standard_b64encode(f.read()).decode('utf-8')
r = client.messages.create(
model='claude-opus-4-5', max_tokens=200,
messages=[{'role': 'user', 'content': [
{'type': 'image', 'source': {'type': 'base64', 'media_type': 'image/jpeg', 'data': img_b64}},
{'type': 'text', 'text': DESCRIPTION_PROMPT}
]}]
)
return json.loads(r.content[0].text)
print('Batch image description pipeline defined.')Menguji Kualiti Arahan Huraian
Uji arahan huraian pada set imej yang pelbagai untuk memastikan liputan dan ketekalan:
- Produk ringkas pada latar putih
- Foto gaya hidup dengan beberapa orang
- Dokumen atau papan tanda dengan teks padat
- Imej gelap atau berkualiti rendah
- Kandungan abstrak atau samar
Bagi setiap imej ujian, sahkan bahawa hasil merangkumi semua unsur yang diperlukan, mematuhi had panjang dan menggunakan format yang diperlukan. Laraskan arahan apabila mana-mana kategori gagal secara sistematik.
Semakan Pantas
Apakah manfaat utama arahan huraian imej berstruktur berbanding arahan mudah 'Huraikan imej ini'?
Arahan Huraian Imej — Kesimpulan Utama
Arahan huraian imej berstruktur penting untuk menghasilkan output AI visual yang konsisten dan berguna:
- Senaraikan secara jelas unsur visual yang perlu dihuraikan (latar hadapan, latar belakang, warna, suasana, teks, orang)
- Tentukan format hasil — prosa, JSON atau tajuk bahagian tertentu
- Kawal panjang secara jelas — sesuaikan panjang dengan kegunaan (kapsyen 15 perkataan berbanding analisis 250 perkataan)
- Arahan khusus domain (perubatan, hartanah, keselamatan) memerlukan perbendaharaan kata domain dan kriteria fokus
- Untuk kebolehcapaian, utamakan maklumat berbanding estetika dan sertakan semua teks yang kelihatan tepat seperti asal
- Uji pada pelbagai jenis imej: produk, gaya hidup, sarat teks, berkualiti rendah, abstrak
Pelajari Kejuruteraan Arahan AI dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 53
- Pelajaran
- 199
Soalan Lazim
Adakah pelajaran “Gesaan Penerangan dan Kapsyen Imej” percuma?
Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Kejuruteraan Arahan AI, termasuk “Gesaan Penerangan dan Kapsyen Imej”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Kejuruteraan Arahan AI merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Gesaan Penerangan dan Kapsyen Imej”?
Arahkan fokus model kepada objek, hubungan, suasana dan butiran teknikal. Anda berlatih Kejuruteraan Arahan AI menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Kejuruteraan Arahan AI?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Kejuruteraan Arahan AI di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 1 daripada 4.
Berapa lamakah pelajaran “Gesaan Penerangan dan Kapsyen Imej” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Kejuruteraan Arahan AI ini?
Ya. Setiap pelajaran Kejuruteraan Arahan AI menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Gesaan Penerangan dan Kapsyen Imej
- Menjawab Soalan Visual
- Gesaan Perbandingan Pelbagai Imej
- Gesaan OCR dan Analisis Dokumen