百智云图像理解：案例篇——一张复杂看板的三步解剖法

案例的起点是一张真实的「复杂图片」：一张信息量很大的经营看板截图。上面挤着几个图表、一列指标卡、一行标题与日期，还有零星的小字注释。人第一眼看过去是「信息很多」，但具体有哪些信息、之间什么关系，需要花时间梳理。这篇文章演示图像理解服务如何分三步把这张图读薄、读透、读可用。

第一步：先给整图一个结构框架

面对复杂图，第一次提问不要急着索取细节，先让模型建立全局框架。提示词写成「描述这张图的整体结构：包含哪些区域，每个区域的类型与主要内容，各区域之间是什么关系」。

模型返回的是一张「图的索引」：左上是指标卡区域，展示了几项核心数据；中间是趋势图，横轴是月份；右下是分类占比图；底部有一行小字注释。有了这个框架，后续提问才知道该往哪问、模型也知道重点看哪，第二次识别的质量会明显提高。

第二步：逐区深挖需要的细节

框架建立后，按需求逐区深入。想看趋势，就问「描述中间趋势图中每条曲线的走向，指出最高点、最低点与明显转折发生在什么时候」。想看指标，就问「列出左上角所有指标的名称与数值，并说明单位」。

分区域提问还有一个好处：每次识别只聚焦一个区域，模型不会被其他区域干扰，答案更精准。虽然看起来多问了几次，但由于每次 10 积分且一次到位，实际比一次乱问更省。

第三步：把结果整理成可用内容

细节齐了之后，最后一步是整合。可以把前面两步的识别结果拼起来，也可以让模型对整图做一次总结性的结构化输出，例如「基于这张看板，整理出本月最值得关注的三个结论」。

值得留意的是，数值类信息应以图中可清晰辨认的内容为准，识别对个别小字可能不准；结论性输出则要结合业务判断。合理分工是：图像理解负责「读出与整理」，人负责「核对与决策」。

复杂图处理的通用套路

这张看板的处理方式可以推广到其他复杂图：流程图先问结构再问分支、架构图先问分层再问接口、长截图先问分段再问内容。核心原则一致——由粗到细、逐层拆解、最后整合。

配合在线体验页的操作，一次完整的复杂图理解通常只需要几次识别。与人工盯着图反复比对相比，这套「先框架、再细节、后整合」的流程更系统，也不容易漏区域。

小结

复杂图片并不可怕，可怕的是没有方法。图像理解服务支持的「框架优先、分区深挖、结果整合」三步法，能把一张信息爆炸的图拆成可控的多次识别，每次都有明确目标。下一篇案例看另一个高频需求：从报错截图到可执行的排查步骤。