> ## Documentation Index
> Fetch the complete documentation index at: https://apione.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 多模态输入

> 在模型支持时发送图片等非文本输入，并控制大小、格式和隐私风险。

多模态输入的结构取决于协议和模型。先查询模型参数，确认支持的输入类型、图片数量、大小、格式和传递方式。

## OpenAI 兼容图片示意

```json theme={null}
{
  "model": "YOUR_VISION_MODEL_ID",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "概括图片中的主要信息"},
        {"type": "image_url", "image_url": {"url": "https://example.com/image.png"}}
      ]
    }
  ]
}
```

这只是常见 OpenAI 兼容结构。Anthropic 和 Gemini 使用不同内容块；不要跨协议直接复制请求体。

## URL、Base64 与文件引用

| 方式 | 优点 | 注意事项 |
| - | - | - |
| HTTPS URL | 请求体小 | URL 必须能被服务访问，避免长期公开敏感文件 |
| Base64 / Data URL | 不依赖外部下载 | 请求体显著增大，注意大小限制和日志泄露 |
| 文件 ID 或上传接口 | 便于复用 | 只有模型或平台明确支持时使用 |

## 输入预处理

* 删除 EXIF、定位和不必要的个人信息；
* 将超大图片缩放到业务所需分辨率；
* 检查 MIME 与真实文件类型一致；
* 对扫描件、表格和截图分别准备评测样例；
* 不在日志中记录完整 Base64 或临时签名 URL。

## 常见错误

| 现象 | 检查 |
| - | - |
| 模型不识别图片 | 模型是否支持视觉，协议结构是否正确 |
| URL 下载失败 | 是否公开可达、是否过期、是否阻止服务端访问 |
| 413 | 图片数量、分辨率或 Base64 请求体过大 |
| 回答忽略某张图 | 图片顺序、文本指令和模型图片数量限制 |
| OCR 不稳定 | 图片清晰度、旋转、语言和版面复杂度 |

下一步：[选择模型](https://apione.ai/docs/models/selection.md)、[结构化输出](https://apione.ai/docs/api/structured-output.md)、[图像生成](https://apione.ai/docs/api/images-generations.md)、[请求跟踪、超时与重试](https://apione.ai/docs/api/request-reliability.md)。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.