视觉入门（Getting started with vision）

最简单的图片输入方式（示例使用图片 URL），用来跑通“图像 + 指令”的最小闭环。

图片质量决定上限：看不清就先裁剪/分块，再让模型做分析。

• 对应 notebook：multimodal/getting_started_with_vision.ipynb

读的时候重点看

• image content block 的结构
• 图片与指令尽量收敛到同一个目标
• 何时从 URL 切到 base64（见 vision + tools）

怎么在本地跑

make test-notebooks NOTEBOOK=multimodal/getting_started_with_vision.ipynb

相关内容

• 视觉 + 工具（base64）：../tool-use/vision-with-tools