dify 图片提取文字

1.LLM必须支持视觉

LLM必须要本身支持视觉,然后是dify中的设置。

添加LLM的时候必须开启

如果是已经添加的模型,可以修改设置

点击后就可以改了。

工作流编排的时候可以查看

2.编排节点

比较简单。一个LLM节点就行了

LLM节点设置,必须使用支持视觉的LLM

开启LLM节点的视觉功能

可以是多张图片,但是测试的时候不要使用同一张图片,实测发现使用同一张图片的话没有作用,像这样

使用不同的图片就没问题

或者改成迭代的方式。

相关推荐
lzhdim10 分钟前
AI的分类
人工智能·算法·机器学习·分类·数据挖掘
程序员海军2 小时前
用了两年多 GPT,我最近开始换模型了,还折腾了个求职避坑 Agent
前端·人工智能·后端
AIsoft_86892 小时前
人才评估中的关键信息如何沉淀?
人工智能·iphone
紧跟先前的步伐2 小时前
Go AI Agent 实战 06|JSON 结构化输出与 Go 后端校验
人工智能·ai·golang
vibecoding774 小时前
Codex 分层用模型完整教程:让 GPT-6.1 Sol 拍板、GPT-6 Luna 跑侦察
人工智能·gpt
新知图书4 小时前
1.3 启动第一个机器人
人工智能·机器人
明志数科4 小时前
自主探索范式下机器人示教数据的工程定位:少量示范为何对质量更敏感
人工智能·机器学习·机器人
Maynor9964 小时前
WorkBuddy 一键接通 gpt-6.1-sol:MomoAI / TryAllAPI 把最新模型接到桌面
人工智能·gpt·ai·大模型·编程工具
火山引擎开发者社区4 小时前
问得出、搜得准、信得过:ContextSearch 重构销售检索体验
人工智能
Raymond16885 小时前
AI配音工具长文本合成架构技术解析:全局音色锚定与声学状态跟踪
人工智能·架构·实时互动·视觉检测·音视频·语音识别