现在很多人已经习惯直接把截图、照片、表格图片发给 ChatGPT，让它帮忙：
- 提取图片文字；
- 分析截图内容；
- 识别表格数据；
- 总结图片重点；
- 根据界面截图排查问题。
但实际使用时，经常会遇到一种情况：
图片能正常上传，ChatGPT也能看懂大概内容，但细节总是不准确。
比如：
- 一大段文字漏掉几行；
- 数字识别错了一位；
- 表格行列对应不上；
- 中文字符看错；
- 截图里的小字完全没有识别出来；
- 同一张图片问两次，得到的结果还有差异。
这种问题很多时候并不是"ChatGPT完全看不懂图片"。
更常见的原因是：
图片本身提供的信息不够清楚，或者一次要求识别的内容太多。
下面可以按照几个方向排查。
一、先看图片清晰度，而不是先怀疑模型
如果原图本身已经模糊，AI很难凭空恢复不存在的细节。
最常见的是手机截图经过多次：
转发；
压缩；
裁剪；
平台二次处理。
原本清楚的小字，最后可能只剩下几个模糊像素。
尤其是：
数字；
小数点；
英文大小写；
相似中文字符；
最容易识别错误。
所以如果图片里的文字本来就非常小，可以先：
裁剪重点区域，再单独上传。
比把一张完整的2K或者4K大图直接交给ChatGPT识别更稳。
二、不要一次让它识别整张复杂截图
例如一张后台系统截图同时包含：
左侧菜单；
顶部导航；
中间表格；
右侧提示；
底部日志。
如果直接问：
把这张图里的全部信息识别出来。
任务范围非常大。
ChatGPT需要同时判断：
哪些文字重要；
不同区域是什么关系；
表格怎么分列；
哪些只是界面元素。
更好的方式是：
一块一块处理。
例如：
只识别图片中间表格区域，不分析其他部分。
或者先把表格裁出来，再上传。
图片越复杂，区域越明确，识别通常越稳定。
三、表格图片最容易出现行列错位
表格截图是一个高频问题。
例如原表格：
| 产品 | 数量 | 金额 |
|---|---|---|
| A | 10 | 120 |
| B | 20 | 240 |
如果图片存在：
列间距太小；
网格线不明显；
单元格内容换行；
背景颜色复杂；
模型就可能把：
A的数量
和B的金额
对应错。
所以识别表格时，不建议直接说：
提取这张表。
可以改成：
先告诉我这个表格有几列，每列标题分别是什么，不要提取数据。
确认表头以后，再继续：
按照刚才的列结构逐行提取数据，不允许合并行。
最后再问：
检查总共有多少行数据。
相当于：
先识别结构，再识别内容。
这样更容易发现错位。
四、文字密集的长截图最好分段
有些用户喜欢把整个网页截成长图。
一张图片可能包含几十屏内容。
这种图片虽然看起来信息很完整，但真正识别时并不一定最理想。
因为越往下：
文字越小；
页面越长；
内容越密集。
如果重点是提取文字，可以把长截图分成：
上；
中；
下；
三部分分别上传。
然后让ChatGPT按顺序整理。
尤其是合同截图、文章长图、聊天记录长图，这种方式通常比一张超长图稳定。
五、识别数字时要单独要求"逐项核对"
AI识图最需要谨慎的一类内容就是数字。
比如：
订单金额；
日期；
账号编号；
参数；
百分比；
统计数据。
因为：
8
和
3
有时候可能很像。
0
和
O
也可能混淆。
如果数字非常重要，可以明确告诉ChatGPT：
图片中的数字非常重要，请逐项识别，不确定的地方不要猜，单独标注"无法确认"。
这个提示非常实用。
比让它为了生成完整答案而强行猜测更可靠。
六、想提取原文，就不要同时让它总结
例如你的真正需求是：
把图片里的文字原样提取出来。
但提示词写的是：
识别图片并帮我整理一下。
"整理"就可能意味着：
删除重复；
调整句子；
合并内容；
重新总结。
最后你会觉得：
图片里明明有这句话，为什么没有？
实际上可能不是识别失败，而是模型在整理过程中省略了。
如果需要原始文本，最好明确写：
只提取图片中的原始文字，不总结、不改写、不合并。
等确认文字完整后，再单独让它总结。
七、小字识别不准，可以直接放大后重新截图
如果一张截图里真正需要分析的只有右下角一小块错误提示，就没必要重复上传整张图。
可以：
- 把错误区域放大；
- 重新截图；
- 保证文字占图片主要区域；
- 再让ChatGPT分析。
这实际上提高了：
有效信息占比。
图片里真正相关的信息越集中，AI越容易看清。
八、不要只问"你看清楚了吗"
判断图片有没有识别准确，最好不要问：
图片你看完整了吗？
更有效的方法是随机抽几个你已经知道的内容检查。
比如：
第二行第三列是什么数字？
图片右上角显示什么提示？
表格最后一行是什么？
如果这些关键位置都能正确回答，说明基础识别质量比较可靠。
如果连续几个地方都错，就应该：
重新裁图或者换更清晰的原图。
九、复杂图片可以先让ChatGPT描述布局
如果截图内容非常复杂，可以先不要求提取信息。
第一步问：
先描述这张图片分成几个主要区域，每个区域分别是什么内容。
比如它可能回答：
- 左侧菜单；
- 中间订单表；
- 右侧统计信息；
- 顶部搜索栏。
然后再指定：
只分析中间订单表。
这样相当于先建立图片"地图"。
和处理大型文件时先看目录，是同一个思路。
十、一个比较稳定的图片识别流程
以后用ChatGPT处理截图、表格或照片，可以直接按照下面顺序：
第一步：检查原图清晰度。
模糊就重新截图。
第二步：裁剪真正需要的区域。
减少无关内容。
第三步：先识别结构。
特别是表格和复杂界面。
第四步：再提取具体内容。
不要同时要求总结。
第五步：抽查关键文字和数字。
判断有没有识别错误。
第六步：确认以后再总结分析。
整个流程就是：
先看清 → 再提取 → 最后分析。
最后
ChatGPT识别图片出现文字遗漏、表格错位或者数字错误，并不一定意味着它完全不能处理图片。
很多问题其实来自：
图片太模糊；
一次输入范围太大；
小字占比太低；
识别和总结同时进行；
表格结构本身比较复杂。
如果图片比较重要，最稳妥的方法就是：
裁剪重点区域、放大文字、分段识别，并对关键数字进行二次核对。
尤其是涉及表格和数据时，不要只看最终总结。
先确认原始信息识别准确，再继续分析，结果会稳定很多。
持续更新 ChatGPT、Codex 与大模型使用实战内容，更多技术内容欢迎搜索关注「仙逆GPT」。