多模态AI能读图后，业务流程里的截图和照片该如何准备

多模态 AI 已经能“读图”，但在业务流程里，它读到的不是理想样张，而是被压缩过的聊天截图、拍歪的票据、光线复杂的现场照片，以及夹杂文字说明的拼图材料。真正影响结果的，往往不是模型会不会识别，而是你给它的材料是否足够清楚、可追溯、可复核。

先把“看得清”当成最低门槛

很多人第一次使用多模态 AI，会习惯性地把图片直接上传，然后期待它自动补全所有缺失信息。这个预期需要调整。模型可以识别图像中的文字、布局、物体和关系，但它不会总是主动告诉你“这里太糊了”“这个角落被反光挡住了”“这张票据有一部分没拍进去”。在低质量材料上，它有时会给出看似确定的回答，反而增加误判风险。

准备截图时，优先保留原始清晰度，不要反复转发、压缩或裁剪到只剩局部。界面截图要让关键字段、按钮状态、时间、账号标识或业务编号处在同一张图里，避免只截取一小块让 AI 猜上下文。票据和表单照片要尽量正对拍摄，保证边缘完整，避免折痕、阴影、反光压住金额、日期、抬头、签章等关键信息。

现场照片更需要克制。不要指望 AI 从一张远景里准确判断所有细节。如果要让它判断设备状态、摆放位置、破损情况或环境风险，最好同时准备一张整体图和一两张局部清晰图。整体图说明“发生在哪里”，局部图说明“问题是什么”。这比单张复杂照片更容易被核验，也更利于后续人工复查。

遮挡不是隐私保护的全部

业务材料经常包含手机号、身份证号、地址、客户姓名、内部系统编号等敏感信息。遮挡当然必要，但遮挡方式要和任务目标匹配。一个常见错误是：为了脱敏，把所有看起来敏感的内容都涂掉，结果 AI 需要判断的字段也被一起盖住了。

更稳妥的做法是先明确这次识别要回答什么问题。比如只是判断票据类型，就不需要暴露完整个人信息；如果要核对金额和日期，就不能把金额区或日期区遮住；如果要判断截图中的处理状态，就要保留状态栏、操作时间和相关提示。遮挡应当“只遮不需要识别的敏感内容”，而不是把材料处理成无法判断的图片。

还要注意，遮挡本身也可能制造误解。大面积黑块会破坏版面结构，涂抹痕迹可能遮住字段边界，马赛克区域旁边的残留字符也可能被错误读取。对于重要流程，建议保留一份未脱敏原件用于授权人员审核，另准备一份脱敏副本给 AI 做辅助识别。两者的用途要分清，不能混在同一个文件夹里随意流转。

文件名和文字说明能减少“猜”的空间

图片不是孤立存在的。对人来说，一张截图可能来自某个系统、某个工单、某个时间点；对 AI 来说，如果没有说明，它只能根据画面内容推断。推断越多，结果越不稳定。

给材料命名时，不必追求很长，但要让人和系统都能看懂。可以包含业务对象、日期、材料类型和顺序，例如“客户A_付款截图_第1张”“门店巡检_入口设备_局部图”。如果同一事项有多张图片，顺序尤其重要，避免 AI 把前后关系看反，或把不同对象的材料混在一起分析。

除了文件名，上传时的文字说明也很关键。不要只写“帮我看看这张图”，而要说明你希望 AI 完成的任务：是提取字段、判断是否完整、找异常点，还是把图文材料整理成表格。对于截图，可以补充来源系统、截图时间、相关业务动作；对于票据，可以说明需要关注的字段；对于现场照片，可以说明拍摄位置、对象和已知背景。

一个好提示不需要复杂，但要边界清楚。比如可以写：“请只根据图片中可见内容提取票据日期、金额和收款方；看不清的字段标记为无法确认，不要猜测。”这类表达能把 AI 从“尽量回答”拉回“可验证回答”。

抽检要盯住高风险字段

多模态识别结果不能直接等同于事实。尤其是金额、日期、姓名、证件号、合同编号、地址、数量、审批状态这类字段，只要进入报销、审核、风控、售后或合规流程，就必须保留人工抽检或复核环节。AI 可以提高整理速度，但不能替代原始凭证审核。

抽检时不要只看最终答案是否“像那么回事”，而要回到原图逐项核对。特别要关注三类情况：一是图片本身不清楚，模型却给出了确定值；二是同一字段在多张图中出现不一致；三是模型把相邻字段、备注文字或表格行列关系读错。复杂表格、合并单元格、倾斜扫描件、压缩截图都容易出现这类问题。

如果业务量较大，可以先建立一套简单的抽检规则：关键字段必须抽查，低清晰度图片提高抽查比例，异常结果必须回看原图，无法确认的内容不得自动通过。这里的重点不是追求形式上的“有审核”，而是让每一条 AI 输出都能追溯到对应图片和对应位置。

把 AI 当助手，而不是凭证裁判

多模态 AI 适合做初步读取、信息整理、异常提示和材料分类。它能帮业务人员少做重复录入，也能让大量图文材料更容易进入后续流程。但它不适合独自承担最终判断，特别是在原始材料模糊、信息被遮挡、现场关系复杂或结果会影响资金、权益、责任认定时。

更可靠的工作方式是：前端把图片拍清楚、命名清楚、说明清楚；AI 负责提取和提示；后台保留原图、抽检记录和人工确认结果。这样，多模态能力才不是一个“看起来很聪明”的黑箱，而是业务流程里可验证、可追责、可持续改进的一环。