图像识别

图文混合输入最容易让 Agent“看起来会做，实际做错”。一张财报截图里，数字可能因为分辨率、表格线或单位标注而被误读；配套文字又可能限定了统计口径、时间范围或对比对象。若系统把识别、计算、判断和生成...