第四篇：识别图片
内容提要
本文介绍了如何使用Azure OpenAI客户端读取和分析图片。首先，读取配置文件并创建客户端，然后将ChatClient转变为名为“VisionAgent”的AI代理，并设置指令。接着，构造包含文字和图片的用户消息，开启会话并以流式方式获取结果。最后，使用Ollama和deepseek-ocr模型识别图片中的文字。
关键要点
-
使用GPT读取和理解图片的步骤
-
从配置文件读取Azure相关信息
-
创建Azure OpenAI客户端，连接到自定义部署的OpenAI服务
-
将ChatClient转变为AI代理，命名为VisionAgent并设置指令
-
构造包含文字和图片的用户消息
-
开启可持续对话会话
-
以流式方式获取结果
-
使用Ollama和deepseek-ocr模型识别图片中的文字
延伸解读
Azure OpenAI 客户端的配置
在使用 Azure OpenAI 客户端之前，确保正确配置 azure_key.txt 文件。该文件包含了连接 Azure 服务所需的关键信息，如 deploymentName、endpoint 和 api key。配置错误可能导致无法成功连接或调用服务，因此在开始之前务必仔细检查这些信息。
AI 代理的创建与使用
将 ChatClient 转变为 AI 代理（VisionAgent）是实现图像分析的关键步骤。通过为代理设置明确的指令，可以提高其在图像分析中的效率和准确性。这种方法比每次都手动输入系统提示更为高效，适合需要频繁进行图像分析的场景。
流式结果获取的优势
使用流式方式获取结果可以实时查看 AI 的分析过程，这对于调试和优化交互非常有帮助。通过逐步输出结果，用户可以更好地理解 AI 的思维过程，并及时调整输入内容，以获得更准确的分析结果。
延伸问答
如何使用Azure OpenAI客户端读取和分析图片？
首先，从配置文件读取Azure相关信息，创建Azure OpenAI客户端，然后将ChatClient转变为名为“VisionAgent”的AI代理，构造包含文字和图片的用户消息，开启会话并以流式方式获取结果。
创建Azure OpenAI客户端需要哪些步骤？
需要从配置文件读取endpoint和api key，使用这些信息创建AzureOpenAIClient，并连接到自定义部署的OpenAI服务。
什么是VisionAgent，它的作用是什么？
VisionAgent是一个AI代理，负责分析图片，能够同时处理文字和图片内容。
如何构造包含文字和图片的用户消息？
使用Microsoft.Extensions.AI.ChatMessage构造消息，可以包含TextContent和DataContent，分别用于文字和图片的二进制数据。
如何开启可持续对话会话？
通过调用agent.CreateSessionAsync()方法来开启可持续对话会话，这样可以保持上下文。
使用Ollama和deepseek-ocr模型识别图片中的文字的步骤是什么？
首先创建OllamaApiClient并设置为VisionAgent，然后构造包含图片的用户消息，最后以流式方式获取识别结果。
