第四篇：识别图片
💡
原文中文，约2500字，阅读约需6分钟。
📝
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。
🏷️
标签
➡️
