本地识图实战——查票据、认物体、读截图

场景一：查票据信息

把一张购物小票、地铁票或快递面单拍下来，让视觉模型帮你提取关键信息：

prompt 示例：
帮我提取这张小票上的：1. 商店名称 2. 总价 3. 日期
用 bullet 列出

模型会识别图片中的文字和数字，整理成结构化输出。手机端小模型对清晰印刷体识别效果不错；手写体和模糊小票可能需要多试几次。

场景二：陌生物体识别

逛街时看到不认识的花、菜、工具，拍一张发给模型：

prompt 示例：
这是什么？给我简单介绍一下。如果不确定请说不确定。

这时候模型不只是"看"图片——它需要结合训练时见过的知识来推断。手机端 2B 模型能识别常见物体，小众品类可能认错。不确定时它会老实说不知道（取决于模型能力）。

场景三：读截图/界面

朋友发来一张 App 界面截图，想知道怎么操作：

prompt 示例：
这张截图里的界面是什么？帮我找出页面上所有可点击的按钮和它们的位置，用文字描述给我。

或者是自己电脑上的报错截图——让模型看错误信息、尝试分析原因。

实用技巧

图片质量决定识别效果

光线好、对焦准、内容清晰的图片，识别准确率会大幅提升。糊掉的、逆光的、有遮挡的图片，模型再强也没用。

裁剪后再发

如果原图里无关内容太多（比如背景杂乱），先在手机相册里把主体部分裁剪出来再发给模型。裁剪后视觉模型处理的区域更小，注意力更集中。

分步骤提问

复杂图片不要指望模型一次全搞定。可以分几轮：

1. "这张图里主要有几个物体？"
2. "最大的那个是什么？"
3. "左上角的小字写了什么？"

每一轮把焦点缩小，识别精度会更高。

隐私优势

所有这些操作都在手机本地完成——图片不会上传到任何服务器。敏感图片（比如医疗报告、合同扫描件、聊天记录截图）开飞行模式后再发，信息连离开本地的机会都没有。这一点是云端 AI 识图完全做不到的。