Defina a finalidade da imagem
Anexe a imagem como entrada visual e descreva a tarefa em poucas palavras. Você pode pedir a transcrição de um texto, a identificação de objetos, uma revisão de layout ou um resumo das diferenças entre imagens. Evite uma instrução aberta como “olhe isto” se precisar de uma análise específica.
Acrescente o contexto que não pode ser deduzido dos pixels: o significado de um rótulo, a área importante ou a decisão que a observação deve apoiar. Se houver vários quadros ou um detalhe pequeno, indique qual deles importa. Isso ajuda o agente a se concentrar e permite avaliar a resposta em relação ao pedido.
Confira o resultado na imagem
A interpretação pode ser incerta quando o texto é pequeno, a foto está desfocada ou parte da cena está encoberta. Peça ao agente para separar o que está visível do que está inferindo e verifique pessoalmente rótulos e medidas importantes. Não use uma suposição visual como única base de uma decisão relevante.
Se o modelo escolhido não aceitar imagens, use uma opção compatível ou forneça uma descrição textual. Restrinja imagens sensíveis ao necessário e evite incluir dados pessoais irrelevantes. Um pedido visual focado, seguido de revisão humana, é mais confiável do que tratar a primeira interpretação como fato definitivo.