Multimodal AI
多模态 AI
多模态 AI 能使用或生成多种数据。数据可包含文字、图片、声音、视频或传感器信息。
另一个例子
维修助手会检查机器照片、用户报告的异常声音和型号。提出步骤前，它会要求更安全的拍摄角度。
主要部分
- 01用户意图与上下文
- 02模型或工具决策
- 03有依据的结果与降级路径
什么时候用
只有每种输入都能补充必要事实时才使用。也要说明质量、同意、成本和失败处理。
什么时候不要用
不要推测敏感特征，也别把不确定图像当成事实。相机和麦克风都要有文字替代方式。
代码里的名称
text + image/audio/video inputs and outputs 上线前要检查
检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。
预期结果：使用或评估 多模态 AI (Multimodal AI)，让 AI 行为可以衡量，也能连回证据。 用户场景：维修助手会检查机器照片、用户报告的异常声音和型号。提出步骤前，它会要求更安全的拍摄角度。 AI 方法或概念：多模态 AI (Multimodal AI)。 适用理由：只有每种输入都能补充必要事实时才使用。也要说明质量、同意、成本和失败处理。 不应使用的情况：不要推测敏感特征，也别把不确定图像当成事实。相机和麦克风都要有文字替代方式。 AI 要求：定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护：保留可查询记录，并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤，并定义模型或提示词的恢复方式。 验收标准：在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制（证据边界）：没有一份官方标准能涵盖全部内容。不同团队、平台或框架的用法可能不同。 待确认：目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限，以及生产环境的安全备用做法。
检查这份需求
请 AI 编程助手检查当前如何使用 多模态 AI (Multimodal AI)。 定义：多模态 AI 能使用或生成多种数据。数据可包含文字、图片、声音、视频或传感器信息。 生产环境检查：检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前，先列出看到的证据、缺口、严重程度，以及最小且安全的修正。