腾讯元宝的看图功能，指的是在对话里上传图片让它理解内容：图里有什么、文字写了什么、表格数据说明了什么，都能直接问。比起自己盯着图逐字看，它擅长把图片内容转成结构化的文字回答，截图整理、资料解读这类活儿效率提升明显。这篇按入口、用法、排查三段讲实操。
看图功能的入口与支持格式
在元宝对话输入区找到图片上传入口，选择本地图或直接上传截图，上传后在同一条消息里附上问题再发送。常见图片格式如 JPG、PNG 一般都支持，具体限制以官方最新版本为准。图片文件太大时先压缩再传，个别服务对超大图会自动缩放，细节文字可能因此丢失。两个上传习惯值得养成：图片尽量清晰、方向摆正，倒置或旋转过度的图先转正再传；一次上传别贪多，单张、双张逐轮提问，比一股脑传十张更容易得到完整回答。
图片内容问答的实操
问图的方式决定回答质量。拿到一张图，先让它整体描述：「这张图里有什么，主要内容是什么」，确认它看到了你关心的部分，再问具体问题。截图类图片用「提取＋整理」的组合提问：「把这张聊天记录截图里的待办事项提取出来，列成清单」；商品图问「这张图里的商品有什么特点」；设计稿问「这张海报的文字和排版有什么问题」。问题里带上目的，回答会直接可用，而不是泛泛描述。回答不满意时，重新上传一张更清晰的图再问，往往比重写提问有效。
图中文字的读取与整理
读文字是看图功能的高频用途：拍文件、拍幻灯片、拍告示牌，让元宝把图里的文字转成可编辑文本。长文字图建议分段处理，一次读一屏；表格图明确要求「按行列结构输出成表格」，还原度比让它自由发挥高。转写完成后自己抽查关键处，尤其是数字、人名、单位这类易错内容，机器识别在这些位置偶有出错。需要留档的整理结果，当场复制到本地文档，别只留在对话里。
多图一起分析的用法
多张图上传后可以做对比和汇总：几张价格截图让它整理成一张对比表；多页幻灯片截图让它按页提炼要点；前后版本的设计稿让它列出改动点。多图提问的关键是在消息里点明每张图是什么，「第一张是菜单，第二张是价目表」，模型就不用猜对应关系。图与图之间内容重叠较大时，让它先合并去重再输出，结果更干净。
识别出错的排查思路
回答与图不符时按顺序排查：先看图片是否清晰完整，模糊、反光、被截断是最常见的原因，重拍或重新截图再传；再确认它读到的文字，可以问「把图里的文字原样列出来」来核验，文字读错了先纠正这一步；文字对但理解偏了，就在提问里补充背景，说明图片的来源和你的目的。个别生僻符号、手写批注识别不稳属正常现象，重要内容手动核对一遍更保险。
元宝看图时，图里的表格能转成文本吗？
- 模糊的图片还能识别吗？：轻度模糊有机会读出大概内容，但细节数字容易出错；重要资料建议重拍或重新截图，清晰度直接决定准确率。
- 图片里的人物能被认出是谁吗？：这类涉及具体个人身份的识别通常不可靠也不适合依赖，看图功能更适合用于文字、物体与场景层面的内容理解。
- 上传的图片会被怎样处理？：涉及隐私的照片上传前自行斟酌，敏感证件、票据类内容用完可删除记录，数据处理方式以腾讯元宝官方的隐私说明为准。
