صورة في ناتج الأداة: هل اسم ملف نصي يقدم بكسلاتها؟

الخلاصة السريعة

ذكر image.png كنص لا يقدم الصورة تلقائيا؛ افحص نوع المحتوى ورابطه المدعوم، ثم تحقق مما وصل وإلى أي مشهد يعود.

• يجيز مرجع Agents API ناتج دالة كنص أو كمصفوفة InputContent؛ تتضمن أنواع المحتوى نصا وصورة بحقل image_url. ^[1]
• نعلن بطاقة أ نصا يذكر image.png، وبطاقة ب عنصر صورة ذا رابط صالح في فرضنا؛ أ وحدها لا تصف محتوى بصريا مقدما.
• ب لا تكفي إن تعذر الوصول أو كان الرابط لصورة أخرى؛ افحص المشهد المقصود دون افتراض تحميل ملف الاسم تلقائيا.
• إتاحة الصورة لا تثبت جواب النموذج عنها؛ وجود أداة وظيفية أو صورة لا يضمن دقة العد أو قراءة النص.

أي نوع من النتائج تصفه الواجهة؟

يعرف مرجع Agents API ناتج الدالة بوصفه نصا أو مصفوفة InputContent. وتضم InputContent نوع النص ونوع الصورة الذي يحمل image_url. ^[1]

نقصر الكلام على هذا العقد؛ لا ننقل شكل الحقول إلى كل مكتبة أو خدمة تحمل اسم وكيل. قبل قراءة البطاقة، نحدد الواجهة التي أخرجتها ونوع المحتوى الذي تدعمه.

تسمية الحقل لا تخبرنا وحدها أن الصورة وصلت بالفعل. نميز في فحصنا بين وصف عنصر صالح على الورق وبين تشغيل مسار تقديم محتواه، وهو تشغيل لم نقم به هنا.

كيف يختلف ناتجان بالاسم نفسه؟

بطاقة أ في مثالنا نصها «الصورة image.png». وبطاقة ب نعلن أنها عنصر صورة في الواجهة المحددة، ورابطها صالح ويعود إلى صورة مفترضة فيها مربعان. لا نضع رابطا حقيقيا ولا نتظاهر بأننا أرسلنا العنصر.

الاسم المكتوب في أ لا يبين الألوان أو عدد المربعات، ولا نعامل جملة «الصورة فيها مربعان» لو أضفناها كنظر مباشر إلى بكسلات. ستكون تلك جملة من صاحب الناتج يلزم التمييز بينها وبين الصورة.

هذا الفرق لا يتغير إذا سميت الملف باسم طويل يصف محتواه. وصف الاسم يساعد القارئ في التنظيم لكنه لا يحول النص إلى حمولة صورة.

ماذا نراجع قبل السؤال البصري؟

حسب فرض بطاقة ب، الرابط يرجع إلى المشهد المطلوب ويمكن الوصول إليه. إذا أسقطنا أحد هذين الشرطين، لا يعود مثالنا دليلا على أن الصورة الصحيحة متاحة. قد يكون هناك عنصر صورة لكن رابطه متعذر أو مقصوده مختلف.

نسأل: هل الناتج النصي وحده هو الذي وصل، أم توجد صورة مدعومة فعلا؟ ثم نسأل عن تطابق الصورة مع المهمة. بطاقة عرض غرفة لا تكمل سؤالا عن بطاقة المربعين بمجرد اشتراكهما في اسم image.png.

عند عدم معرفة ما وصل، نسجل هذا النقص. لا نعوضه بالتخمين من امتداد الاسم، ولا ننسب لواجهة قرار تحميل تلقائي لم نتأكد من عقده.

هل وصول الصورة يثبت صحة الجواب؟

لو افترضنا أن الصورة المقصودة قدمت بنجاح، يبقى سؤال العد مستقلا: هل الجواب يطابق المربعين المعلنين؟ إتاحة الدليل ليست مراجعة للجواب ولا قياسا لقدرة نموذج.

في ورقتنا يمكن أن يأتي جواب يقول «ثلاثة مربعات». وجود عنصر الصورة لا يحوله إلى جواب صحيح؛ نقارنه بالمشهد المعلن، ونحتفظ بالفرق بين النص المنقول والملاحظة البصرية.

هذه مراجعة تعليمية لشكل الناتج وشروط استخدامه. لا نحولها إلى نسبة دقة أو تقرير تجربة، ولا نستنتج أن كل نوع صورة أو رابط تقبله كل خدمة.