Gdzie w aplikacji wewnętrznej umieścić model obrazu?

Umieść krok z modelem obrazu na pozycji, którą ktoś z Twojego zespołu i tak otwiera: akceptacja, kontrola dostawy albo kontrola jakości. Model z widzeniem może przygotować notatkę ze zdjęcia, a model GPT Image może wytworzyć albo poprawić obraz zapisany obok. Pozycja zmienia status dopiero wtedy, gdy wskazana osoba zatwierdzi wersję, a aplikacja zapisze wywołanie i tę decyzję.
Gdzie stoi ten krok
Użyj panelu administracyjnego albo pulpitu operacyjnego, który Twój zespół już otwiera. Przyjęcie dostawy, wstrzymanie do kontroli jakości, akceptacja dokumentu albo zdjęcie z terenu przy zgłoszeniu to pozycja ze statusem. Krok z modelem stoi między załączonym zdjęciem a decyzją człowieka, w tym samym obiegu statusów, który ekran już ma.
Pokaż cztery rzeczy naraz: zdjęcie źródłowe, wynik modelu, przyciski decyzji i informację, kto ostatnio uruchomił wywołanie. Załączony plik zostaje źródłem. Wynik modelu leży obok, wciąż w trakcie przeglądu, aż ktoś zatwierdzi pozycję, odeśle ją do poprawy albo ją odrzuci.
Co model może sprawdzić, a co może wytworzyć
Proś o jedno zadanie na wywołanie. Przewodnik po obrazach i widzeniu rozdziela pracę według tego, co chcesz dostać z powrotem.
| Sprawdzenie | Obraz | |
|---|---|---|
| Wynik | Tekst: wstępna notatka | Obraz: nowa wersja albo edycja |
| Model | Model językowy z widzeniem | Model GPT Image |
| API | Responses albo Chat Completions | Images API |
| Na ekranie | Pod zdjęciem źródłowym | Obok zdjęcia źródłowego |
Sprawdzenie wraca jako tekst, który osoba zatwierdzająca może poprawić. Modele z widzeniem potrafią opisać obraz, odczytać widoczny tekst i odpowiedzieć na pytania o przedmioty, kształty, kolory albo faktury. OpenAI pisze, żeby uwzględniać ograniczenia modelu, gdy korzystasz z tych odpowiedzi. Przy zdjęciu z kontroli spodziewaj się błędnego opisu, przybliżonej liczby, kłopotu z drobnym tekstem oraz kłopotu z tekstem obróconym albo odwróconym. Dokumentacja uznaje specjalistyczne obrazy medyczne za nieodpowiednie. Przy drobnym druku, na przykład na etykiecie, przewodnik zaleca wyższy poziom detail, w tym "detail": "original", gdy model go obsługuje. Notatka może wstępnie wypełnić formularz. Wstrzymanie trwa do decyzji człowieka.
Obraz to piksele. Modele GPT Image generują i edytują obrazy na podstawie tekstu i obrazów wejściowych, a w aplikacji wewnętrznej zwykle chodzi o edycję zdjęcia źródłowego. Przewodnik po generowaniu obrazów zaleca przejrzeć wynik, zanim go użyjesz, i wymienia ograniczenia ważne na tym ekranie: złożone prompty mogą zająć do 2 minut, tekst na obrazie bywa nieczytelny, a precyzyjne ułożenie elementów bywa chybione. Zaplanuj ekran na wolne wywołanie i trzymaj werdykt w polach pozycji. Jeśli na obrazie ma się znaleźć polski napis, sprawdź znaki takie jak „ą”, „ł” i „ż”: dokumentacja nadal wymienia czytelność tekstu wśród ograniczeń.
GPT Image 2.6 Sunburst i Flare robią to wyłącznie przez Image API. Strony Sunburst i Flare podają v1/images/generations i v1/images/edits jako obsługiwane, a Responses API jako nieobsługiwane. Który model wybrać i jakie parametry ustawić, jest w poradniku GPT Image 2.6 w aplikacjach firmowych i we wpisie Co GPT Image 2.6 zmienia w aplikacjach firmowych.
Gdy osoba sprawdzająca ma wskazać obszar, użyj warstwy markup. Rysuje znaczniki na osobnym przezroczystym PNG o tej samej szerokości i wysokości co zdjęcie źródłowe po uwzględnieniu orientacji, a aplikacja wysyła tę warstwę przy edycji. markup dotyczy pierwszego obrazu wejściowego, nie łączy się z mask, a znaczniki nie mogą być wtopione w zdjęcie. Prompt mówi, co ma się zmienić, a co zostać.
Krok po kroku
- Nazwij ekran, zdjęcie i decyzję. Jedno zdanie: która pozycja, które zdjęcie, jaki status zmienia się po zatwierdzeniu. Przykład: przyjęcie dostawy zostaje wstrzymane, aż ktoś zatwierdzi zdjęcie etykiety palety.
- Wybierz sprawdzenie, obraz albo oba jako osobne wywołania. Wstępna notatka o etykiecie to wywołanie modelu z widzeniem. Wyraźniejszy kadr zakreślonego obszaru to edycja obrazu. Gdy potrzebujesz obu, pokaż oba wyniki na pozycji.
- Zostaw zdjęcie źródłowe bez zmian. Kolejne uruchomienia dokładają wersje. Nie zastępują pliku z magazynu, od kontrolera albo od osoby zgłaszającej. Ekran pokazuje źródło i wersję roboczą obok siebie.
- Zostaw decyzję na tym samym ekranie. Na pozycji są przyciski: zatwierdź, odeślij do poprawy, odrzuć. Każda decyzja inna niż zwykłe zatwierdzenie wymaga krótkiej notatki. Model nie ma przycisku, który zmienia status.
- Zablokowane wywołanie to osobny stan. Przewodnik po generowaniu obrazów zaleca, żeby nie ponawiać bez zmian błędu
image_generation_user_error, w tymmoderation_blocked. Zostaw pozycję do przeglądu i pokaż prosty komunikat. - Zapisz wersję, którą osoba zatwierdziła. Dalsze kroki mogą użyć tego pliku, z imieniem i czasem decyzji. Kolejna edycja to nowa wersja, która czeka na tę samą decyzję.
Osoba zatwierdzająca porównuje każdy wynik ze zdjęciem źródłowym i dopiero wtedy akceptuje wersję. Zmierz dokładność na własnych pozycjach.
Co zapisać w logu
Zapisuj tyle, ile potrzeba, żeby później odtworzyć decyzję.
- Identyfikator pozycji, identyfikator zdjęcia i skrót pliku źródłowego.
- Identyfikator modelu oraz to, czy wywołanie było analizą obrazu, generowaniem czy edycją.
- Polecenie, które wysyłasz. Przy edycji zapisz prompt i informację, czy dołączono
markupalbomask. Nazwisk i surowych adresów e-mail nie wkładaj do promptu. safety_identifier, gdy aplikacja działa w imieniu jednej osoby: skrót nazwy użytkownika albo e-maila, co najwyżej 128 znaków, nie sam adres. Przewodnik po generowaniu obrazów zaleca to przy generowaniu i edycji.- Obiekt
usagez odpowiedzi, żeby zużycie tokenów przy każdej zatwierdzonej pozycji zostało na tej pozycji. - Identyfikator żądania, a przy błędzie
error.code. Przymoderation_blockedzapisz teżmoderation_stageicategories, gdy są. Osoba przy ekranie widzi krótki komunikat. Szczegóły widzi Twój zespół. - Decyzję: kto, kiedy, która wersja i notatka.
Zdjęcie osoby to dane osobowe w rozumieniu RODO. Wysyłaj je do zewnętrznego API obrazów tylko wtedy, gdy takie przetwarzanie jest dopuszczalne i plik może opuścić Twoją sieć. Tę samą granicę dla dokumentów opisuje poradnik jak przygotować dokumenty firmy pod prywatne AI.
Najczęstsze błędy
- Szkic sam zamyka pozycję. Zanim status się zmieni, człowiek nadal zatwierdza wynik.
- Nadpisanie zdjęcia źródłowego. Gdy edycja jest zła, oryginał musi nadal być na pozycji.
- Namalowanie decyzji na obrazie. Tekst na obrazie to znany słaby punkt. Werdykt należy do pól, po których da się szukać.
- Wtopienie znaczników w zdjęcie.
markupto osobny przezroczysty PNG w rozmiarze źródła. - Ponawianie zablokowanego żądania bez zmian.
moderation_blockedwymaga innego promptu albo innego wejścia. - Zapisanie samego obrazu. Trzymaj przy nim identyfikator modelu, identyfikator żądania,
usagei decyzję człowieka.
Następny krok
Wybierz jeden ekran, który już masz, jeden rodzaj zdjęcia i jedną decyzję. Rozpisz statusy, wywołania i pola logu z tej listy. Przepuść przez nie niewielki zestaw prawdziwych pozycji, z człowiekiem zatwierdzającym każdą, zanim status zacznie zmieniać się sam.
Jeśli chcesz osadzić ten krok na ekranie, z którego Twój zespół już korzysta, możemy przejść przez jeden proces razem.