GLM-4V画像分析ツールガイド

核心能力

• 画像内容の識別と記述
• 視覚的な質問応答と推論
• 画像の詳細分析
• マルチモーダルな理解と生成

呼び出し仕様

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash",
    "image_url": "画像URL",
    "prompt": "分析プロンプト"
  }
}

以下は、glm4v_analyze_imageツールを呼び出す際の正しい例と誤った例です。必ず正しい形式に従ってください。

✅ 正しい例

{"model": "glm-4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}

❌ 誤った例 (以下のよくある間違いを避けてください)

• 引用符またはカンマの欠落:

  {"model": "glm-4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}

  ( } が欠落)

• パラメータ名の誤り:

  {"img_url": "https://path/to/image.jpg"}

  ( "image_url" であるべきところが "img_url" になっている)

• モデル名の誤り:

  {"model": "glm4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}

  ( "glm-4v-flash" であるべき)

重要な指示

1. モデル選択: glm-4v-flash モデルを使用します。
2. 画像形式: 一般的な画像形式（JPEG, PNG, WebPなど）をサポートします。
3. プロンプト設計: 明確で具体的な分析指示を与えます。
4. URL有効性: 画像URLが公開アクセス可能であることを確認します。

使用シーン

画像記述

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash", 
    "image_url": "https://example.com/image.jpg",
    "prompt": "詳細にこの画像の内容を記述してください"
  }
}

視覚的な質問応答

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash",
    "image_url": "https://example.com/image.jpg", 
    "prompt": "画像には何人がいますか？彼らは何をしていますか？"
  }
}

詳細分析

{
  "tool_name": "glm4v_analyze_image",
  "parameters": {
    "model": "glm-4v-flash",
    "image_url": "https://example.com/image.jpg",
    "prompt": "画像中の文字内容と技術的な詳細を分析してください"
  }
}

ベストプラクティス

プロンプト設計

• 具体的で明確: "画像中の人物の動作と表情を記述してください"
• タスク指向: "画像中のすべての物体を識別して分類してください"
• 詳細な要求: "色、形、空間関係などの詳細に注意してください"

エラー処理

• 画像URLが有効かどうかを確認します。
• 画像形式がサポートされていることを確認します。
• ネットワークタイムアウトの状況を処理します。

能力範囲

• ✅ 物体認識と分類
• ✅ シーンの理解と記述
• ✅ 文字認識（OCR）
• ✅ 感情と雰囲気の分析
• ✅ 技術的な詳細の抽出

制限事項

• ❌ センシティブな内容や不適切な内容を処理できません。
• ❌ 画像のサイズと解像度に制限があります。
• ❌ リアルタイムのビデオストリームはサポートされていません。
• ❌ 3Dモデルの分析はサポートされていません。

性能最適化

• 適切な画像サイズを使用します。
• 具体的な分析ニーズを提供します。
• 複雑な分析は段階的に行います。
• 他のツールと組み合わせて検証します。