大模型多模态调用：图像 + 文档 + 代码混合输入完整教程

图像输入（base64）

messages=[{"role":"user","content":[
  {"type":"text","text":"图里是什么？"},
  {"type":"image_url","image_url":{"url":f"data:image/png;base64,{b64}"}}
]}]

图像输入（URL）

{"type":"image_url","image_url":{"url":"https://example.com/cat.png"}}

PDF 文档输入

Anthropic 原生支持 PDF：直接上传 file_id 或 base64 数据。GPT 则需先 OCR。