3.4 文本生成与多模态能力集成：GPT-4V图像理解实战一、多模态能力概述GPT-4V（Vision）支持图像输入，可理解图表、截图、手写内容等。适用于文档分析、图表解读、OCR等场景。《大模型应用开发极简入门》第3章「将LLM能力集成到你的项目中」中，多模态能力（3.3.3）被列为重要一环：GPT-4V 图像理解、图文生成为第2版新增。本节与之一一对应，重点讲解图像理解的 API 用法与典型场景，为「文本生成与多模态能力集成」提供可运行示例。二、API调用示例importbase64fromopenaiimportOpenAI client=OpenAI()defanalyze_image(image_path:str,question:str)-str:withopen(image_path,"rb")asf:image_data=base64.b64encode(f.read()).decode()response=