Vision Model

AI 代理視覺驗證註釋：渲染的頁面顯示代理檢查並修正的高亮

向代理顯示它的操作

一個不看就進行註釋的代理會因為呼叫返回而報告成功。將已註釋的頁面渲染為圖像，使具備視覺能力的模型能檢查高亮位置，若錯誤則進行移動。

AI 代理查看文件頁面：為 Claude、Cursor 和 Copilot 渲染的文件頁面圖像

多模態代理需要像素，而不僅僅是文字

文字提取僅將文件的字符交給 AI 代理，卻忽略了版面、圖表和印章。一個提示將頁面渲染為圖像，代理即可直接查看。

AI 在 PDF 中閱讀圖表：代理閱讀圖表與以影像方式渲染的掃描頁面

當答案在圖表中：AI 代理透過 MCP 閱讀圖表與掃描檔

圖表、印章與掃描頁面包含文字提取永遠無法看到的答案。將頁面渲染為影像並交給具視覺能力的模型即可取得這些資訊，且對準確度有誠實的限制。