AI 看图看错细节，十次有八次不是模型不行，是提问的人没给它"看对"的方法。同样一张发票，你问"这上面写了什么"，和你问"把付款金额、到期日、开票方名称逐项列出来"，得到的准确率完全是两个水平。下面 4 个习惯改掉，看图翻车会少一大半。
习惯一：先给高清原图，关键部位裁出来单独问
很多人随手拍一张反光、模糊、还带阴影的照片丢给 AI，然后抱怨它看错。模型再强也变不出原图里没有的细节，这是物理上限。
两个动作：第一，重拍一张光线均匀、四角拍全的原图；第二，如果你要问的是某个局部——比如合同里的一条小字条款、发票角落的一行备注——把那个部位裁出来单独发一张。整图问负责定位，裁图问负责精确，两张一起给效果最好。截图同理，别发被压缩得糊成一团的转发图。
习惯二：指名道姓，告诉它看哪里、看什么
"帮我看看这张图"是最浪费的问法。AI 面对整张图会"平均用力"，你关心的细节反而可能被一句话带过。
改成三要素提问：位置 + 对象 + 要什么。比如"看这张体检报告右上角的表格，把总胆固醇和甘油三酯两项的数值、单位、参考范围列出来"，或者"看这张截图的报错弹窗，把错误代码和提示文字原样抄下来"。位置越具体，它越不容易张冠李戴。表格、表单这类结构化内容，还可以加一句"按从上到下的顺序逐行读"，防止它跳行。
习惯三：先描述再下结论，让它分步说
直接问结论的问题最容易翻车，比如"这份合同对我有没有坑"。模型为了给你一个干脆的答案，可能会跳过仔细阅读的步骤。
拆成两步走：第一步只让它客观描述，"先把这份合同里关于违约责任的条款原文找出来，逐条列出"；第二步再让它基于找出来的内容做判断，"根据上面列出的条款，分析对我不利的地方"。先描述再下结论，相当于逼它先把证据摆出来，你也能顺手核验它找得对不对。这一步多花的十秒钟，是准确率的主要来源。
习惯四：关键数字交叉核验，别让它猜
金额、日期、身份证号、错误代码这类关键信息，AI 有时会"自信地编一个"。这不是它故意骗你，而是它在模糊输入面前倾向于给出完整答案，而不是承认看不清。
对关键数字用交叉核验：让它在图的不同位置各找一遍，比如"发票右上角的总金额和下方明细加总是否一致"；或者换个问法再问一次，看两次答案是否相同。两次回答不一致的地方，就是你需要人工确认的地方。另外，凡是它说"大概""似乎""可能是"的地方，直接视为没看清，重拍或裁图再问一遍。
什么情况下别硬问
最后说个边界：如果原图本身模糊、反光、被遮挡，先重拍，不要指望提问技巧能补回来。手写体潦草到人都认不出的，AI 也认不出。看图这件事的准确率，七分在图的质量，三分在提问，模型只占剩下的部分。顺序搞对了，翻车自然就少了。
