第 1 课 拍照识物：拍一张照片，让 AI 说出这是什么 | 大模型多模态专题

返回专题

• 做完你会得到什么
• 准备
• 界面组件
• 分步搭
  • 第 1 步：保存 API Key
  • 第 2 步：拍照或选图，压缩后交给 DeepSeek
  • 第 3 步：流式显示回答，回答期间按钮变灰
  • 第 4 步：接着追问
  • 第 5 步：出错时说人话
• 这一课的要点
• 常见问题
• 平台说明
• 下一课

做完你会得到什么

一个「拍照识物」App：拍一张照片（或从相册选一张），几秒后 AI 一段一段地说出这是什么、有什么特点；接着问「它多少钱？」「怎么养？」，AI 记得刚才那张图。

图为执行最终 .aia 里的真实积木生成的布局预览，不是真机截图；AI 的回答与照片、生成的图片都是示意。

下载本课 .aia（VisionSnap.aia）

下载的 .aia 已经带好 LLMAI2Ext 拓展，导入就能用；只需要在 App 里粘贴你自己的 API Key。

准备

API Key 等于你的钱包钥匙：只填在自己手机的 App 里，不要写死在积木里再把 .aia 发给别人。本课把它存在手机上的微数据库里，App 分享出去也不会带上。

界面组件

分步搭

第 1 步：保存 API Key

API Key 存进微数据库，每次打开 App 时读出来设给 DeepSeek1。存之前用 trim 去掉首尾空格——从网页复制时常常带着空格或换行，带着它请求会直接 401。

when Screen1.Initialize() {
  组件美化1.SetAsCard(垂直布局_密钥)
  组件美化1.SetAsCard(垂直布局_拍照)
  组件美化1.SetAsCard(垂直布局_回答)
  密码输入框_密钥.Text = 微数据库1.GetValue("deepseekKey", "")
  使用密钥(密码输入框_密钥.Text)
}

when 按钮_保存密钥.Click() {
  var 密钥 = trim(密码输入框_密钥.Text)
  if 密钥 == "" {
    底部提示条1.Show("先粘贴 API Key 再点保存")
  } else {
    密码输入框_密钥.Text = 密钥
    微数据库1.StoreValue("deepseekKey", 密钥)
    使用密钥(密钥)
    底部提示条1.Show("API Key 已保存")
  }
}

procedure 使用密钥(密钥) {
  DeepSeek1.APIKey = 密钥
  if 密钥 == "" {
    标签_密钥状态.Text = "还没填：到 platform.deepseek.com 创建 API Key，粘贴到这里点保存。"
  } else {
    标签_密钥状态.Text = "已保存，只存在这台手机上。"
  }
}

中途验证：连上 AI 伴侣，粘贴 Key 点「保存」，状态行变成「已保存，只存在这台手机上」；在伴侣里重新加载项目，Key 还在输入框里。

第 2 步：拍照或选图，压缩后交给 DeepSeek

拍照和选图走同一个过程「识别」。关键是先压缩再发：手机原图动辄三四千像素、好几 MB，原样发出去要转成 Base64 文本，体积再大三分之一，上传慢、token 也多。图片处理.压缩把最长边缩到 1024、质量 80，一般只剩一两百 KB，识物完全够用。

每换一张图先调用 StartNewChat 开新对话。拓展默认是多轮对话，发过的图会留在对话历史里，后面每次提问都会重新发一遍；不开新对话，换了五张图，第五次提问就带着五张图，又慢又贵。

global 正在回答 = false
global 有图 = false

when 按钮_拍照.Click() {
  照相机1.TakePicture()
}

when 照相机1.AfterPicture(image) {
  识别(image)
}

when 图像选择器_相册.AfterPicking() {
  识别(图像选择器_相册.Selection)
}

procedure 识别(图片) {
  if 正在回答 {
    底部提示条1.Show("上一张还没回答完，稍等一下")
  } else if DeepSeek1.APIKey == "" {
    底部提示条1.Show("先在上面填好 API Key 并点保存")
  } else {
    // 手机照片动辄好几 MB：最长边缩到 1024、质量 80，只剩一两百 KB，上传快、也省 token
    var 小图 = 图片处理1.Compress(图片, 1024, 80)
    if 小图 == "" {
      底部提示条1.Show("这张图片处理不了，换一张试试")
    } else {
      var 问题 = trim(文本输入框_问题.Text)
      if 问题 == "" {
        问题 = "这是什么？先说名称，再用两三句话介绍。"
      }
      图像_预览.Picture = 小图
      有图 = true
      // 换一张图就开新对话：旧图不再跟着后面每一轮重复发送
      DeepSeek1.StartNewChat()
      开始回答("正在看图……")
      DeepSeek1.ChatWithImage(问题, 小图)
    }
  }
}

这一段用到了下一步才定义的「开始回答」，先接着往下做，第 3 步做完再一起运行。

第 3 步：流式显示回答，回答期间按钮变灰

StreamMode 默认为真，回答会拆成很多小段，每到一段触发一次 GotStream。要把新的一段接在已有文字后面（join(标签_回答.Text, part)），写成 标签_回答.Text = part 就只剩最后一小段——这是最常见的错误。最后一次触发时 part 是空的、finished 为真，在这里把按钮放开。

procedure 开始回答(状态) {
  正在回答 = true
  标签_回答.Text = ""
  标签_状态.Text = 状态
  按钮_拍照.Enabled = false
  图像选择器_相册.Enabled = false
  按钮_追问.Enabled = false
}

procedure 结束回答() {
  正在回答 = false
  按钮_拍照.Enabled = true
  图像选择器_相册.Enabled = true
  按钮_追问.Enabled = true
}

when DeepSeek1.GotStream(part, finished) {
  标签_回答.Text = join(标签_回答.Text, part)
  if finished {
    结束回答()
    标签_状态.Text = "回答完了。可以在下面接着追问，模型记得这张图。"
  }
}

中途验证：对着桌上的杯子拍一张。预览里出现照片，三个按钮变灰，状态行「正在看图……」；两三秒后回答一段段冒出来，说完按钮恢复。

第 4 步：接着追问

追问用普通的 Chat。因为上一步没有开新对话，请求里自动带着刚才的图和回答，问「它多少钱？」模型知道「它」是什么。

when 按钮_追问.Click() {
  var 追问 = trim(文本输入框_追问.Text)
  if not 有图 {
    底部提示条1.Show("先拍一张或选一张图")
  } else if 正在回答 {
    底部提示条1.Show("还在回答，稍等一下")
  } else if 追问 == "" {
    底部提示条1.Show("先写下想追问的话")
  } else {
    文本输入框_追问.Text = ""
    开始回答(join("追问：", 追问))
    DeepSeek1.Chat(追问)
  }
}

中途验证：识完杯子后追问「适合装热水吗？」，回答应该是针对这只杯子的，而不是泛泛地讲杯子。

第 5 步：出错时说人话

Key 不对、余额不足、请求太频繁，都会触发屏幕的出现错误时。拓展报错时错误编号固定是 3300，真正的原因在消息里，格式是 Error 401 in extension LLMAI2Ext: HTTP Error 401: …，所以按消息里的状态码判断。最重要的是先 结束回答()，不然按钮会一直是灰的。

when Screen1.ErrorOccurred(component, functionName, errorNumber, message) {
  结束回答()
  标签_状态.Text = 错误说明(message)
}

function 错误说明(message) {
  return choose(containstext(message, "401"), "API Key 不对：检查是否抄全，或到平台重新创建一个。", choose(containstext(message, "402"), "账户余额不足：到 DeepSeek 开放平台充值后再试。", choose(containstext(message, "429"), "请求太频繁了，等几秒再试。", join("出错了：", message))))
}

中途验证：把 Key 故意删掉最后一位再保存，拍一张：状态行显示「API Key 不对」，按钮恢复可点。

这一课的要点

• 识图就是多一个参数的对话：ChatWithImage(提示词, 本地图片路径)。照相机的「拍摄完成」、图像选择器的「选中项」、图片处理的返回值，都可以直接当路径用。
• 先压缩再发。识物、识植物用 1024 就够；要看清小字（作业题、说明书）用 1600。
• 一张图一个对话：换图前 StartNewChat，否则旧图会一直跟着重发。
• 流式要拼接：join(旧文字, part)，finished 为真时收尾。
• 提示词决定回答的样子。把「想问它什么」改成「用一句话告诉我这是什么，不要多说」，回答就变短；改成「用英语回答并给出音标」，就成了拍照学单词。

常见问题

平台说明

• 安卓：AI 伴侣调试与编译 APK 都可以。拍照需要相机权限，第一次会弹窗询问。
• 鸿蒙：鸿蒙版运行时内置了同名的 DeepSeek 组件，同一个工程可以直接编译鸿蒙应用（HAP）；图片处理、照相机都有鸿蒙实现。
• 本课 .aia 的积木都经过逐条执行检查，大模型的回答用替身模拟，见验证记录。

下一课

第 2 课 拍题讲解：同样是拍照识图，换成看作业题。打开 DeepSeek 的思考模式，让它先推理再讲解，思考过程和讲解分开显示，还能「只讲思路、不给答案」。