需用支持多图的火山引擎模型（如Doubao-Seedance-2.0），每张图单独构造user消息，system prompt强制编号前缀，确保按输入顺序逐张输出带“图1：”等前缀的描述。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
让火山引擎视觉理解模型逐张说明多图内容
你需要用火山引擎的视觉理解模型（如Doubao-Seedance-2.0或GLM-4V系列）批量分析一组图片，并确保每张图的描述结果带明确编号、不混淆顺序，尤其当输入含3张以上图像时，模型默认可能合并输出或打乱逻辑。这在电商商品图审核、医疗影像归档、教育课件标注等场景中是硬性需求。
第一步：确认你调用的是支持多图输入的模型。Doubao-Seedance-2.0、GLM-4V、GLM-4V-Plus均支持最多5张图像一次性上传；但GLM-4V-Flash仅支持单图，强行传多图会静默截断为第一张，【必须提前检查模型卡片页标注的“最大图像数”】。
第二步：构造请求体时，在messages数组中为每张图单独构建一条role="user"消息，且每条消息的content字段内只嵌入一张base64或url图像——不要把多张图塞进同一个content里。例如：[{ "role": "user", "content": [{"type": "image_url", "image_url": {"url": "https://xxx/1.jpg"}}] }, { "role": "user", "content": [{"type": "image_url", "image_url": {"url": "https://xxx/2.jpg"}}] }]。这样模型会严格按数组索引顺序逐条响应，避免图文错位。
第三步：在system prompt中强制声明编号规则。直接写：“请严格按输入顺序，对每张图分别输出一段独立描述，开头必须用‘图1：’‘图2：’等中文编号前缀，编号与输入顺序完全一致，不得合并、跳号、重号。” 这句指令能覆盖95%以上的顺序错乱问题；若省略，部分模型在高并发或长上下文下会自发合并输出。
设置多图编号描述的结构化返回格式
当你需要将模型输出直接喂给下游系统（如数据库入库、前端渲染列表），纯文本编号不够稳定，需转为JSON结构。火山引擎本身不原生支持自动JSON Schema约束，但可通过参数+提示词协同实现。
方法一：用response_format参数（仅限Messages API）
在请求头或body中加入"response_format": {"type": "json_object"}，同时在user prompt末尾追加：“请将结果严格输出为JSON数组，每个元素包含字段'id'（值为图1/图2…）、'description'（纯文字描述，不含编号前缀）、'original_filename'（若已知则填，否则留空）。” 注意：该参数仅对部分视觉理解模型生效，调用前需在控制台模型详情页确认是否标注“支持结构化响应”。
方法二：后处理正则提取（通用稳妥）
若模型不支持JSON输出，可在收到原始响应后，用Python正则快速切分：re.findall(r'图(\d+)：(.*?)(?=图\d+：|$)', response_text, re.DOTALL)。这个表达式能准确捕获所有“图X：……”段落，即使中间有换行或空格也不影响；但前提是你的system prompt中已强制使用全角中文冒号和固定前缀，否则正则会失效。
方法三：预置模板占位符注入
在发送请求前，把每张图的URL或base64字符串替换成带唯一ID的占位符，例如将https://x/1.jpg → {{IMG_ID_001}}，然后在prompt中写：“请针对{{IMG_ID_001}}输出图1描述，针对{{IMG_ID_002}}输出图2描述……”。模型通常能准确绑定占位符与描述，后续再用字典映射还原真实ID。此法适合需保留原始文件名或业务ID的场景。
验证编号准确性必须做的三步检查
① 对照输入数组索引：拿到API返回后，先数messages数组长度，再数响应中“图X：”出现次数，二者必须完全相等。少一个就说明某张图被模型忽略——常见于图片超分辨率（＞6000×6000像素）或格式错误（HEIC未转JPEG）。
② 检查首图是否被误标为“图0：”：部分旧版SDK生成的示例代码会从0开始编号，务必在prompt中强调“从图1开始”，并在测试时用一张已知内容的图做锚点验证。
③ 抽样比对图像哈希：对返回中声称“图3”的描述，用OpenCV读取原始第三张图并计算md5，再与日志中记录的该图上传时哈希比对。不一致说明请求体构造时图片顺序实际已错乱，问题出在客户端代码而非模型。
