必须采用“图像理解+结构化提取+对比推理”三步联动方式：第一步用商品互动API提取人图与物图的空间定位和基础属性；第二步分别调用OCR接口识别两张图的文字参数；第三步将OCR结果构造成自然语言问题，通过联网搜索API注入知识库完成语义级比对。
☞☞☞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☜☜☜
要在火山引擎平台让模型自动比对两张商品图中的参数信息（如型号、规格、颜色、价格标签等），必须绕过纯视觉识别的局限，采用“图像理解+结构化提取+对比推理”三步联动方式。直接上传两张图让模型“看图说话”会漏掉小字号参数、反光标签或遮挡文字，且火山引擎当前所有公开图像API均不支持双图并行参数级比对。
第一步：用商品互动API提取人图与物图的交互结构
访问 https://visual.volcengineapi.com，以 POST 方式提交 CVSync2AsyncSubmitTask 请求；Body 中填入 human_pic_url（含商品手持/摆放场景的人像图）和 object_pic_url（纯商品正视图），req_key 固定为 product_interaction；该接口会返回带空间定位框和基础属性（如“白色手机”“金属边框”）的 JSON 结构，但【不提取文字参数】，仅作后续比对的锚点依据。
第二步：调用图片内容检测API分别OCR两张图
方法一：同步OCR提取文字区域
向同一接口地址发送新请求，Action 改为 ImageSyncOCR，Version 保持 2022-08-31；Body 中传入单张图片URL，设置 detect_direction=true 和 language=zh；返回结果中 text_list 字段包含所有识别到的字符串及坐标，需人工筛选出疑似参数字段（如“iPhone 15 Pro Max 256GB”“￥7999”）。
方法二：异步批量处理高精度OCR
若图片含密集小字（如说明书截图），改用 CVAsyncOCRSubmitTask 提交任务，等待 callback_url 接收结果；该模式启用多尺度文本检测，对倾斜、低对比度参数识别率提升约37%，但耗时增加2.4秒平均延迟。
注意：OCR结果无语义归类，同一张图可能同时返回“Apple”“苹果”“iOS 18”，需按业务规则做同义词合并。
第三步：用联网搜索API注入参数知识库再比对
① 将两张图OCR提取出的所有候选参数字符串，拼成自然语言问题：“图A识别出‘RTX 4090 24G’‘华硕TUF’‘三年质保’，图B识别出‘RTX 4090D 24G’‘微星SUPRIM’‘两年质保’，请逐项对比型号、品牌、显存、保修期差异，并标出不一致项”
② 调用火山引擎 DeepSeek-R1 联网搜索 API，FunctionName 设为 webSearch，bot_id 填入已授权ID；模型会自动检索最新显卡参数数据库、官网保修政策页，验证“4090D是否为4090子型号”“华硕TUF系列默认保修年限”等事实；
③ 解析返回的 structured_output 字段，提取 comparison_result 数组，其中 inconsistent_items 字段即为最终差异结论。
