正确格式为Python list[str]，如reference_images=["https://a.jpg","https://b.png"]；须用【主角A】【图1】等显式标签绑定图序，避免代词；验证需检查reasoning_content中是否明确引用“图1”“图2”等。
☞☞☞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☜☜☜
确认多图输入时的 reference_images 字段格式是否正确
火山引擎 Doubao-Seedream 系列（如 4.5）要求多张参考图必须以 Python list[str] 形式传入 reference_images 字段，不能是逗号拼接的字符串、不能是 JSON array 字符串、也不能是单个 URL 后加注释。
错误示例："reference_images": "https://a.jpg,https://b.png" 或 "reference_images": '["https://a.jpg","https://b.png"]' —— 这两种写法都会导致模型无法解析图序，直接张冠李戴。
正确写法：在 Daft 或 Python SDK 中，显式构造列表：reference_images=["https://a.jpg", "https://b.png", "https://c.webp"]。顺序即为图1→图2→图3的逻辑索引基准。
用显式标签绑定法锁定每张图的主体身份
不要依赖模型自动识别“左边的人”“穿红衣服的”——这类空间/颜色描述在多图混输时极易错位。必须人工定义唯一、稳定、可复用的标签。
方法一：在 prompt 开头强制绑定
将图1中的短发戴眼镜女性定义为【主角A】，将图2中穿条纹衬衫的男性定义为【配角B】，将图3中背双肩包的儿童定义为【配角C】。后续所有动作指令必须使用【主角A】【配角B】【配角C】指代，禁止出现“她”“他”“孩子”等代词。
方法二：在 prompt 中嵌入图序锚点
在描述每个角色动作前，显式标注来源图号：“【图1】主角A正推开玻璃门；【图2】配角B站在咖啡机旁递杯子；【图3】配角C蹲在花坛边系鞋带”。模型对【图X】前缀识别稳定，能有效防止跨图混淆。
【关键前提】三张图中不能有外观高度相似的主体（如同款衣服+同发型的两人），否则即使打标也无法挽救指代歧义。
验证模型是否真正按图序理解输入
第一步：构造最小测试 prompt
输入三张差异极大的图（例如：图1是柴犬，图2是铜像，图3是手写字体），prompt 写：“请分别描述【图1】【图2】【图3】中的主体，并说明它们各自的颜色特征。”
第二步：检查 response 中的 reasoning_content 字段
调用时开启 thinking="enabled"，从返回的 reasoning_content 中逐句查找是否出现类似“根据图1中可见一只棕色柴犬……”“图2显示一座青绿色铜像……”的明确图序引用。若 reasoning 中混用“左侧图像”“上一张”等模糊表述，说明图序未被正确注入上下文。
第三步：失败时立即切换 Files API 上传路径
如果 URL 列表仍不稳定，改用 Files API 分别上传三张图，获取三个独立 file_id，再以 reference_images=["file-xxx1", "file-xxx2", "file-xxx3"] 方式提交——【file_id 是火山引擎内部唯一标识，比 URL 更可靠】。
