拍照识图与文件提问

本篇讲 GoogleGemini 的多模态提问：拍照问实物、传 PDF 与表格让分析，各自的入口、实际边界与「传了没反应」的排查。相关文档：语音对话Live用法与打断技巧.md · 设为默认助手与语音唤醒.md

一、入口在输入框旁边

对话输入框旁有相机与「+」（部分版本是回形针）：相机现拍现问，「+」里能选相册图片、本地文件或云端盘里的文档。三种最顺手的拍法：

• 识别型：拍植物问品种、拍家电找型号、拍外文菜单翻译。
• 讲解型：拍一道数学题让它讲步骤，拍一份合同让它摘要风险点。
• 屏幕型：拍屏幕上的报错弹窗，直接问怎么解决。

图片清晰度直接影响回答质量，拍之前把主体拍全。

二、能传的文件类型

大小与数量上限以应用内的当场提示为准，超限时它会明确告诉你是格式还是大小的问题。两个实用判断：传完没报错但回答「看不到文件」是还在处理中，等一会儿再追问；直接失败就按提示转格式或压缩。

三、传大文件前的处理

• PDF 太大先拆分，只留要问的那几十页，回答也更聚焦。
• 扫描件要保证文字清晰，模糊扫描读出来的是乱码式结果。
• 几十万行的 CSV 先筛出相关列；要图表就直接写「根据这份数据画一张柱状图」。

四、隐私与排查

身份证、银行卡这类敏感信息能不传就不传，问题通常可以在打码后再问；上传内容按平台隐私政策处理，免费档可在活动记录设置里关闭用于改进服务。

传了没反应的排查顺序：换个小文件确认是文件问题还是应用问题 → 检查网络 → 转成 PDF 再试。

五、还没装的话

多模态能力随应用本体一起到手：GoogleGemini 安卓介绍站有安装条件、下载入口与完整安装步骤，界面截图可以先看再装。装好后的语音玩法看语音对话Live用法与打断技巧.md。