Grok 4.20 0309 Non Reasoning

让文字与截图进入同一个处理流程

Grok 4.20 Non-Reasoning 可以阅读文字和图片，并用文字或结构化格式返回结果。它适合根据界面截图解释操作、从图文资料中提取字段，或按照明确规则整理输入，便于应用继续处理。需要直接答复、任务条件比较清楚时，可以从这种模式开始。

例如用户提交一张设置页截图，可以让模型指出可见选项、解释当前状态，并回答下一步应该在哪里操作。整理商品资料时，也可以同时提供说明文字与图片，提取名称、规格描述和可见信息；对看不清或未出现的字段保留空值，避免自动补全。

怎样返回程序能处理的结果？

它支持结构化输出，可以在支持该功能的接口中定义 JSON Schema，明确字段类型、必填项与允许值。固定结构有助于后续校验，但不代表字段内容天然正确。应用仍应检查日期、数值范围，以及每个字段是否有输入依据。

需要查询外部信息怎么办？

通过函数调用，可连接应用提供的查询工具，例如知识库或业务接口。让模型先提取查询条件，再将真实查询结果组织成回复。工具由应用实际执行；没有返回值时，不能把猜测当作查询结果。

处理长资料时，给材料分配编号，把当前问题放在清楚的位置。图片中的小字应尽量清晰，必要时补充局部截图。复杂计算或多步论证可以交给推理版本，日常信息提取则应优先把字段和缺失值规则写清。

上传设置页截图后可以输入：

“请只依据截图提取每个可见设置项，返回 name、current_value、is_enabled、evidence 四个字段；看不清的值写 null。随后用两句话解释当前配置，不猜测折叠区域里的内容。”

需要稳定 JSON 时，在请求中配置对应 Schema，而不是只要求‘输出 JSON’。先检查字段能否对应截图，再连接后续查询工具。处理多张图时为图片编号，并说明它们是同一页面的不同区域还是不同页面，避免将信息错误合并。