假設你出差回來，把一疊收據攤在桌上拍一張，丟給它：「幫我列出每張的日期和金額。」它很快交回一張整齊的表，八張收據、八行資料，連統編都有。你對了兩張，金額沒錯，就整張貼進報帳單。後來會計退件，有一張的金額少看了一位數，另一張的日期是它補上去的，原本那一角被你的手指擋住了。
它交表的時候沒有任何一句「這張看不太清楚」。口氣跟前兩張讀對的時候一樣。
它看一張圖，只看一次
Anthropic 的 Claude 範例集裡有一份教學，教開發者替模型做一個「放大鏡」工具。開頭就把限制講白：人看不清楚細節時會湊近看，模型自己做不到，它對一張圖只看一次，用的是固定的有效解析度；字太小、線靠太近時，提示詞寫得再好也救不回來。
圖片會被切成每塊 28×28 像素的小方塊來處理，每個模型有上限，一般解析度的模型，圖片任一邊不能超過 1568 像素，較新的高解析度模型放寬到 2576 像素；超過上限的圖會先被自動縮小才送進去，小字也跟著一起縮小。這些是 Claude 的規格，其他 AI 的數字不同，但都有上限。你手機拍的照片通常比這個大，所以它看到的很可能是一張縮過的版本。這是我的推論：你在聊天視窗看不到它實際收到的圖有多大。
教學裡有一個示範。一張有六條折線的密集圖表，問第 48 個月時 A、E 兩條線哪一條比較高。兩條線在那個位置只差約 26 個單位，畫在圖上大約 8 個像素。不給工具直接問，紀錄的 40 次裡有 36 次答錯，而且答得很有把握。給它放大工具之後，它會把交叉附近一次比一次裁得更小、放得更大，40 次全對。這 40 次是同一道示範題重複跑的結果。
教學也用 Surge AI 的公開題庫 Chartography（100 題密集的真實圖表）量過：高解析度的 claude-fable-5 沒有放大工具時答對 29%，有工具時 73%。這是單一題庫、2026 年 7 月的測量，換圖換模型數字會不同；能帶走的是方向：要它看清細節，得給它更多像素。
叫它看仔細，什麼時候有用
同一個範例集的另一份教學示範過，一張有 9 隻狗的照片，直接問「有幾隻」，它答 10 隻。改成要它先一步一步掃過畫面每一個部分再回答，它答對 9 隻。這個例子和下面的時速表，都是範例集裡各跑一次的示範。
這兩個例子放在一起看，我的判斷是：狗都看得到、只是數漏了，這種注意力的問題，叫它慢慢看會改善；字本身已經糊成一團，叫它看仔細也只是讓它更認真地猜。
另一個例子是時速表，它把每小時 140 英里讀成 140 公里，答得一樣乾脆，教學在提示裡加了幾張讀好的時速表當範例後才讀對。我的推論是，圖上的單位不夠醒目時，它會照常見的情況補上。你的收據上，金額欄的小數點、幣別、民國年和西元年，都是同一類容易被補上的東西。
這張圖適不適合直接丟
| 燈號 | 圖的狀況 | 例子 | 怎麼做 |
|---|---|---|---|
| 綠：可以直接丟 | 字大、畫面清楚，你要的是大意 | 投影片在講什麼、流程圖的結構、截圖裡的錯誤訊息 | 直接問，重點句回原圖看一眼 |
| 黃：先處理再丟 | 整張很大，要讀的字很小 | 長收據、整頁報表截圖、密集圖表上的小標註 | 裁出要讀的那一塊，或分成幾張依序丟 |
| 黃：先處理再丟 | 表格很多欄、很多列 | 帳單明細、成績表、價目表 | 先叫它逐格照抄成表，你對過再問 |
| 黃：先處理再丟 | 字跡清楚的手寫 | 會議白板、工整的筆記 | 先叫它照抄，看不出的字標出來 |
| 紅：不要讓它直接給答案 | 你自己放大也看不清 | 模糊、反光、被手指或邊框切掉 | 重拍，或找原始檔案 |
| 紅：不要讓它直接給答案 | 差幾個像素就會判錯 | 兩條很靠近的線誰高、細格線上的刻度 | 找原始資料表，不用圖 |
| 紅：不要讓它直接給答案 | 潦草手寫的數字與代碼 | 手寫金額、日期、統編、身分證字號 | 自己看原件，它頂多幫你打字 |
作者整理，非官方。
判斷的基準很簡單：你把照片放到原尺寸還要瞇眼的地方，就當作它也看不清。另外，要直接拿去報帳、申報、對外發出的數字，不管落在哪一格，都要回原圖對一次。
手寫那兩格是我的判斷。範例集有一份 Claude 3 時期寫的教學，示範了手寫課堂筆記和半手寫表單的轉寫，只放了輸出、沒有附正確率，所以工整的手寫可以試，但要自己對；但潦草的字人都要猜，它猜完不會告訴你哪幾個字是猜的。
怎麼丟比較準
要丟給 AI 的圖
|
v
原尺寸你看得清嗎？ ---看不清---> 重拍或找原檔
| 看得清
v
要讀的字只佔一小塊嗎？ --是----> 從原圖裁出那塊
| 否 分張依序丟
v |
先叫它逐字照抄 <---------------------+
看不清的標［看不清］
|
v
抽查數字對原圖，再問問題
第一，裁切。放大鏡教學有一個細節：裁的時候要從原始的高解析度圖片裁，不是從已經縮過的那份裁，這樣放大後才有東西可看。你手動做就是：從相簿的原始照片裁，不要拿聊天視窗裡的縮圖再截一次圖。範例集也示範過把一張很長的收據切成兩張依序送進去。
第二，指定範圍。Gemini 的範例集示範讀一張很滿的說明圖時，直接要它只解釋某一塊、其他部分忽略。你也可以在問題裡寫清楚：只看右下角的合計欄。
第三，先照抄，再發問。範例集轉寫表單時下的指示是「完全照抄這張表單」。先拿到一份文字版，你一行一行對原圖，它標看不清的地方你補。圖表顏色多的情況，在AI 報告寫得漂亮，加總卻算錯那篇講過先認顏色的做法，這裡不重複。
接下來我會給你一張圖。先不要回答我的問題，先做這三件事： 一、把圖裡跟我的問題有關的文字和數字，逐字照抄出來。表格就照原本的欄和列抄成表。 二、看不清、被遮住、被切到邊緣的地方，寫［看不清］，不要用猜的補上；只抄得出一部分的，寫出抄得到的部分，再標［不完整］。 三、列出圖上的單位、幣別、年份格式（民國或西元），找不到就寫「圖上沒有」。 抄完停下來，等我確認。確認後我再問問題。 我要問的問題是：（貼上）
下次要丟收據給它，先在相簿裡把每張收據各裁一張，金額那一行要清楚到你不用放大就讀得出來，再一張一張丟。
站內延伸
- 一整批照片要先分堆、挑出可疑的 → 找方法AI 影像初判
- 收據上有身分證字號、手機，能不能丟 → 客戶名單、學生作品，可以直接貼給 AI 嗎？
- 讀出來的數字要加總 → AI 報告寫得漂亮，加總卻算錯，哪些事要另外驗？
來源： Anthropic Claude Cookbooks：Giving Claude a Zoom Tool for Reading Fine Image Detail（一張圖只看一次、固定有效解析度、提示詞救不回太小的細節；28×28 像素方塊、一般解析度任一邊上限 1568 像素、高解析度 2576 像素、超過自動縮小；第 48 個月兩線差約 26 單位約 8 像素，不給工具 40 次錯 36 次、給工具 40 次全對，為同一示範題重複執行；Chartography 100 題，claude-fable-5 由 29% 到 73%，2026-07-18 測量；從原始高解析度圖裁切）；Anthropic Claude Cookbooks：Best practices for using vision with Claude（9 隻狗答 10 隻、要它逐步掃過畫面後答對；時速表英里讀成公里、加範例後讀對；長收據切成兩張依序送）；Anthropic Claude Cookbooks：How to transcribe documents with Claude（Claude 3 時期的教學，轉寫手寫筆記、「Transcribe this form exactly」轉寫半手寫表單）；Google Gemini Cookbook：Working with Charts, Graphs, and Slide Decks（只解釋圖中指定區塊、其餘忽略）。以上皆 2026-10-25 查閱。燈號表、流程圖與照抄提示詞為作者整理。