Define el propósito de la imagen
Adjunta la imagen como entrada visual y describe brevemente la tarea. Puedes pedir que transcriba texto visible, identifique objetos, revise una composición o resuma diferencias entre dos imágenes. Evita instrucciones abiertas como «mira esto» si necesitas un tipo de análisis concreto.
Añade el contexto que no puede deducirse de los píxeles: qué significa una etiqueta, qué zona importa o qué decisión debe apoyar la observación. Si hay varios paneles o un detalle pequeño, señala con palabras cuál interesa. Así el agente puede centrarse y tú puedes evaluar la respuesta respecto a la pregunta.
Contrasta la respuesta con la imagen
La interpretación puede ser incierta si el texto es pequeño, la foto está borrosa o parte de la escena queda oculta. Pide que el agente distinga lo que ve de lo que infiere y verifica por tu cuenta las etiquetas o medidas importantes. No bases una decisión relevante solo en una conjetura visual.
Si el modelo seleccionado no acepta imágenes, elige una opción compatible o proporciona una descripción textual. Limita las imágenes sensibles a lo necesario y evita incluir datos personales irrelevantes. Una solicitud visual concreta y una revisión humana son más fiables que tratar la primera interpretación como una verdad absoluta.