Zum Hauptinhalt springen

Vision, PDF & Datei-Eingabe

Fortgeschritten
What you'll learn
  • Warum Claude multimodal ist: Bilder und Dokumente in einer Nachricht
  • Die drei Wege, eine Datei zu senden: Base64, URL und die Files API
  • Wann du einen Upload per file_id wiederverwendest, um Kosten und Zeit zu sparen
  • Wofür Vision großartig ist — Extraktion, visuelles Verständnis, Dokument-Q&A
  • Wie du es sicher nutzt: Auflösungsgrenzen und das Überprüfen kritischer Zahlen

Claude ist multimodal: Du kannst Bilder und Dokumente (wie PDFs) in eine Nachricht einfügen und Fragen dazu stellen — Daten extrahieren, ein Diagramm beschreiben, einen Vertrag zusammenfassen, einen Screenshot lesen.

Drei Wege, eine Datei zu senden​

Guided walkthrough1 of 3
  1. Kodiere die Bytes inline in der Anfrage. Am einfachsten für Einzelfälle.

So sieht ein Bild-Inhaltsblock neben einer Textfrage aus:

# Conceptual: an image content block alongside text (see docs for exact fields)
messages=[{
  "role": "user",
  "content": [
    {"type": "image", "source": {"type": "base64", "media_type": "image/png", "data": b64}},
    {"type": "text", "text": "What does this chart show? Give the top 3 takeaways."},
  ],
}]

PDFs funktionieren ähnlich (ein Dokument-Inhaltsblock); Claude kann Text und visuelles Layout lesen, und du kannst Zitate dorthin zurück anfordern, woher im Dokument eine Antwort stammt.

Wofür es großartig ist​

Pro tip
  • Extraktion — strukturierte Daten aus Rechnungen, Formularen, Tabellen herausziehen (kombiniere mit Strukturierter Ausgabe: /docs/api/structured-output).
  • Visuelles verstehen — Diagramme, Schaubilder, Screenshots, UI.
  • Dokument-Q&A — Fragen über ein langes PDF mit Zitaten stellen.

Ein schneller Copy-Paste-Einstieg für Dokument-Q&A:

Prompt für Dokument-Q&A

What does this chart show? Give the top 3 takeaways.

Tipps​

Key takeaways
  • Verwende file_id wieder, wenn du dasselbe große Dokument wiederholt sendest — günstiger und schneller.
  • Auflösung/Größe sind wichtig — sehr große Bilder können herunterskaliert werden; prüfe die Limits.
  • Verifiziere extrahierte Zahlen — Vision ist stark, aber nicht unfehlbar; überprüfe kritische Werte stichprobenartig.
Watch out
  • Vision ist stark, aber nicht unfehlbar — überprüfe kritische Werte immer stichprobenartig. Siehe Halluzinationen: /docs/foundations/hallucinations.

Teste dich selbst

0/3
  1. Welche Methode lässt dich eine Datei einmal hochladen und über viele Anfragen hinweg per file_id referenzieren?
  2. Was kannst du von Claude bei einem Dokument-Q&A über ein PDF zurückerhalten?
  3. Warum solltest du kritische extrahierte Zahlen stichprobenartig überprüfen?

Weiter​