Saltar al contenido principal

Visión, PDF y entrada de archivos

Intermedio
What you'll learn
  • Por qué Claude es multimodal: imágenes y documentos en un solo mensaje
  • Las tres formas de enviar un archivo: Base64, URL y la Files API
  • Cuándo reutilizar una subida mediante file_id para ahorrar coste y tiempo
  • Para qué es estupenda la visión: extracción, comprensión visual, Q&A sobre documentos
  • Cómo usarla de forma segura: límites de resolución y verificación de cifras críticas

Claude es multimodal: puedes incluir imágenes y documentos (como PDF) en un mensaje y hacer preguntas sobre ellos: extraer datos, describir un gráfico, resumir un contrato, leer una captura de pantalla.

Tres formas de enviar un archivo​

Guided walkthrough1 of 3
  1. Codifica los bytes en línea dentro de la solicitud. Lo más simple para casos puntuales.

Así se ve un bloque de contenido de imagen junto a una pregunta de texto:

# 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."},
  ],
}]

Los PDF funcionan de forma similar (un bloque de contenido de documento); Claude puede leer el texto y la disposición visual, y puedes solicitar citas que apunten al lugar del documento de donde provino una respuesta.

Para qué es estupendo​

Pro tip
  • Extracción: extrae datos estructurados de facturas, formularios y tablas (combínalo con Salida estructurada: /docs/api/structured-output).
  • Comprensión de elementos visuales: gráficos, diagramas, capturas de pantalla, interfaces de usuario.
  • Q&A sobre documentos: haz preguntas a lo largo de un PDF extenso con citas.

Un punto de partida rápido para copiar y pegar para Q&A sobre documentos:

Prompt de Q&A sobre documentos

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

Consejos​

Key takeaways
  • Reutiliza con file_id cuando envíes el mismo documento grande repetidamente: más barato y más rápido.
  • La resolución/el tamaño importan: las imágenes muy grandes pueden reducirse de escala; comprueba los límites.
  • Verifica las cifras extraídas: la visión es potente pero no infalible; revisa puntualmente las cifras críticas.
Watch out
  • La visión es potente pero no infalible: revisa siempre puntualmente las cifras críticas. Consulta Alucinaciones: /docs/foundations/hallucinations.

Ponte a prueba

0/3
  1. ¿Qué método te permite subir un archivo una sola vez y referenciarlo en muchas solicitudes mediante file_id?
  2. ¿Qué puedes solicitar de vuelta a Claude al hacer Q&A sobre un PDF?
  3. ¿Por qué deberías revisar puntualmente las cifras críticas extraídas?

Siguiente​