一句话总结
把图表（截图或表格）贴进 ChatGPT、Claude 或 Gemini，让它给 3 版 caption——描述、解读、行动——再加最可能的那一种误读。按受众挑一版，把数据 caveat 留在图旁，别让模型把噪声说成趋势。下面这段 Prompt 一次就能全做完。
先说一个最容易被忽略的点：你上传一张图表截图时，模型是按像素位置估数值，不是精确读取。所以手里有原始数字就贴文字进去，凡是它从图里”读”出来的数，都当成近似值。
任务场景
你有一张图或一张表，听众可能会误读。你想要 3 版 caption，好按场景挑对语气；再加一段”常见误读” callout，在错结论形成之前就堵住。没这一段的图会变成扯皮，有这一段的图才会变成决策。
哪些情况适合让 AI 来做，哪些情况不要
AI 确实擅长命名主导 pattern、切换 caption 语气、预测最可能的误读。但它有两件事做不好：一是替你选语气（分析师要描述、高管要行动、董事会 deck 要解读），二是从图里精确读数。
第二个限制最常被忘。目前所有前沿模型读图都是在坐标轴上估位置，所以一根”大约 47”的柱子，回来可能是 45 或 50。要数字准，就把表格或原始数字以文字形式贴进去；只有手里仅剩截图时，才靠图像上传。
该用哪个模型（2026 年 6 月）
三家旗舰都能”图 + 文”一起读，输出的 caption 文字质量都不错。差别在于读图的硬实力，以及一次能贴多少原始数据。
| 模型 | 这件事上适合 | 图像输入 | 应用内上下文 | 套餐 |
|---|---|---|---|---|
| Gemini 3.1 Pro | 图表与混合媒体（CharXiv / MMMU-Pro 读图榜领先） | 原生多模态 | 100 万 tokens | Google AI Pro 19.99 美元/月 |
| Claude Opus 4.7 | 高清财务图、密集表格 | 图 + 文 | 100 万 tokens | Claude Pro 20 美元/月（量大用 Max） |
| GPT-5.5 | 默认对话流程、乱截图的 OCR | 图 + 文 | Plus 约 320 页（满 100 万仅 200 美元 Pro） | ChatGPT Plus 20 美元/月 |
实用结论：输入是图、又要准，Gemini 3.1 Pro 读图占优；要把大表以文字贴进去、要稳妥解读，Claude Opus 4.7 或 GPT-5.5 都行。下面那段 Prompt 三家通用。
需要给 AI 的输入信息
- 图描述：坐标轴、单位、时间段、分群
- 数据点以文字形式给（优先）或截图
- 受众 + 决策语境
- 在你业务里”好”和”差”长什么样
- 已知数据 caveat（缺周、口径变化、剔除分群）
- 长度目标：一句或一段
可直接复制的 Prompt
为这张图 / 表写 3 版 caption。
图描述：[坐标轴 / 单位 / 时间段 / 分群]
受众和决策：[line]
"好" vs "差"：[line]
数据 caveat：[列表]
长度目标：[一句 / 一段]
数据（有原始数字就以文字形式贴进来）：
"""
[贴数据 / 表]
"""
请输出：
1. 3 版 caption：
- 描述：图展示了什么
- 解读：业务上意味着什么
- 行动：该做什么
2. 最可能的误读 + 一句反驳
3. "Watch out"——要紧邻图出现的 caveat
4. 每版 caption 的置信度 1-5（按数据质量）
5. 推荐给这个受众的那一版
如果某个数字是从图里读的、而非来自上面贴的数据，请标注为近似值。
不要逐格念数字。不要写"如你所见"。高管 deck 再加一句：“加一行 ‘if challenged’——干系人反驳解读时，一句话能扛住的话。“
建议让 AI 输出成什么样
3 版带标签的 caption（描述 / 解读 / 行动），然后是误读、watch-out，以及推荐给该受众的那一版。caveat 要紧贴图——读者引用图时会连 caveat 一起忽略。
怎么判断 AI 给的结果能不能直接用
- 描述版只说图展示什么，不解读
- 解读版挂到”好 vs 差”
- 行动版给”具体动作”，不是”持续关注”
- “常见误读”是真风险，不是模板
- 置信度反映数据质量（小样本就低）
- 推荐版和受众匹配
- 凡是从图里读的数都标了近似，并和源数据对过一遍
容易踩的坑
- caption 复述数字（“Q1 12、Q2 13”）——废
- 没 caveat——读者会连你早知道的缺口一起被引出去
- 缺”所以呢”——只有解读没行动
- 一版 caption——不同受众要不同语气
- 把图里读的数当精确值——要准就贴文字数字
- 让 AI 把噪声说成趋势——明确要置信度
FAQ
- 能不能只传截图、不打字？ 能，但数值是近似的——模型读的是像素位置，不是数据。要精确数字就把原始数字贴进去；纯看趋势时再用截图。
- 读图截图该用哪个模型？ 截至 2026 年 6 月，Gemini 3.1 Pro 在公开读图榜（CharXiv / MMMU-Pro）领先；Claude Opus 4.7 和 GPT-5.5 紧随其后，处理文字表格也够用。
- 为什么追问时模型”丢”了我的图？ 答完第一轮后，视觉模型有时会不再引用上传的图，而是凭记忆作答。追问时补一句”重新看上面那张图”，把它拉回来。
- caption 之外还要放图吗？ 要——caption 在上、图在下。多数读者只读 caption。
- 表里某格和 caption 矛盾怎么办？ 显式指出。露出来的矛盾，远好过被读者后来发现的那种藏起来的矛盾。
- AI 能核图吗？ 能查内部一致性；不能对你的源数据核。那部分是你的活。
相关
- 图表关键信息 ——更通用模式
- 表格解读 ——专门给表
- 电子表格错误诊断 Prompt ——表本身看着不对
- Excel 分析 Prompt ——更深的分析
- AI 表格解读教程 ——完整流程
- 业务数据分析 AI ——图驱动业务决策时
- 实验解读 ——A/B 图读