Phi-3-vision-128k-instruct精彩案例同一张建筑图纸多轮追问——结构/材料/造价逐层解析1. 模型简介Phi-3-Vision-128K-Instruct是一个轻量级的多模态模型专注于高质量的文本和视觉数据处理能力。这个模型最突出的特点是支持长达128K的上下文长度能够处理复杂的图文交互任务。作为Phi-3模型家族的一员它经过了严格的训练过程使用合成数据和精选公开网站数据训练经过监督微调和直接偏好优化具备精确的指令遵循能力内置强大的安全措施2. 部署与验证2.1 部署确认使用以下命令检查模型是否部署成功cat /root/workspace/llm.log成功部署后日志会显示模型已就绪并等待请求。2.2 前端调用验证模型通过Chainlit前端进行交互验证打开Chainlit前端界面等待模型完全加载上传图片并提问示例验证过程上传建筑图纸图片提问图片中是什么模型应能准确识别图纸内容3. 建筑图纸多轮解析案例3.1 初始识别上传一张建筑平面图进行基础识别用户提问这张图片展示的是什么内容模型回答这是一张商业建筑的平面设计图展示了二层办公区域的布局包括会议室、办公区和公共空间的位置关系。3.2 结构分析追问用户提问请分析这张图纸中的主要承重结构设计模型回答从图纸可以看出采用框架剪力墙结构体系核心筒位于建筑中部包含电梯和楼梯间外围柱网间距约8米楼板厚度标注为150mm主要梁高600mm3.3 材料规格询问用户提问图纸中使用了哪些主要建筑材料规格如何模型回答根据图纸标注结构部分混凝土强度C30用于主体结构钢筋采用HRB400级围护部分外墙为200mm厚加气混凝土砌块玻璃幕墙采用612A6中空玻璃装饰部分地面主要为800×800mm瓷砖吊顶为600×600mm矿棉板3.4 造价估算探讨用户提问基于这张图纸估算每平方米的建造成本大约是多少模型回答根据当前市场行情和图纸信息初步估算土建部分约1800-2200元/㎡安装工程约400-500元/㎡装饰装修约800-1000元/㎡总计3000-3700元/㎡注实际造价需考虑地区差异、施工条件和具体材料品牌等因素。4. 技术亮点解析4.1 多轮对话能力Phi-3-Vision在此案例中展现了出色的多轮对话能力能记住前文讨论的图纸内容每次回答都基于之前对话的上下文逐步深入分析不同专业层面的问题4.2 专业术语理解模型准确理解并使用了大量建筑专业术语结构体系类型识别材料规格表述造价构成分析尺寸标注解读4.3 跨领域关联模型展现了跨领域知识关联能力将图纸信息与建筑材料关联将设计参数与工程造价关联将结构形式与施工工艺关联5. 使用建议5.1 最佳实践清晰提问明确说明需要分析的具体方面逐步深入从整体到细节分层提问验证关键数据重要数据建议交叉验证结合专业判断将模型输出与专业知识结合5.2 注意事项超大图纸可能需要分段处理非常规设计可能需要额外说明造价估算仅供参考需结合当地实际关键结构问题建议咨询专业工程师6. 总结通过这个建筑图纸多轮解析案例我们看到了Phi-3-Vision-128K-Instruct模型在专业图文对话方面的强大能力精准识别能准确理解建筑图纸内容深度分析可逐层解析结构、材料、造价等专业问题连贯对话保持多轮对话的上下文一致性专业表达使用恰当的行业术语和表述方式这种能力不仅适用于建筑领域也可扩展至机械设计、电气图纸、工艺流程等多个专业领域的图文分析场景。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。