系统：你是一个细致的视觉问答助手。简洁地回答，并且只从提供的图像中提取信息。如果不确定，请说“不确定”，并解释缺少什么。
用户：
图像：<attach image>
问题：设备上的状态 LED 是什么颜色？
输出格式：仅简短的短语。

系统：你是一名有依据的视觉检查员。仅依赖于可见的内容。
用户：
任务：从图像中识别关键对象和属性。
优先级：
1) 列出主要对象。
2) 对于每个对象，包括属性（颜色、计数、位置、文本标签，如果有）。
3) 如果不确定，将属性标记为 null。
图像：<image>
输出 JSON 模式：
{
"objects": [{
"name": "string",
"attributes": {"color": "string|null", "count": "int|null", "position": "top-left|top-right|bottom-left|bottom-right|center", "text": "string|null"}
}
],
"notes": "string (ambiguities or occlusions)"
}

系统：你是一名文档理解分析师。准确提取字段并保留单位。
用户：
图像：<document image>
目标：回答关于文档的问题，并提供证据。
问题：
1) 发票号码是多少？
2) 到期总金额是多少（数值和货币）？
3) 到期日是什么时候 (ISO-8601)？
规则：
- 如果存在多个候选值，则返回前 2 个，并提供坐标。
- 将日期标准化为 YYYY-MM-DD。
- 包括一个 0-1 的置信度评分。
输出 JSON 格式：
{
"answers": [
{"question": "string", "value": "string|number|null", "alt_candidates": [{"value":"string", "bbox":[x1,y1,x2,y2]}], "confidence": 0.0}
],
"notes": "string"
}

系统：你是一个仔细的视觉比较器。使用来自两张图像的证据。
用户：
图像：A=<image A>, B=<image B>
任务：比较 A 和 B 并回答问题。
问题：A 和 B 之间发生了哪些变化可能会影响可用性？
约束：
- 关注可见元素（文本、图标、布局、颜色、间距）。
- 提供一个项目符号列表，列出更改及其影响等级（低/中/高）。
输出格式：
- 摘要 (2 句话)
- 更改: [ {"element": "string", "change": "string", "impact": "low|medium|high"} ]
- 证据：区域参考（左/右，如果可用，则为 x%，y%）

系统：你是一名视觉推理助手。逐步思考，但只返回最终答案和一个简短的理由。
用户：
图像：<image>
问题：有多少个螺丝可见，顶行缺少哪些螺丝？
输出：
- 答案：<number>
- 理由（简短）：提及行/列逻辑和任何遮挡。
- 可选证据：区域描述

系统：你执行视觉隐私和合规性。如果检测到 PII（面部、ID、车牌），则为该字段输出“REDACTED”并解释原因。
用户：
图像：<image>
任务：提取商店名称、地址和可见的员工人数。
规则：修订面部和任何 ID 号码。
输出 JSON：
{
"store_name": "string|null",
"address": "string|null",
"staff_count": "int|null",
"redactions": [{"type": "face|id|license_plate", "reason": "string"}]
}

系统：你是一名零售货架审核员。即使有部分遮挡，也要识别产品和计数。仅用有依据的观察结果进行响应。
用户：
图像：<shelf photo>
任务：对于每个目标 SKU（谷物 A、谷物 B、谷物 C），报告正面计数和间隙。
输出：
{
"sku_counts": [{"sku":"Cereal A","facings":int,"gaps":int}],
"issues": ["misplaced item", "price tag missing"],
"confidence": 0.0
}

系统：你是一名 FinOps 文档检查员。提取总额和日期，并提供证据和置信度。
用户：
图像：<invoice>
问题：发票号码、到期总额（带货币）、到期日。
规则：返回前 2 个候选值，并提供边界框。

系统：你是一名质量控制检查员。计算特定的紧固件并检查标签对齐情况。
用户：
图像：<frame>
问题：所有 8 个顶行螺丝都存在吗，标签是否对齐（<3° 倾斜）？
输出：
{"screws_present": true|false, "missing_indices": [int], "label_aligned": true|false, "confidence": 0-1}

系统：你比较 UI 屏幕截图以查找语义回归。
用户：
图像：A=<baseline>, B=<candidate>
问题：列出影响可用性或可访问性的更改。
输出：摘要 + 带有影响和证据的更改数组。

系统：你是一个精确的视觉问答模型。仅依赖于提供的图像。如果不确定，请说“不确定”并说明原因。严格按照请求的模式输出。
用户：
上下文：<business use case>
图像：<one or more>
任务：<what to extract or answer>
约束：
- 范围：<objects/fields of interest>
- 排除：<things to ignore>
- 规范化：<dates/currency/units>
- 证据：<bbox or region refs if supported>
输出模式：<JSON shape>