AI终于能“看图学艺”了：给个网页或视频，它就能学技能

这件事跟你有啥关系？

你让AI帮你修照片，它说“调整对比度让主体突出”，结果修出来可能根本不是你要的效果——因为它根本不知道你觉得什么才算“突出”。现在有一项新技术，可以让AI像人一样“看图学艺”：你给它一个网页教程或B站视频的链接，它就能自己把里面的关键截图、前后对比图整理成一套“带图说明书”。下次你再让它做类似任务，它就能参考这些图片，知道“调暗到什么程度才算合适”，结果会准得多。

为什么纯文字不够用？

现在的AI技能大多只靠文字描述，但很多任务的关键信息根本说不清楚：

• 图片编辑：文字写“让背景柔和”，但柔和到什么地步？有没有参考效果？
• 操作软件：文字写“点开设置里的高级选项”，但“设置”可能是个齿轮图标，也可能藏在头像菜单里，不给我截图我怎么知道？
• 视频教程：你看别人录的操作视频能秒懂，但总结成文字后，界面长啥样、按钮变化细节全丢了。

这些“看了才明白”的知识，过去塞不进AI的说明文档。现在的新方法（叫Skill-Omni）就是专门解决这个问题的。

它是怎么做到的？

你只需提供两种东西之一：

• 一个网页链接：比如一篇图文教程，系统会自动提取里面有用的截图，过滤掉广告图和装饰图，把步骤和图片重新组合成AI能用的技能。
• 一个B站视频链接：系统会从视频里挑出关键画面（比如按某个按钮前后的界面变化），再配上文字说明，变成AI可调用的经验。

生成之后，AI在使用这些技能时，不会把图片一股脑全塞进脑子（那样会卡死），而是需要时才去读对应的图片，就像人查资料一样。

哪些场景最有用？

简单说：凡是“光靠文字说不清楚”的任务都适合。比如：

• 用Photoshop修图、做设计
• 自动操作桌面软件或网页（比如填写复杂表单）
• 把软件教学视频变成AI能复用的操作指南
• 企业把自己内部的SOP（标准工作流程）配截图，变成AI知识库

未来还能做什么？

现在AI已经能从屏幕上的图片和视频里学经验了，下一步还要扩展到“物理世界”——比如让AI看物体抓取的热力图，学习怎么稳稳拿起东西，让机器人也能“看图练手”。