import requests
import base64
import json
from PIL import Image

image_path = '/root/.hermes/cache/images/img_668b1b2125b9.jpg'

# 读取图片并转为base64
with open(image_path, 'rb') as f:
    img_b64 = base64.b64encode(f.read()).decode()

# 分析图片，用中文提示
prompts = [
    '请仔细看这张图。这是一张中文手机App原型对比图，左右两边各有一个手机界面。请逐字读出图中所有的中文文字，包括标题、按钮文字、说明文字。不要遗漏任何文字。',
    '这张图片展示了两个手机App界面的对比。左边是"签约页面"，右边是"转入页面"。请详细描述每个页面的布局结构、有哪些模块、每个模块里有什么文字内容。请用中文回答。',
]

for i, prompt in enumerate(prompts, 1):
    print(f"\n{'='*60}")
    print(f"提示 {i}")
    print(f"{'='*60}")
    resp = requests.post('http://localhost:11434/api/generate', json={
        'model': 'llava-phi3',
        'prompt': prompt,
        'images': [img_b64],
        'stream': False,
        'options': {'num_predict': 2000, 'temperature': 0.1}
    }, timeout=300)
    result = resp.json()
    print(result.get('response', ''))
