🦙👁️👁️ Find the Best Local Ollama Vision Models by Comparison

工作流名称

🦙👁️👁️ Find the Best Local Ollama Vision Models by Comparison

主要功能和亮点

该工作流通过本地部署的 Ollama 视觉大语言模型（LLM）对图像进行深度分析，提取详尽的物体描述、空间关系、文本信息及上下文环境，支持多模型并行处理，并将结构化结果以 Markdown 格式保存至 Google Docs，方便团队协作与分享。

解决的核心问题

传统图像分析往往难以同时兼顾细节全面性与上下文理解，此工作流利用多款 Ollama 视觉模型进行图像比对分析，突破单一模型局限，自动生成详尽且结构化的图像描述，提升图像信息提取的准确性和深度，适合需深入解读图像内容的场景。

应用场景

• 房地产行业：对房产图片进行细致解读，辅助市场分析和客户展示。
• 市场营销：分析广告或宣传图片，提炼关键视觉元素和品牌信息。
• 工程与制造：检测设备或零件图片状态，支持质量管理。
• 研究与数据分析：从图像中提取结构化数据，辅助科研报告撰写。
• AI开发者和数据分析师：快速测试和比较本地多款视觉模型性能。

主要流程步骤

1. 用户通过手动触发启动工作流。
2. 根据指定的 Google Drive 文件 ID，下载目标图像文件。
3. 将图像转换为 Base64 格式，便于网络请求传输。
4. 创建包含用户自定义提示与图像数据的请求体。
5. 遍历本地配置的多个 Ollama 视觉模型，分别发送图像分析请求。
6. 汇总各模型返回的详尽分析结果。
7. 将所有模型分析结果格式化为 Markdown 文本，并保存到指定的 Google Docs 文档中。

涉及的系统或服务

• Ollama 本地视觉大语言模型（如 granite3.2-vision、llama3.2-vision、gemma3:27b）
• Google Drive（图片文件下载）
• Google Docs（结果文档保存）
• n8n 自动化平台（工作流编排与执行）

适用人群或使用价值

• AI 开发者和数据科学家：快速对比和评估多种本地视觉模型的分析能力。
• 业务分析师和市场人员：自动生成结构化的图像解读报告，提高工作效率。
• 研究人员和内容创作者：获取详尽的图像描述辅助内容创作和研究。
• 任何需要深入图像理解及多模型比对分析的专业人士。

---

通过本工作流，用户无需手动操作复杂的模型调用流程，即可批量、系统地分析图像内容，结合多款 Ollama 视觉模型优势，获得最适合自身需求的图像理解方案，有效提升图像数据的应用价值。