Android AI 圖片連續脈絡：同一張圖片重新分析與動作驗證指南
Android AI 要連續分析同一張照片或截圖，必須保留正確圖片參照、來源、尺寸與存取期限，並在問題改變時重新檢視原始像素。本文說明擷取、續問、驗證、失效復原與 FoneClaw 圖片任務流程。
- Android AI 圖片連續脈絡不是只記住先前答案，而是讓同一張原始圖片在後續問題中保持可辨識、可存取，並與目前任務正確綁定。
- 可靠的圖片參照應保存來源、擷取時間、尺寸、格式、存取期限與分析紀錄；參照失效時應重新取得授權或重選圖片。
- 問題改變時，AI 應判斷舊有文字結論是否足夠，必要時重新開啟原始像素、使用適合的裁切與解析度，再比較新舊證據。
- FoneClaw 可將圖片或截圖的已確認資訊帶入支援的 Android 動作，透過可見進度、權限、確認點、結果驗證與復原完成低風險圖片任務。
Android AI 圖片連續脈絡是什麼
Android AI 圖片連續脈絡，指的是使用者在多輪任務中持續針對同一張照片或截圖提問，而助理始終知道目前作用中的圖片是哪一張、先前分析過哪些內容，以及新問題是否需要重新檢視原始像素。它處理的不是單次看圖回答，而是一段可能延伸到整理、確認與手機操作的完整工作。
以一張購物收據為例。第一個問題可能是「這是哪一家店？」第二個問題變成「含稅總額是多少？」接著又問「幫我把保固到期日前一週設成提醒」。三個問題都指向同一張收據，但需要的視覺證據不同：店名通常在頁首，總額在底部，保固資訊可能出現在商品列、日期或附註中。第一輪產生的文字摘要未必保存了後兩輪所需的細節。
- 第一輪：使用者選擇收據照片，AI 辨識商店名稱與購買日期。
- 第二輪：使用者追問含稅總額，助理重新查看金額區域，而不是只從舊摘要推測。
- 第三輪：使用者要求建立提醒，助理先確認日期、商品與提醒時間，再執行支援的行事曆或提醒動作。
- 完成後：助理檢查新建立的紀錄，確認內容與圖片中的已核對資訊一致。
這段流程包含三種不同資料。第一種是原始像素，也就是照片或截圖本身；第二種是圖片參照，用來辨識並重新開啟正確檔案；第三種是先前分析結果，例如「購買日期為 8 月 20 日」。對話記憶可以保存第三種資料，但只有原始圖片與有效參照，才能支援新的視覺問題。
同一張圖片可以回答許多問題，並不代表助理在第一輪就已完整理解每個像素。模型可能為了速度、輸入長度或目前問題，只關注特定區域並產生簡化摘要。當新問題要求小字、邊角、數字、物件狀況或不同區域時，可靠流程會回到圖片本身取得新證據。
連續脈絡還需要明確的作用中圖片。如果使用者在對話中加入第二張收據、另一張錯誤畫面或重新截圖，助理應顯示目前分析的是哪個附件，並在需要比較時分別標記。這能避免把第一張圖片的日期套到第二張，也能讓後續動作追溯到正確來源。
選擇、拍攝或截取正確圖片
連續圖片任務的第一個決定，是從哪裡取得圖片。Android 常見路徑包括相片選擇器、相機拍攝與螢幕截圖。三者都能提供視覺資料，但來源、解析度、授權方式和適合的任務不同。
| 取得方式 | 適合情境 | 開始分析前要檢查 |
|---|---|---|
| 相片選擇器 | 既有收據、商品照片、文件、維修照片或活動海報 | 是否選對檔案、方向是否正確、裁切是否保留關鍵區域、存取期限是否足夠 |
| 相機拍攝 | 現場文件、設備狀況、包裝標籤或實體物件 | 取得的是縮圖或完整儲存圖片、文字是否清晰、反光與模糊是否影響細節 |
| 螢幕截圖 | 錯誤訊息、訂單畫面、設定頁、聊天內容或 App 狀態 | 使用者是否已同意擷取、截圖包含哪個 App、狀態列與敏感資訊是否需要遮蔽 |
Android 相片選擇器官方指南說明，使用者可以只授權所選照片或影片，而不是開放整個媒體庫。選擇完成後，App 會取得對應媒體的 URI；若任務需要跨越較長時間或稍後重新開啟圖片，還要確認該存取權是否需要延續。
相片選擇器特別適合明確的單檔任務。使用者可以看到自己選了哪張照片，助理也能把該項目記錄為目前圖片。若一次選取多張，應先為每張圖片顯示縮圖、順序或簡短標記，再開始比較，避免後續提到「第二張」時產生歧義。
Android 相機拍攝 Intent 指南指出，App 可以委派相機應用程式完成基本拍攝，再取得圖片資料或已儲存結果。這裡要特別分辨縮圖和完整圖片：縮圖適合快速預覽，但收據小字、序號、遠處標誌或物件裂痕通常需要完整解析度。
拍攝時也應保存基本來源資訊，例如由相機取得、拍攝時間、圖片方向與原始尺寸。若使用者稍後旋轉、裁切或標註圖片，助理應把修改後的檔案視為新的版本，同時保留它與原始照片的關係。這樣後續發現裁切遺漏時，才能返回原圖重新分析。
螢幕擷取適合處理當前 App 狀態。依Android MediaProjection 螢幕擷取說明，每次擷取工作階段都需要使用者同意，使用的授權權杖具有單次工作階段範圍；依流程也可能選擇完整顯示畫面或特定 App 視窗。這種明確選擇有助於確認圖片來源及擷取範圍。
若你的任務是從目前畫面開始，再交給浮動助理續問，可以參考Android 懸浮 AI 助手與目前畫面：提問、核准、執行與復原指南。開始分析前，先檢查截圖是否包含完整錯誤訊息、必要按鈕、App 名稱與相關狀態；同時裁掉通知、聯絡人或帳號等與任務無關的內容。
讓同一張圖片在多輪對話中保持穩定
同一張圖片連續提問能否可靠，關鍵在於圖片參照是否穩定。穩定不等於永久保存，而是任務進行期間，助理可以確認圖片身分、重新取得像素，並知道參照何時需要更新。即使對話還保留先前答案，失效的圖片參照也無法支援新的細節分析。
一個實用的圖片參照至少應保存以下資訊：
- 圖片身分：讓系統區分本次附件、先前附件與後續新增圖片。
- 來源：記錄圖片來自相片選擇器、相機、螢幕擷取或任務中的其他支援入口。
- 取得時間：協助判斷畫面是否仍反映目前 App 或服務狀態。
- 尺寸與方向：保留寬度、高度、旋轉方向及必要的裁切資訊。
- 圖片格式：記錄 MIME type，讓後續流程用合適方式解碼。
- 可用參照：保存任務所需的本機或受控遠端參照，供後續重新分析。
- 存取期限：知道 URI、工作階段或附件授權能使用多久，以及何時需要續期。
- 任務綁定：把圖片與目前對話、子任務和已核准動作連在一起。
- 分析紀錄：保存已確認結論、使用的圖片版本，以及仍待核對的欄位。
尺寸不是單純的檔案屬性。若使用者在圖片上指出「右下角的錯誤碼」，助理需要以正確寬高解讀位置；圖片經過縮放、旋轉或裁切後，舊座標可能已不再適用。保存原始尺寸與轉換關係，才能讓重新裁切和局部分析指向正確區域。
圖片來源也會影響有效時間。相片選擇器回傳的 URI 可能只提供暫時存取；長時間工作若需要持續使用，App 應依 Android 支援方式管理相應授權。螢幕擷取的同意則屬於特定工作階段，新的擷取需求要重新取得使用者選擇。參照到期時，清楚請使用者重新選擇或擷取，比自動換成名稱相近的另一張圖片可靠。
我們在打造 FoneClaw 圖片任務時，會同時保留圖片尺寸、附件身分與可用參照，讓目前任務能重新開啟正確圖片。若存取期限改變，流程會更新附件或請使用者重新提供來源，並保持先前已確認的文字結果。這讓新參照能延續同一任務，又不會把另一張圖片誤接進來。
多張圖片的任務需要額外標記。例如比較產品損壞前後照片，可以將圖片分成「送修前」與「送修後」，並讓每項結論指出來源。若使用者替換其中一張，助理應更新對應分析，而不是重新解讀整組圖片後默默改變所有結論。
使用者也應能看見目前圖片。縮圖、來源名稱、尺寸或拍攝時間可以提供足夠辨識資訊；涉及敏感內容時，介面可顯示經遮蔽的預覽。重點是讓人確認「現在問的是這一張」，而不是要求理解儲存位置或內部識別碼。
問題改變時重新分析原始圖片
Android AI 圖片重新分析的起點，是先判斷新問題需要什麼證據。若上一輪已明確辨識並讓使用者確認某個欄位，新問題只是引用該欄位，既有結果可能足夠；若新問題要求不同區域、更小文字、精確數字或物件狀況，就應重新查看原始圖片。
可靠的重新分析可以依以下循環進行：
- 把新問題改寫成明確的視覺目標，例如「找出含稅總額」或「讀取紅色錯誤框中的完整文字」。
- 檢查既有分析紀錄是否包含可驗證答案，以及該答案來自哪個圖片版本。
- 確認原始圖片參照仍可使用，尺寸與方向資訊一致。
- 用適合的解析度或裁切重新準備圖片，聚焦與問題相關的區域。
- 產生新的可見結論，並指出讀取的欄位或區域。
- 把新結果與先前結論比較；出現衝突時，先請使用者核對，再進入後續動作。
收據總額是數字精度問題。第一輪可能只回答商店名稱，圖片準備時也可能優先保留頁首。當使用者追問總額，助理應重新打開底部區域，分辨小計、稅額、折扣、總額與刷卡金額。若兩個欄位都像最終金額，先顯示候選值與標籤，再讓使用者選定。
錯誤截圖則是文字完整性問題。第一輪可能概括成「網路連線失敗」，但後續排錯需要精確錯誤碼、伺服器名稱或按鈕狀態。重新分析時應聚焦訊息框，同時保留 App 名稱與周邊畫面，避免把系統通知誤認成目標 App 的錯誤。
物件照片屬於視覺狀況問題。使用者先問「這是什麼零件」，接著問「邊緣有沒有裂痕」。辨識種類和檢查損傷需要不同解析度與觀察區域。第二個問題可能需要原始高解析度圖片，甚至請使用者補拍更近、光線更均勻的照片。
圖片輸入也受模型能力、圖片 token 預算與壓縮方式影響。較強壓縮可以降低傳輸與處理負擔，但小字、細線、紋理和微小瑕疵可能因此模糊。重新分析時應依問題調整圖片準備方式；重要細節可使用局部高解析度裁切，而不是反覆把整張圖片壓成相同大小。
當畫面同時包含可讀文字與可操作介面，像素未必是唯一證據。結構化 UI 資訊可以幫助確認按鈕文字、欄位和可點擊節點，截圖則保留圖示、圖片與實際視覺狀態。需要選擇兩種方式時，可閱讀Android AI Agent 螢幕理解：UI 樹、截圖與混合視覺定位怎麼選。
新結果若與舊結果衝突，後續動作應先暫停。例如第一輪讀到日期為 8 月 12 日，重新分析後變成 8 月 17 日，建立行事曆前應顯示兩個值及對應圖片區域，請使用者確認。讓人看到證據與差異，比提供模型內部推理過程更能支持決定。
驗證後續動作並復原失效脈絡
圖片分析只有在結果被正確帶入後續工作時才真正有用。從收據建立記帳備忘、從活動海報建立行事曆、從錯誤截圖整理維修紀錄，都會把視覺資訊轉成具體欄位。進入動作前，應先顯示即將使用的值，讓使用者檢查日期、金額、聯絡人、地址與文字。
確認後，Agent 可以呼叫支援的 Android 工具完成動作。完成畫面仍不是唯一判斷依據；流程應重新查詢或開啟結果，例如查看行事曆事件、備忘錄內容、提醒時間或訊息草稿，確認資料已寫入正確位置。這項完成後檢查能發現權限中斷、App 狀態改變與部分欄位遺失。
| 失敗訊號 | 可能原因 | 復原方式 |
|---|---|---|
| 後續問題突然找不到圖片 | URI 或附件參照已到期 | 請使用者重新選擇原圖或更新授權，核對縮圖後延續原任務 |
| 回答內容像是另一張圖片 | 新增附件取代了作用中圖片，或任務綁定錯誤 | 顯示所有候選圖片，重新指定目前圖片並撤回未確認結論 |
| 小字或數字前後不一致 | 壓縮、裁切、解析度或辨識條件不足 | 使用原始尺寸或局部高解析度重新分析，將候選值交由使用者核對 |
| 畫面內容已經變動 | 舊截圖反映的是先前 App 狀態 | 保留舊圖作為歷史證據，經使用者同意後擷取目前畫面 |
| 動作顯示完成但找不到結果 | App 未登入、權限不足、寫入失敗或停在中間頁面 | 查詢實際紀錄，恢復權限或返回正確入口後重新執行 |
| 重要欄位可信度不足 | 圖片模糊、反光、遮擋或文字太小 | 請使用者補拍、選取原檔或手動確認欄位，再決定是否提交 |
圖片附件失效時，應更新同一項任務的參照，而不是從媒體庫自動挑選看似相同的檔案。重新選擇後，可以比對縮圖、尺寸、取得時間與使用者描述，再把先前已核對的分析紀錄連回新參照。這能兼顧任務延續與圖片身分。
畫面過期也很常見。使用者可能先截下訂單頁，幾分鐘後庫存、價格或付款狀態已改變。舊截圖仍適合說明當時資訊，但正式下單前需要回到目前 App 狀態重新核對。時間敏感欄位應以最新服務畫面或紀錄為準。
辨識可信度可以幫助安排流程，卻不應取代使用者確認。涉及付款、對外傳送、刪除、醫療資訊或重要日期時，即使模型給出很高的可信程度，也應顯示原始欄位和即將提交的內容。使用者修正後，動作與驗證都應採用修正值。
用最小存取範圍管理圖片隱私
圖片連續脈絡需要在任務期間保留存取能力，但保留範圍應與任務相符。對一張收據進行數分鐘分析，和建立長期維修紀錄需要的保存時間不同。使用者應知道圖片來自哪裡、會使用多久、是否送交所選模型，以及何時可以移除。
Android 最小化權限要求指南建議優先採用範圍較窄的存取方式。相片選擇器讓使用者只選擇任務所需媒體，App 取得的是所選項目的讀取能力。這比為單張圖片任務要求整個媒體庫權限更符合使用者期待。
開始前可以完成以下檢查：
- 只選擇與目前問題直接相關的照片或截圖。
- 確認圖片方向、裁切與解析度足以回答問題。
- 查看是否包含身分證號、地址、帳號、通知或其他無關敏感資訊。
- 需要時先遮蔽或裁掉不會參與分析的區域。
- 確認目前設定的模型與圖片任務相符。
任務進行期間，介面應顯示作用中的圖片與分析用途。若新問題需要更大範圍、更高解析度或新的目前畫面，先說明原因，再讓使用者選擇補充圖片或授權擷取。MediaProjection 的同意對應特定擷取工作階段，新的擷取需求應建立新的使用者選擇。
任務完成後，使用者可以依用途決定保留分析結果、保留圖片或一併移除。備忘錄可能只需要商店、日期和金額，不必長期保留完整收據；維修案件則可能需要保存原圖作為證據。把圖片生命週期與文字結果分開管理，可以在保留有用資料的同時縮小圖片存取範圍。
暫時 URI 存取與延續存取也應分開理解。短任務可使用暫時授權；需要稍後繼續的工作，則依 Android 提供的方式延續必要存取，或在恢復任務時請使用者重選圖片。採用哪種方式，取決於任務長度與使用者選擇，而不是預設永久保存。
更廣泛的主動情境功能還需要額外規則，例如什麼事件可以觸發分析、是否顯示通知、何時需要重新確認，以及如何停止。若你正規劃這類使用方式，可以閱讀手機主動式 AI 助理指南：情境、觸發、隱私控制與 FoneClaw 路線。
一個實用原則是「開始前選得少、進行中看得見、完成後留得剛好」。這比要求一次性廣泛授權更容易理解，也能讓使用者在任務改變時重新決定圖片範圍。
用 FoneClaw 完成可靠的圖片到手機動作流程
我們在 FoneClaw 中把圖片視為可持續參照的任務輸入，而不是只能看一次的視覺提示。使用者可以選擇照片、拍攝圖片、加入截圖，或在支援情境下附上目前畫面；FoneClaw 會保存附件身分、尺寸與可用參照，讓後續問題仍能指向同一項內容。
模型設定在 FoneClaw Agent 內，負責理解問題與分析圖片；FoneClaw 則管理圖片準備、支援工具、Android 權限、可見進度、確認點與結果驗證。圖片需要重新分析時，流程會依新問題重新準備多模態輸入，調整必要的裁切、壓縮與圖片 token 使用，並在附件存取需要更新時完成續期或引導使用者重新提供來源。
可以用一張收據完成以下低風險測試：
- 附加圖片：從相片選擇器選擇一張不含敏感付款資料的收據，確認預覽、方向與尺寸。
- 第一次提問：詢問商店名稱、購買日期與主要品項，檢查回答是否來自正確圖片。
- 改變問題：再問「含稅總額是多少」，讓 FoneClaw 重新分析金額區域，而不是只沿用第一輪摘要。
- 核對差異：若圖片同時出現小計、稅額與刷卡金額，先顯示各欄位並由使用者選定最終值。
- 預覽動作：請 FoneClaw 準備一則備忘錄，內容包含商店、日期、品項與已確認總額。
- 確認執行：查看標題與正文，確認後再建立備忘錄。
- 驗證結果：開啟或查詢新備忘錄，核對文字、金額與日期是否正確。
錯誤截圖也可以使用同一流程。先請 FoneClaw 概括目前問題，再追問完整錯誤碼、App 名稱與發生時間。若舊摘要缺少代碼，FoneClaw 會重新查看原始截圖；圖片太模糊時，流程可以請使用者補充新截圖，並清楚區分舊畫面與新畫面。
圖片參照若在長任務中失效，FoneClaw 會更新附件或要求重新選擇，並讓使用者確認新取得的仍是原圖。先前已驗證的文字結果可以保留，但任何需要像素證據的新問題都會以恢復後的圖片為準。這避免了附件失效後沿用過期視覺假設。
支援的下游動作可依圖片內容延伸到備忘錄、行事曆、提醒、通訊、畫面與 App、裝置狀態或工作流程。具體可用範圍會受到 Android 版本、權限、App 狀態、地區服務、所選模型能力及任務本身影響。FoneClaw 會透過明確工具承接動作，並在重要步驟提供預覽和確認。
我們會持續把圖片身分、重新分析、權限復原與完成後驗證整理成同一條可見流程。目標是讓使用者知道現在看的圖片、引用的證據、即將執行的動作及最後結果，而不是在多輪對話中猜測 Agent 是否仍記得原始內容。
你可以先到FoneClaw 功能頁查看圖片、目前畫面與 Android 任務能力，再從FoneClaw 下載頁選擇適合的安裝入口。第一次使用建議從收據備忘錄、活動海報提醒或錯誤截圖整理開始，完成一次附加、續問、確認與驗證的完整循環。