Imagens

O Katuok também decide sobre fotos, prints, documentos digitalizados e gráficos.

Como mandar

Coloque a imagem em base64 no campo imagem do estado. Formatos comuns (JPEG, PNG, WebP) funcionam.

import base64, httpx

foto = base64.b64encode(open("comprovante.jpg", "rb").read()).decode()
r = httpx.post("http://127.0.0.1:8770/v1/decidir", json={
    "modelo": "katuok-1",
    "estado": {"imagem": foto},
    "perguntas": {
        "tipo": {"tipo": "escolha", "instrucao": "Que documento é este?",
                 "opcoes": ["comprovante de pagamento", "nota fiscal", "documento de identidade", "receita médica", "outro"]},
        "legivel": {"tipo": "sim_nao", "instrucao": "O documento está legível?"},
        "dado_pessoal": {"tipo": "sim_nao", "instrucao": "Aparece CPF, RG, rosto ou placa de carro?"},
    },
}).json()

O que funciona bem

• Tipo de imagem (foto, print, documento, gráfico, desenho).
• Presença de dado pessoal: documento, rosto, placa.
• Perguntas visuais diretas: o que aparece, quantas pessoas, qual objeto.
• Ciência e diagramas escolares.

Cuidados

• Raciocínio em várias etapas sobre a imagem (contas, lógica, comparar gráficos) acerta menos: perto de 6 em 10 nos testes de raciocínio.
• Quebre perguntas difíceis em perguntas simples, uma propriedade por vez.
• Uma imagem leva cerca de 0,3 segundo a mais que um texto.