# 多模态

多模态检索听着很大，其实卡在很具体的地方。这篇从三步流程讲起，说清它做得好与做不好的六件事。

能传图片不等于懂图片。这篇拆开多模态的技术路线：分别建模、对比对齐、早期融合，以及三个现实瓶颈和它们带来的使用限制。

# 多模态与长上下文：AI前沿能力如何改变知识工作方式 近年来，AI 领域两个备受关注的方向是多模态理解与长上下文处理。它们不只是技术指标的提升，更在实质上改变我们处理信息、组织知识和完成任务的方式。本文从知识工作的视角，聊聊这些前沿能力带来的具体变化与使用建议。 ## 一、多模态：让“看图说话

多模态与长上下文是当前AI研究两个最热的方向。本文解析它们各自的技术难点、近期进展以及结合后的实际价值。

多模态大模型能同时理解文字、图片、音频和视频，是AI能力的重要跃升。本文解释它的原理与用途，并客观说明目前的局限。