Peekaboo 通过以下步骤实现智能视觉问答（VQA）：
1. 模型配置：
支持本地部署的 Ollama 模型（如 llava/qwen2-vl）或云端 API。以本地模型为例，需先运行 brew install ollama 安装服务，通过 ollama pull llava:latest 下载视觉模型，最后在 Peekaboo 配置文件指定模型路径。
2. 问答流程：
执行命令如 peekaboo capture screen --question 'What is on the screen?' --output result.json，工具会：
① 实时捕捉屏幕图像 → ② 将图像和问题提交给配置的 AI 模型 → ③ 生成包含答案的 JSON 文件（含图像引用和分析结果）
3. 技术特性：
• 低延迟：本地模型处理无需网络请求
• 多模态理解：模型能解析文字、图表等复杂内容
• 扩展性强：通过更换模型适配不同场景需求，如代码分析可选用专业编程模型。
本答案来源于文章《Peekaboo：macOS屏幕捕捉与视觉问答工具》
未经允许不得转载：AI生产力工具 » Peekaboo 如何结合 AI 模型实现视觉问答功能？
简体中文 
English 
日本語 
Deutsch 
Português do Brasil