GPT-4V全称是GPT-4 with Vision，是一个多模态的能力，它可以理解图片，为用户解析图片并回答图片相关的问题。GPT-4V可以准确理解图像的内容，识别图像中物体、计算物体的数量、提供图片相关的洞察和信息、提取文本等。更为强大的是，它可以识别表格转化成markdown格式，也可以针对柱状图等信息图表进行分析。早先，GPT-4V刚推出的时候只有Web版本可以使用。在2023年11月6日

为了提升生产效率和获得市场竞争力，用户不仅仅是在使用像ChatGPT这样的对话平台或者像GitHub Copilot这样的编程辅助工具，他们还将大型语言模型（LLM）融入到自己的专有应用程序和工作流程中，这通常需要结合特定领域的数据。虽然RAG不需要广泛的数据科学专业知识，但数据团队必须设计和实施可靠的数据管道，以验证、查找并将正确的内容插入LLM提示中。然而，外部知识的整合增加了计算复杂性、延迟