利用AI视觉自动化图像验证任务

这个n8n工作流展示了如何通过多模态大语言模型（LLM）结合AI视觉技术，解决棘手的图像验证任务——这些任务几乎无法通过代码实现，且人工大规模处理也不切实际。

当用户提交的照片或图像需要满足特定条件才能被接受时，图像验证就派上用场了。例如，葡萄酒评论网站可能要求用户仅提交带标签的葡萄酒照片，银行可能要求账户持有人提交扫描文件进行验证等。

本次演示的场景是分析一组人像照片，根据英国政府官网（https://www.gov.uk/photos-for-passports）的标准，验证它们是否符合有效护照照片的要求。

运作原理

• 通过Google Drive节点下载一组人像JPG文件。
• 使用Edit Image节点调整每张图片尺寸，平衡分辨率与处理速度。
• 在Basic LLM节点中定义二进制（数据）类型的”用户消息”选项，将人像作为输入传递给LLM。
• LLM根据从护照照片要求网页提取的提示词，判断照片是否符合标准。
• 通过结构化输出解析器将LLM响应转为含”is_valid”布尔值的JSON对象，便于扩展工作流。

需求条件

• Google Gemini API密钥
• Google Drive账户

自定义工作流

• 不想用Gemini？n8n的LLM节点兼容任何多模态LLM，可替换为OpenAI的GPT4o或Anthropic的Claude Sonnet。

• 无需验证人像？可尝试文档分类、监控录像分析、照片人物标记等其他用例。