问题出现得很突然，日志倒是留得挺全。在运维截图里用红框圈了三个异常指标，让 gpt-4o 逐个说明，返回只提到最下面那个框，另外两个完全没提；换成分别裁三张小图单独问，三次都答对了。
刚开始盯着「提问用了「这些红框」这类复数指代，没给编号」，折腾了半个多小时，排掉了。
原因不止一个，得分开看。多目标同图时模型注意力被最大的框吸走。另一种情况是红框颜色与告警色接近，模型把它们当成界面元素。
还有一种情况，图片整体分辨率高，小框在缩放后只剩几个像素。
上来先确认红框在原图上的像素尺寸
python -c "from PIL import Image;print(Image.open('ops.png').size)"然后按框坐标裁成三张子图并分别提问
python crop_multi.py --src ops.png --boxes boxes.json --outdir crops/一次请求里带三张图并在文字中标注图序
curl https://api.openai.com/v1/chat/completions -H "Authorization: Bearer $KEY" -d '{"model":"gpt-4o","messages":[{"role":"user","content":[{"type":"text","text":"第一张图说明指标A，第二张图说明指标B"},{"type":"image_url","image_url":{"url":"data:image/png;base64,..."}}]}]}'要求按编号输出，缺项时返回 not_found
python run_extract.py --prompt prompts/annotate.txt --images crops/*.png怎么算真的好了，看的是同一批现象。三个异常点都被逐一说明，编号与红框位置对得上，缺失项返回 not_found 而不是静默跳过。
补一句。同图多目标时不要指望模型自己数清楚，先裁图再编号提问，成本略高但结果可核对，也方便把每处结论单独存档。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。