感谢您的特性请求！
不幸的是，目前还不能这样做。Modelfile中的新MESSAGE命令尚未支持添加图像，我认为可能需要做一些工作来正确解释较旧的图像。

结果将是随机的。您可以自己尝试，甚至了解可能出现的差异。

在我的OpenAI(和Ollama)API扭曲中，我们将图像作为输入提示列表的最后几个项目。

确实，我看到交错的图像和文本似乎是一种组织事物的方式。但在USENET(或更早的网络论坛)上，例如，或者我自己也有过这样的经历，使用像“text[*]”这样的链接。这标记了指向某种预定义列表的链接。

当然，人类不会在文本推断之前阅读引用，你可能想“欺骗用户”，在关键的文本之前让他们看到一张图片，但那是广告，或者为什么用户应该在上下文之前看到图片呢？用户应该努力只检查相关的引用。

科学论文将引用放在末尾，读者可以根据自己的兴趣查看图表列表、表格和其他附录。

作为一个经验法则，AI只能理解你的世界。所以如果你在文本之前看到图片...太好了！我想...但是我在评估图片之前阅读文本...或者如果图片首先吸引了我，那么这就是一种偏见，你知道的。

唯一的通用语言是文本，无论如何...忘记图片吧，它们通过base64编码表示，或者是0和1,或者是yes或null,或者是鼓和吉他。

附言：我倾向于选择Karl Max rhetroics而不是(他的相反观点，认为结论是整个推理过程的起点？)。