图片、图表与 alt 文本：视觉内容在 AI 搜索里怎么被理解

一篇满是图表却没有文字说明的文章，对 AI 来说近乎空白。这不是模型能力问题，是信息形式问题——图里的信息，必须有一部分以文本形式存在，才可能被引用。

一、图片在抓取链路里的处境

抓取阶段拿到的通常是 HTML。图片对抓取器来说就是一个 <img src="...">，外加 alt 属性和周边文字。模型如果想用图里的数据，只能靠：

• alt 文本
• 图片周围的说明文字（caption）
• 文件名
• 多模态模型直接读图（成本高，通常只在必要时调用）

前三条都是你能控制的。

二、alt 文本的三种写法

判断标准很简单：闭着眼睛听这句话，能不能知道图里有什么、说明了什么。

三、数据图表必须配文字

这是最容易被忽略的一条。一张精心做的数据图，如果不配文字说明，等于把最有价值的信息锁在了像素里。

做法：

1. 图下方加一段 caption，说明「这张图显示了什么」
2. 正文里用文字复述关键数据点：「如图所示，科技行业占比 34%，制造业 21%，其余行业均在 15% 以下」
3. 复杂图表额外提供数据表或可下载的原始数据

第 2 条看起来啰嗦，但它决定了这张图的信息能不能被引用。

四、图片文件名与目录

把 IMG_2043.jpg 改成 geo-budget-by-industry-2026-q1.png。改动很小，但抓取器读到的路径和文件名会作为上下文的一部分。

同理，图片放在语义清晰的目录里（/images/reports/2026-q1/）比全堆在 /uploads/ 下要好。

五、别用文字渲染成图片

很常见的错误：为了排版好看，把大段文字做成图片贴上去。对屏幕阅读器、对抓取器、对复制粘贴的用户，这些都是不可用内容。

如果确实需要特殊排版，用 CSS 实现，把文字留在 HTML 里。

六、多模态的未来

模型读图的能力在提升，长期看图片本身的重要性会上升。但短期内，文本仍是主要通道。所以现阶段的最优策略不是等能力成熟，而是确保每一张图都有对应的文字描述。

这件事成本很低，收益却覆盖三类用户：视障读者、AI 抓取、以及只想快速扫一眼的普通访客。