提出由图像识别、视觉推理、视觉问答、图像描述、图像生成、跨模态检索、多模态决策支持构成的七大任务框架，并对零样本提示、领域微调与跨模态预训练三条路线进行比较；随后，聚焦田间防治管理、实时监测预警和远程会诊三大场景，量化展示大模型在准确率。