多模态输入

让 AI 看懂你的世界。Measix Pilot 支持图片、PDF、DOCX 等多种文档输入，让对话从文字扩展到视觉和文档。

支持的输入类型

🖼️ 图片输入

• 支持所有常见格式：JPG、PNG、GIF、WebP、BMP
• 现代格式：HEIC、HEIF、AVIF、ICO
• 支持图片裁剪后发送
• 多图批量发送

图片裁剪

发送图片前可进行裁剪，只发送你关注的区域，既节省流量又提高 AI 识别准确率。

📄 PDF 文档

• 支持 PDF 文本提取
• 支持多页 PDF
• 文本内容作为上下文传递给模型

📝 DOCX 文档

• 支持 Word 文档解析
• 保留段落结构和格式信息
• 提取文本和表格内容

工具结果图片回传

工具调用返回的图片会按模型输入模态回传，确保：

• 图片能正确传递给支持多模态的模型
• 不支持图片的模型会收到文字描述
• 多模态工具调用支持（如 Google API 的多媒体工具响应）

典型应用

图像理解

用户: [发送一张植物照片] "这是什么植物？怎么养？"
  ↓
AI: "这是龟背竹，属于天南星科..."

文档分析

用户: [发送一份 PDF 财报] "总结一下这家公司的财务状况"
  ↓
AI: "根据财报数据，该公司..."

表格识别

用户: [发送一张表格截图] "帮我把这个表格转成 Markdown"
  ↓
AI: [生成 Markdown 表格]

使用建议

• 图片发送前裁剪到关键区域，提高 AI 识别准确率
• 大型 PDF 建议先提取关键页面，避免超出模型上下文限制
• 多图发送时，可以添加描述性文字帮助 AI 理解图片间的关系