多模态输入

操作步骤

1. 1

   先从模型目录确认 input modalities。

2. 2

   按目标协议构造 image_url 或 provider 内容块。

3. 3

   控制文件大小、格式和可访问性。

4. 4

   用最小样本验证日志、用量和错误。

验收标准

• ✓文本模型不能因目录存在就被当作视觉模型。
• ✓私有文件 URL 不应暴露给无权限上游。
• ✓视频、Realtime 和专用媒体不使用普通 Chat 结论。