WorkBuddy需启用llava/qwen-vl/florence等多模态模型才能处理图文混合内容，启用后支持拖拽组合上传或分步嵌入，并需在指令中明确模态标识、避免模糊指代，必要时指定模型。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要用WorkBuddy处理包含文字、图片、表格甚至PPT的混合内容，比如把一份带截图的会议纪要PDF和几张产品原型图一起分析，生成带图解的汇报摘要——这种跨模态信息整合不能靠单一文本模型完成，必须激活并正确调用多模态能力。
确认多模态模型已启用
进入WorkBuddy左下角「设置」→「模型配置」→ 找到名称含 【llava】、【qwen-vl】或【florence】 的模型条目，点击右侧「启用」按钮。未启用时所有图片上传将被静默忽略，且不报错。
启用后等待状态栏显示“已加载”，再刷新对话窗口。若仍无反应，检查服务日志中是否有 "vision_tower loaded success" 字样——没有则说明视觉编码器未成功载入GPU显存。
上传多模态素材的正确方式
方法一：直接拖拽组合上传
把PDF、Word、PNG三类文件同时拖进对话框，WorkBuddy会自动识别格式并提取文本+OCR文字+图像特征，无需手动拆分。
方法二：分步嵌入上下文
先发送文字描述：“这是Q3销售数据报告”，再点击输入框旁的「+」→「上传文件」→ 选择Excel；紧接着再点「+」→「上传图片」→ 选对应柱状图截图。系统会把这两份材料自动对齐时间维度做交叉分析。
启用该技能，可以在WorkBuddy对话页的右边栏添加一个日历，提供月历视图、日程增删改查、分类标签（开庭/会议/截止日期/个人/研究/其他），支持从对话中提取事件并自动同步到日历。当用户提到"日历""日程""打开日历""添加日程""我的日程""calendar""安排"或询问已记录的日程信息时使用。
【注意】上传顺序会影响理解逻辑：先文字后图片，WorkBuddy按语义锚定图像位置；先图片后文字，则默认图片是主参考对象。
触发多模态理解任务
第一步：明确指令中包含模态标识词
例如说“看这张截图里的UI布局，再结合我刚传的PRD文档，指出三个交互矛盾点”——“看这张截图”激活图像理解，“PRD文档”触发文本解析，“交互矛盾点”定义输出结构。
第二步：避免模糊指代
错误示例：“它上面写的参数对不对？” → WorkBuddy无法判断“它”指哪张图或哪段文字。
正确写法：“对比截图1中设备型号标注和文档第5页表格第三列，确认型号是否一致”。
第三步：必要时指定模型
在对话开头加一句：“请用qwen-vl模型处理本次多模态请求”，可绕过Auto模式的自动调度，确保视觉编码器参与运算。
