3.2.4 附件与多模态输入
AI Dock 支持上传文件、图片、截图作为对话的附加上下文。当 Studio 当前激活的模型支持视觉能力时，图片可以直接被模型分析；文档则作为长文本上下文供 Agent 引用。
支持的附件类型
| 类型 | 支持 | 用途 |
|---|---|---|
| 图片 | png、jpg、jpeg、webp、gif | 视觉模型分析（要求模型支持视觉，如 GPT-4V、Claude 3.5 Sonnet、通义千问 VL） |
| 文档 | txt、py、yaml、json、sh、xml、md、cpp、h、log 等 | 作为长 文本上下文 |
| 截图（剪贴板） | 通过 Ctrl + V 直接粘贴 | 同图片处理 |
三种添加附件的方式
| 方式 | 操作 |
|---|---|
| 点击附件按钮 | AI Dock 输入框旁的回形针图标，弹出文件选择器 |
| 拖拽文件 | 从资源管理器拖到 AI Dock 输入框上 |
| 粘贴截图 | Ctrl + V（macOS：Cmd + V），剪贴板中的图片直接附加 |
附加的文件会显示在输入框上方，发送消息时一并提交给 Agent。
典型使用场景
分析报错截图
开发者在板端看到一个图形界面的报错弹窗，截图后粘贴到 AI Dock，描述："这个错误是什么意思，怎么解决？" 视觉模型会读取截图内容，结合 Agent 的设备感知能力给出修复建议。
上传配置文件请求修改
把 launch 文件、yaml 配置等上传到 AI Dock，描述需要的修改。Agent 会读取文件内容、生成 修改后的版本，并可以直接通过 device_file_write 写回板端。
长日志的总结与定位
把 1000+ 行的 journalctl 日志保存为 txt 文件后上传，描述："找出其中的错误并按时间顺序总结。" Agent 会扫描整份日志，提取关键事件。
注意事项
附件会进入对话的上下文窗口，因此会消耗 Token：
- 一张 1080p 截图通常占用 1k~3k Token（取决于模型的视觉编码方式）
- 一份 100 KB 的文本文件大约消耗 25k~30k Token
- 重复发送同一文件会重复占用 Token，建议把"上传一次后让 Agent 持续引用"作为常用模式
如果 AI Dock 顶部的 Token 胶囊接近上限，建议新建会话或精简附件内容。