读图¶
直接让 Agent 查看本地截图、图表、表格、流程图或照片:
Agent 会调用 filesystem_tools.read_image(path),将图片发送给当前选择的模型,无需单独配置视觉模型或 API Key。Datus 不提前判断模型能力。模型拒绝图片输入时,沿用现有模型错误处理,保留图片工具结果和对话历史。继续使用同一个模型时,后续请求可能再次报错;可以切换支持图片的模型,或新建会话。
工具与权限¶
read_image 属于 filesystem 工具组,沿用 read_file 的路径权限,支持相对于项目根目录的路径和绝对路径。如果 Agent 配置了明确的工具列表,需要包含 filesystem_tools.read_image 或 filesystem_tools.*。
文件必须位于运行 Agent 的机器上。此工具不负责附件上传、剪贴板读取或图片 URL 下载。
支持范围¶
| 项目 | 限制 |
|---|---|
| 格式 | 静态 PNG、JPEG、WebP,按实际文件内容校验 |
| 原文件大小 | 10 MiB |
| 原图像素数 | 2500 万像素 |
| 发送给模型的图片 | 自动纠正方向,最长边不超过 2048 像素 |
| 编码后图片大小 | base64 编码前不超过 3 MiB,必要时继续缩小 |
动画、PDF、SVG、损坏文件和超过上述限制的文件会返回工具错误。原文件不会被修改。缩图可能影响小字辨识,必要时可将关注区域裁成单独图片。
对话记录¶
图片会保存在本地会话数据库中,供后续追问和会话恢复使用。上下文压缩时,较旧的图片可能被替换为保留来源路径的标记;只要原文件仍存在,Agent 就可以再次调用 read_image。CLI、导出的对话文本、日志和 Trace 只保留图片元数据或省略标记,不包含图片数据。