多模态输入

如果引擎后端支持图像输入，Ambi 就可以处理图片。这适用于 OpenAI 的视觉模型（gpt-4o、gpt-4-vision）和 llama.cpp 的 VLM 模型。

发送图片

用 ContentPart::Image 加上 base64 编码的图片字符串：

use ambi::ContentPart;
use ambi::types::Message;

let parts = vec![
    ContentPart::Text { text: "这张图里有什么？".into() },
    ContentPart::Image { base64: image_base64_string },
];

let reply = runner.execute(&agent, &state, parts).await?;

也可以用便捷方法：

let msg = Message::user_multimodal("描述这张图", &image_base64);

URL 支持

ContentPart::Image 的 base64 字段可以传 base64 数据字符串，也可以传 HTTP URL。用 OpenAI 后端时直接传 URL 更高效：

ContentPart::Image { base64: "https://example.com/photo.jpg".into() }

快速失败

如果你给不支持多模态的引擎发了图片，会立即收到 EngineError：

Security Check Failed: The current LLM engine does not support multimodal (image) inputs.

这个检查在发送任何 token 之前就跑完，不会浪费 API 调用。

引擎支持情况

引擎	多模态	备注
OpenAI（gpt-4o、gpt-4-vision）	支持	URL 或 base64
Llama.cpp 视觉模型	支持（需 mtmd 特性）	Qwen2-VL、LLaVA
自定义引擎	取决于 supports_multimodal()	trait 方法默认返回 false