Multimodale Ein- und Ausgabe und Dateivorschau

Überblick

Work unterstützt vielfältige multimodale Interaktionen: Benutzer können verschiedene Inhaltstypen wie Bilder, Dokumente und Audio an den Agent senden; die Antworten des Agents können Ausgaben in verschiedenen Formaten wie Code, Dokumente und Diagramme enthalten, die alle Inline-Vorschau und Vollbildansicht unterstützen.

Multimodale Eingabe

Unterstützte Eingabetypen

Inhaltsblock-Typ	Beschreibung	Beispiel
`text`	Reiner Text	Benutzernachricht, Codeausschnitt
`image`	Bild	PNG, JPEG, GIF, WebP (base64-kodiert)
`document`	Dokument	PDF-Dokument (base64-kodiert)
`audio`	Audio	Audiodatei
`file_ref`	Dateiverweis	Verweis auf lokalen Dateipfad

Upload-Methoden

Drag-and-Drop-Upload — Datei direkt in den Eingabebereich ziehen
Klick-Upload — auf die Anhangschaltfläche im Eingabebereich klicken und Datei auswählen
Einfügen — Bild aus der Zwischenablage einfügen

Multimodale Eingabe-CN

Anpassung an das Modellformat

Das System konvertiert das Eingabeformat automatisch entsprechend dem aktuell verwendeten LLM-Anbieter:

Anbieter	Bild	Dokument	Audio
Anthropic	nativer base64-image-Block	nativer base64-document-Block	nicht unterstützt
OpenAI	image_url (data URI)	Herabstufung auf Textbeschreibung	nativer audio-Block
DeepSeek	nicht unterstützt	nicht unterstützt	nicht unterstützt

Das System erkennt über die Funktion resolveCapabilities automatisch die multimodalen Fähigkeiten des aktuellen Modells (vision / document / audio). Nicht unterstützte Typen werden dem Benutzer angezeigt oder herabgestuft verarbeitet.

Multimodale Ausgabe und Vorschau

9 Vorschautypen

Die vom Agent ausgegebenen Dateien werden automatisch nach Typ erkannt und als entsprechende Vorschaukomponente gerendert:

Dateityp	Vorschaukomponente	Funktionsschaltflächen
PDF	PdfPreviewWindow	Zoom (Vergrößern/Verkleinern/An Breite anpassen), Seitenwechsel, Seitenzahlanzeige
PPT	PptPreviewWindow	Foliennavigation (Vorherige/Nächste Seite), Zoom
Excel / Word	OfficePreviewWindow	Zoom, Seitenwechsel
Code	CodePreviewWindow	Syntaxhervorhebung (mehrsprachig), In Zwischenablage kopieren
Markdown	MarkdownPreviewWindow	Markdown-Rendervorschau
HTML	HtmlPreviewWindow	Eingebettetes iframe-Rendering
Bild	MediaPreviewWindow	Zoom, Ziehen und Verschieben
Video	MediaPreviewWindow	Wiedergabe/Pause, Fortschrittsleiste, Lautstärkeregelung
Audio	MediaPreviewWindow	Wiedergabe/Pause, Fortschrittsleiste

Inline-Vorschaukarte

Die vom Agent ausgegebenen Dateien erscheinen zunächst in Form einer Inline-Vorschaukarte (InlinePreviewCard) im Konversationsverlauf:

Inline-Vorschaukarte-CN

Element	Beschreibung
Titelleiste	Dateiname, Typ-Badge, Aktionsschaltflächen
Miniaturinhalt	Vorschau des Dateiinhalts (eingeklappter Zustand, Verlauf am unteren Rand + Hinweis „Mehr anzeigen")
Hover-Effekt	Hervorgehobener Rahmen + verstärkter Schatten

Aktionsschaltflächen (Symbol + Tooltip):

Schaltfläche	Funktion
Aufklappen	Vollbild-Vorschaufenster
Kopieren	Inhalt in die Zwischenablage kopieren
Datei-Manager	Im System-Datei-Manager anzeigen (nur APP)
Extern öffnen	Mit Standardanwendung öffnen (lokale Datei) oder im Browser öffnen (URL)

Vollbild-Vorschaufenster

Klicken Sie auf die Schaltfläche „Aufklappen", um das Vollbild-Vorschaufenster zu öffnen:

Vollbild-Vorschaufenster-CN

Vorschau-Werkzeugleiste (PreviewToolbar):

Zoomsteuerung: Vergrößern / Verkleinern / An Breite anpassen
Seitennavigation: Vorherige Seite / Nächste Seite (mehrseitige Dokumente)
Seitenzahlstatus: Aktuelle Seite / Gesamtseitenzahl

Tastenkürzel:

Tastenkürzel	Funktion
`+` oder `=`	Vergrößern
`-`	Verkleinern
`0`	Zoom zurücksetzen
`Esc`	Vorschaufenster schließen

Vorschau-Layoutmodi

Modus	Plattform	Beschreibung
Overlay (Überlagerung)	Standard auf APP	Fest positioniertes Overlay-Fenster
Docked (angedockt)	Web	In das rechte Panel der WorkPage eingebettet

Gemeinsame Fähigkeiten von Web und APP

Die Kernkomponenten der multimodalen Vorschau sind in der claw-shared-Schicht implementiert; Web und APP teilen sich denselben Code:

DocumentPreviewModal — Container des Vorschaufensters
InlinePreviewCard — Inline-Vorschaukarte
PreviewToolbar — Vorschau-Werkzeugleiste
previewUtils.ts — Werkzeuge zur Dateityperkennung und zum Laden

Beide Plattformen abstrahieren die Art des Dateizugriffs über die FileAccess-Schnittstelle:

APP: Lesen über die lokale Tauri-Datei-API
Web: Laden über HTTP-URL oder data-URL

Bedienungsanleitung

So senden Sie Bilder/Dokumente an den Agent

Drag-and-Drop-Upload: Ziehen Sie die Datei direkt vom Desktop oder Datei-Manager in den Work-Eingabebereich
Klick-Upload: Klicken Sie auf die 📎-Anhangschaltfläche links im Eingabebereich und wählen Sie eine Datei aus
Bild einfügen: Kopieren Sie ein Bild und fügen Sie es im Eingabebereich mit Strg+V / Cmd+V ein
Der Anhang erscheint in der Vorschauleiste oberhalb des Eingabebereichs
Geben Sie eine Textbeschreibung ein, was der Agent tun soll (z. B. „Analysiere dieses Bild"), und drücken Sie zum Senden die Eingabetaste

Dateigrößenbeschränkung: Das Read-File-Werkzeug unterstützt Dateien bis maximal 5 MB. Für größere Dateien empfiehlt es sich, diese zunächst in einen Cloud-Speicher hochzuladen und dann den Link bereitzustellen.

So verwenden Sie die Dateivorschau

Wenn die Ausgabe des Agents eine Datei enthält, erscheint im Konversationsverlauf eine Inline-Vorschaukarte
Bewegen Sie den Mauszeiger über die Karte, um weitere Informationen anzuzeigen
Klicken Sie auf die Schaltfläche Aufklappen, um die Vollbildvorschau zu öffnen
Verwenden Sie in der Vollbildvorschau die Werkzeugleiste (Zoom, Seitenwechsel usw.)
Drücken Sie Esc oder klicken Sie auf die Schließen-Schaltfläche, um die Vorschau zu verlassen

Häufig gestellte Fragen

Warum analysiert der Agent das Bild nach dem Senden nicht?

Das aktuelle Modell unterstützt möglicherweise keine Vision-Fähigkeit. Prüfen Sie in der Modellkonfiguration, ob das Modell als Vision-fähig markiert ist. Modelle der DeepSeek-Reihe unterstützen keine Bildeingabe.
Es wird empfohlen, zu Claude Sonnet 4 oder GPT-4o zu wechseln.

Warum wird nach dem Senden einer PDF nur „nicht unterstützt" zurückgegeben?

Die document-Fähigkeit wird derzeit nur von Modellen der Anthropic-Reihe (Claude) nativ unterstützt. Bei Verwendung von OpenAI-Modellen wird die PDF herabgestuft verarbeitet.
Alternative: Lassen Sie den Agent das Read-File-Werkzeug verwenden, um den PDF-Dateipfad zu lesen.

Datei wird im Vorschaufenster fehlerhaft angezeigt

Stellen Sie sicher, dass das Dateiformat korrekt ist (z. B. darf eine .xlsx-Datei nicht die Endung .csv haben)
Sehr große Dateien werden möglicherweise langsam geladen; bitte warten Sie, bis der Ladevorgang abgeschlossen ist
Einige Office-Dateien in Spezialformaten müssen möglicherweise in einer externen Anwendung geöffnet werden