อินพุตเอาต์พุตหลายรูปแบบและการแสดงตัวอย่างไฟล์

ภาพรวม

Work รองรับการโต้ตอบแบบหลายรูปแบบที่หลากหลาย: ผู้ใช้สามารถส่งเนื้อหาหลายประเภท เช่น รูปภาพ เอกสาร เสียง ให้กับ Agent ได้ และคำตอบของ Agent สามารถมีเอาต์พุตได้หลายรูปแบบ เช่น โค้ด เอกสาร แผนภูมิ โดยรองรับทั้งการแสดงตัวอย่างแบบอินไลน์และการดูแบบเต็มจอ

---

อินพุตหลายรูปแบบ

ประเภทอินพุตที่รองรับ

วิธีการอัปโหลด

1. อัปโหลดด้วยการลากวาง — ลากไฟล์ไปวางที่พื้นที่อินพุตโดยตรง
2. อัปโหลดด้วยการคลิก — คลิกปุ่มไฟล์แนบในพื้นที่อินพุตเพื่อเลือกไฟล์
3. การวาง — วางรูปภาพจากคลิปบอร์ด

การปรับให้เข้ากับรูปแบบของโมเดล

ระบบจะแปลงรูปแบบอินพุตโดยอัตโนมัติตามผู้ให้บริการ LLM ที่กำลังใช้งานอยู่:

ระบบจะตรวจจับความสามารถหลายรูปแบบของโมเดลปัจจุบัน (vision / document / audio) โดยอัตโนมัติผ่านฟังก์ชัน resolveCapabilities โดยประเภทที่ไม่รองรับจะแจ้งเตือนผู้ใช้หรือดำเนินการแบบลดระดับ

---

เอาต์พุตหลายรูปแบบและการแสดงตัวอย่าง

การแสดงตัวอย่าง 9 ประเภท

ไฟล์ที่ Agent ส่งออกจะถูกระบุประเภทโดยอัตโนมัติและเรนเดอร์เป็นคอมโพเนนต์แสดงตัวอย่างที่สอดคล้องกัน:

การ์ดแสดงตัวอย่างแบบอินไลน์

ไฟล์ที่ Agent ส่งออกจะปรากฏในสตรีมการสนทนาในรูปแบบ การ์ดแสดงตัวอย่างแบบอินไลน์ (InlinePreviewCard) ก่อนเป็นอันดับแรก:

ปุ่มดำเนินการ (ไอคอน + คำแนะนำเครื่องมือ):

หน้าต่างแสดงตัวอย่างเต็มจอ

คลิกปุ่ม "ขยาย" เพื่อเข้าสู่หน้าต่างแสดงตัวอย่างเต็มจอ:

แถบเครื่องมือแสดงตัวอย่าง (PreviewToolbar):

• การควบคุมการซูม: ขยาย / ย่อ / พอดีความกว้าง
• การนำทางหน้า: หน้าก่อนหน้า / หน้าถัดไป (เอกสารหลายหน้า)
• สถานะเลขหน้า: หน้าปัจจุบัน / จำนวนหน้าทั้งหมด

ปุ่มลัด:

โหมดเลย์เอาต์การแสดงตัวอย่าง

---

การแบ่งปันความสามารถระหว่าง Web และ APP

คอมโพเนนต์หลักของการแสดงตัวอย่างหลายรูปแบบถูกพัฒนาในชั้น claw-shared โดย Web และ APP ใช้โค้ดชุดเดียวกันร่วมกัน:

• DocumentPreviewModal — คอนเทนเนอร์หน้าต่างแสดงตัวอย่าง
• InlinePreviewCard — การ์ดแสดงตัวอย่างแบบอินไลน์
• PreviewToolbar — แถบเครื่องมือแสดงตัวอย่าง
• previewUtils.ts — เครื่องมือระบุประเภทไฟล์และโหลดไฟล์

ทั้งสองฝั่งใช้อินเทอร์เฟซ FileAccess เพื่อจัดโครงสร้างวิธีการอ่านไฟล์แบบนามธรรม:

• ฝั่ง APP: อ่านผ่าน API ไฟล์ในเครื่องของ Tauri
• ฝั่ง Web: โหลดผ่าน HTTP URL หรือ data URL

---

---

คู่มือการใช้งาน

วิธีส่งรูปภาพ/เอกสารให้กับ Agent

1. อัปโหลดด้วยการลากวาง: ลากไฟล์จากเดสก์ท็อปหรือตัวจัดการไฟล์ไปวางที่พื้นที่อินพุตของ Work โดยตรง
2. อัปโหลดด้วยการคลิก: คลิกปุ่มไฟล์แนบ 📎 ทางด้านซ้ายของพื้นที่อินพุต แล้วเลือกไฟล์
3. วางรูปภาพ: คัดลอกรูปภาพแล้ววางด้วย Ctrl+V / Cmd+V ในพื้นที่อินพุต
4. ไฟล์แนบจะปรากฏในแถบแสดงตัวอย่างด้านบนของพื้นที่อินพุต
5. พิมพ์ข้อความอธิบายสิ่งที่คุณต้องการให้ Agent ทำ (เช่น "วิเคราะห์รูปภาพนี้") แล้วกด Enter เพื่อส่ง

ข้อจำกัดขนาดไฟล์: เครื่องมือ Read File รองรับไฟล์ขนาดสูงสุด 5MB สำหรับไฟล์ที่ใหญ่กว่านั้น แนะนำให้อัปโหลดไปยังที่จัดเก็บบนคลาวด์ก่อนแล้วจึงให้ลิงก์

วิธีใช้การแสดงตัวอย่างไฟล์

1. เมื่อเอาต์พุตของ Agent มีไฟล์อยู่ การ์ดแสดงตัวอย่างแบบอินไลน์ จะปรากฏในสตรีมการสนทนา
2. เลื่อนเมาส์ ไปที่การ์ดเพื่อดูข้อมูลเพิ่มเติม
3. คลิกปุ่ม ขยาย เพื่อเข้าสู่การแสดงตัวอย่างเต็มจอ
4. ใช้แถบเครื่องมือในการแสดงตัวอย่างเต็มจอเพื่อดำเนินการ (ซูม เปลี่ยนหน้า ฯลฯ)
5. กด Esc หรือคลิกปุ่มปิดเพื่อออกจากการแสดงตัวอย่าง

---

คำถามที่พบบ่อย

ทำไมส่งรูปภาพแล้ว Agent ไม่วิเคราะห์?

• โมเดลปัจจุบันอาจไม่รองรับความสามารถ vision ตรวจสอบว่าโมเดลในการกำหนดค่าโมเดล มีการทำเครื่องหมายว่ารองรับ vision หรือไม่ โมเดลตระกูล DeepSeek ไม่รองรับอินพุตรูปภาพ
• แนะนำให้สลับไปใช้ Claude Sonnet 4 หรือ GPT-4o

ทำไมส่ง PDF แล้วได้กลับมาแค่ "ไม่รองรับ"?

• ความสามารถ document ปัจจุบันรองรับแบบดั้งเดิมเฉพาะโมเดลตระกูล Anthropic (Claude) เท่านั้น เมื่อใช้โมเดล OpenAI ระบบจะดำเนินการกับ PDF แบบลดระดับ
• ทางเลือก: ให้ Agent ใช้เครื่องมือ Read File เพื่ออ่านพาธไฟล์ PDF

ไฟล์แสดงผลผิดปกติในหน้าต่างแสดงตัวอย่าง

• ยืนยันว่ารูปแบบไฟล์ถูกต้อง (เช่น ไฟล์ .xlsx ต้องไม่ใช้นามสกุล .csv)
• ไฟล์ขนาดใหญ่มากอาจโหลดช้า กรุณารอให้โหลดเสร็จ
• ไฟล์ Office บางรูปแบบพิเศษอาจต้องเปิดในแอปพลิเคชันภายนอก

---

เอกสารที่เกี่ยวข้อง

• ภาพรวมการสนทนา Work — เลย์เอาต์อินเทอร์เฟซและจุดเข้าใช้งาน
• การโต้ตอบการสนทนา — สตรีมข้อความและการจัดการเซสชัน
• การจัดการเครื่องมือ — ความสามารถในการส่งออกไฟล์ของเครื่องมือ