feat: 增强多模态支持，更新 export 和 MediaView 组件以处理图片 URL，优化消息内容构建逻辑

src/__tests__/export.test.ts

@@ -1,5 +1,6 @@
 import { describe, it, expect } from 'vitest'
 import { exportToOpenAIFormat, segmentToText } from '../utils/export'
+import type { OpenAIExport, OpenAIContentPart, OpenAIImageUrlContent } from '../utils/export'
 import type { PromptEnvelope } from '../types/protocol'
 
 describe('segmentToText', () => {
@@ -502,4 +503,102 @@ describe('exportToOpenAIFormat', () => {
     const result = exportToOpenAIFormat(env)
     expect(result.tools).toBeUndefined()
   })
+
+  // ── Multimodal: 图片 URL 应正确传入 OpenAI content 数组 ──
+
+  it('exports user message with image as content array (text + image_url)', () => {
+    const env: PromptEnvelope = {
+      version: '1.0',
+      messages: [
+        {
+          id: '1',
+          role: 'user',
+          segments: [
+            { kind: 'text', content: '这张图片是什么？' },
+            {
+              kind: 'media',
+              mediaType: 'image',
+              url: 'https://cataas.com/cat',
+              altText: '用户上传的图片',
+            },
+          ],
+          timestamp: 0,
+        },
+        {
+          id: '2',
+          role: 'assistant',
+          segments: [{ kind: 'text', content: '这是一只猫。' }],
+          timestamp: 0,
+        },
+      ],
+    }
+    const { messages } = exportToOpenAIFormat(env)
+    expect(messages).toHaveLength(2)
+
+    const userMsg = messages[0]
+    expect(userMsg.role).toBe('user')
+    expect(Array.isArray(userMsg.content)).toBe(true)
+
+    const parts = userMsg.content as OpenAIContentPart[]
+    expect(parts).toHaveLength(2)
+    expect(parts[0]).toEqual({ type: 'text', text: '这张图片是什么？' })
+    expect(parts[1]).toEqual({
+      type: 'image_url',
+      image_url: { url: 'https://cataas.com/cat' },
+    })
+
+    // assistant 仍为纯文本
+    expect(messages[1].role).toBe('assistant')
+    expect(messages[1].content).toBe('这是一只猫。')
+  })
+
+  it('exports user message with only image (no text)', () => {
+    const env: PromptEnvelope = {
+      version: '1.0',
+      messages: [
+        {
+          id: '1',
+          role: 'user',
+          segments: [
+            {
+              kind: 'media',
+              mediaType: 'image',
+              url: 'https://example.com/photo.png',
+            },
+          ],
+          timestamp: 0,
+        },
+      ],
+    }
+    const { messages } = exportToOpenAIFormat(env)
+    expect(messages).toHaveLength(1)
+
+    const parts = messages[0].content as OpenAIContentPart[]
+    expect(Array.isArray(parts)).toBe(true)
+    expect(parts).toHaveLength(1)
+    const img = parts[0] as OpenAIImageUrlContent
+    expect(img.type).toBe('image_url')
+    expect(img.image_url.url).toBe('https://example.com/photo.png')
+  })
+
+  it('uses plain string content when no media segment present (backward compat)', () => {
+    const env: PromptEnvelope = {
+      version: '1.0',
+      messages: [
+        {
+          id: '1',
+          role: 'user',
+          segments: [
+            { kind: 'text', content: 'Hello' },
+            { kind: 'text', content: 'World' },
+          ],
+          timestamp: 0,
+        },
+      ],
+    }
+    const { messages } = exportToOpenAIFormat(env)
+    expect(typeof messages[0].content).toBe('string')
+    expect(messages[0].content).toContain('Hello')
+    expect(messages[0].content).toContain('World')
+  })
 })

src/components/segments/MediaView.tsx

@@ -1,5 +1,6 @@
+import { useState } from 'react'
 import type { MediaSegment } from '../../types/protocol'
-import { Image, Music, Video } from 'lucide-react'
+import { Image, Music, Video, ExternalLink, AlertTriangle } from 'lucide-react'
 
 const mediaConfig = {
   image: { icon: Image, label: '图片', bg: 'bg-blue-50', color: 'text-blue-600' },
@@ -10,17 +11,54 @@ const mediaConfig = {
 export default function MediaView({ segment }: { segment: MediaSegment }) {
   const cfg = mediaConfig[segment.mediaType]
   const Icon = cfg.icon
+  const [imgError, setImgError] = useState(false)
 
+  // 图片有 URL → 直接渲染缩略图
+  if (segment.mediaType === 'image' && segment.url && !imgError) {
     return (
-    <div className={`my-2 flex items-center gap-3 rounded-lg border px-3 py-2.5 ${cfg.bg} border-gray-200`}>
+      <div className="my-2">
-      <Icon size={20} className={cfg.color} />
+        <img
-      <div className="flex-1">
+          src={segment.url}
-        <span className={`text-sm font-medium ${cfg.color}`}>{cfg.label}</span>
+          alt={segment.altText || '图片'}
+          className="max-w-full max-h-80 rounded-lg border border-gray-200 object-cover"
+          onError={() => setImgError(true)}
+        />
         {segment.altText && (
-          <span className="text-xs text-gray-500 ml-2">{segment.altText}</span>
+          <div className="mt-1 text-xs text-gray-400">{segment.altText}</div>
+        )}
+      </div>
+    )
+  }
+
+  // 图片加载失败 / 无 URL / 非图片类型 → 图标占位
+  return (
+    <div className={`my-2 flex items-center gap-3 rounded-lg border px-3 py-2.5 ${cfg.bg} border-gray-200`}>
+      {imgError ? (
+        <AlertTriangle size={20} className="text-amber-500" />
+      ) : (
+        <Icon size={20} className={cfg.color} />
+      )}
+      <div className="flex-1 min-w-0">
+        <span className={`text-sm font-medium ${imgError ? 'text-amber-600' : cfg.color}`}>
+          {imgError ? '图片加载失败' : cfg.label}
+        </span>
+        {segment.altText && (
+          <span className="text-xs text-gray-500 ml-2 truncate">{segment.altText}</span>
+        )}
+      </div>
+      {segment.url ? (
+        <a
+          href={segment.url}
+          target="_blank"
+          rel="noopener noreferrer"
+          className="flex items-center gap-1 text-xs text-gray-400 hover:text-gray-600 transition-colors"
+        >
+          <ExternalLink size={12} />
+          打开
+        </a>
+      ) : (
+        <span className="text-xs text-gray-400">{segment.mediaType}</span>
       )}
     </div>
-      <span className="text-xs text-gray-400">{segment.mediaType}</span>
-    </div>
   )
 }

src/data/demos/demo-d.json

@@ -1,6 +1,6 @@
 {
   "version": "1.0",
-  "model": "gpt-4-turbo",
+  "model": "gpt-4o",
   "messages": [
     {
       "id": "d-1",
@@ -18,96 +18,9 @@
           "value": "中文（简体）",
           "description": "模型回复的首选语言"
         },
-        {
-          "kind": "static_var",
-          "name": "knowledge_cutoff",
-          "value": "2026年1月",
-          "description": "模型训练数据截止日期"
-        },
-        {
-          "kind": "static_var",
-          "name": "user_name",
-          "value": "小明",
-          "description": "当前用户名称"
-        },
         {
           "kind": "system_prompt",
-          "content": "当前日期：{{current_date}}\n用户：{{user_name}}\n回复语言：{{language}}\n知识截止：{{knowledge_cutoff}}\n\n你是 Claude，一个 HCI 研究助手。你的角色是帮助学生批判性地思考聊天界面的设计问题。\n\n核心原则：\n- 鼓励从用户体验角度分析，而非技术实现角度\n- 用具体例子说明抽象概念\n- 如果学生的方案有改进空间，以提问的方式引导而非直接批评\n- 始终记住你拥有工具调用、skills 和跨对话 memory 能力，但不必每次都全部用到",
+          "content": "当前日期：{{current_date}}\n回复语言：{{language}}\n\n你是一个多模态助手，支持图文理解。用户可以在消息中附带图片，你能够直接理解图片内容并做出回复。",
-          "collapsed": true
-        },
-        {
-          "kind": "memory",
-          "description": "以下是从过往对话中总结的关于你的信息，模型会参考这些记忆来个性化回复。记忆随对话自动更新，你也可以手动编辑或删除。",
-          "items": [
-            { "title": "用户身份", "content": "小明，设计系研二，HCI 方向。正在做课程设计项目。" },
-            { "title": "项目背景", "content": "设计一个透明化 LLM 上下文的聊天协议。已确定了 9 种 prompt 类型的分类方案。" },
-            { "title": "沟通偏好", "content": "喜欢用图示和表格辅助理解。反感过度术语化。需要看到具体例子。" },
-            { "title": "上次进度", "content": "用户已确认了 MVP 范围：Web 应用，数据协议+视觉规范，可导出 OpenAI Format。" }
-          ],
-          "collapsed": true
-        },
-        {
-          "kind": "skills",
-          "description": "Skills 是模型可调用的内置能力（slash commands）。输入 / 开头即可触发，无需等待模型推理。当前对话中可用以下 skills：",
-          "items": [
-            { "name": "deep-research", "description": "深度研究 — 多源搜索、交叉验证、生成引用报告" },
-            { "name": "code-review", "description": "代码审查 — 发现正确性 bug 和简化/效率优化机会" },
-            { "name": "verify", "description": "行为验证 — 运行应用并观察行为来确认变更生效" },
-            { "name": "simplify", "description": "代码简化 — 审查代码的复用性、简洁性和效率并应用修复" },
-            { "name": "loop", "description": "定时循环 — 按指定间隔重复执行一个命令或 prompt" }
-          ],
-          "collapsed": true
-        },
-        {
-          "kind": "tool_overview",
-          "items": [
-            {
-              "name": "search",
-              "description": "搜索学术文献和设计案例",
-              "parameters": "query: string, limit?: number",
-              "schema": {
-                "type": "object",
-                "properties": {
-                  "query": { "type": "string", "description": "搜索关键词" },
-                  "limit": { "type": "number", "description": "返回结果数量" }
-                },
-                "required": ["query"]
-              }
-            },
-            {
-              "name": "read_file",
-              "description": "读取文件内容",
-              "parameters": "path: string",
-              "schema": {
-                "type": "object",
-                "properties": { "path": { "type": "string", "description": "文件路径" } },
-                "required": ["path"]
-              }
-            },
-            {
-              "name": "fetch_url",
-              "description": "获取网页内容并转为 markdown",
-              "parameters": "url: string",
-              "schema": {
-                "type": "object",
-                "properties": { "url": { "type": "string", "description": "网页 URL" } },
-                "required": ["url"]
-              }
-            },
-            {
-              "name": "run_code",
-              "description": "在沙箱中执行代码",
-              "parameters": "language: string, code: string",
-              "schema": {
-                "type": "object",
-                "properties": {
-                  "language": { "type": "string", "enum": ["python", "javascript", "r"], "description": "编程语言" },
-                  "code": { "type": "string", "description": "代码内容" }
-                },
-                "required": ["language", "code"]
-              }
-            }
-          ],
           "collapsed": true
         }
       ],
@@ -119,26 +32,13 @@
       "segments": [
         {
           "kind": "text",
-          "content": "你好！我在准备课程设计的文献综述部分。我找到了一篇相关的研究报告，帮我分析一下它是否可以支持我的论点。"
+          "content": "这张图片是什么？"
-        },
-        {
-          "kind": "long_text",
-          "content": "在过去的18个月里，我们对127名LLM聊天产品用户进行了纵向研究。研究分为三个阶段：基线观察期（3个月）、干预实验期（6个月）、后续跟踪期（9个月）。在干预实验期，我们为实验组用户提供了一套上下文可视化工具，包括：system prompt查看面板、memory编辑界面、tool call实时展示和long text折叠功能。对照组使用标准的聊天界面。\n\n实验组在以下维度上表现出显著改善：\n- 任务完成率提升 23.4%（p < 0.01）\n- 纠错响应时间缩短 41.7%（p < 0.001）\n- 用户信任度评分从 3.2/5 提升至 4.1/5\n- 对话轮次平均减少 2.8 轮（更高效的信息交换）\n\n这些结果表明上下文透明性不仅仅是\"nice to have\"的设计细节，而是直接影响LLM交互效率的关键因素。特别是在以下场景中效果最为显著：\n1. 长文档分析：用户能够看到哪些文档片段被模型引用\n2. 多工具调用：工具链的可视化帮助用户理解推理过程\n3. 跨会话任务：memory可见性减少重复说明\n\n我们建议将上下文透明性作为LLM聊天产品的基础设计原则，而非可选特性。",
-          "charCount": 567,
-          "collapsed": true
-        },
-        {
-          "kind": "document",
-          "fileName": "context-transparency-study-2025.pdf",
-          "mimeType": "application/pdf",
-          "snippet": "DOI: 10.1145/3613904.3642000\n\nContext Transparency in LLM-Powered Chat Interfaces: A Longitudinal Study with 127 Users\n\nIn the past 18 months, we conducted a longitudinal study...",
-          "sizeBytes": 2457600
         },
         {
           "kind": "media",
           "mediaType": "image",
-          "url": "",
+          "url": "https://cataas.com/cat",
-          "altText": "Fig 3: 实验组 vs 对照组任务完成率对比图（p<0.01）"
+          "altText": "用户上传的图片"
         }
       ],
       "timestamp": 1780897900000
@@ -149,51 +49,10 @@
       "segments": [
         {
           "kind": "text",
-          "content": "这是一篇非常有力的参考文献！它恰恰支持了你的核心论点——上下文透明性是“基础设计原则，而非可选特性”。"
+          "content": "这是一只猫。"
-        }
-      ],
-      "timestamp": 1780897920000
-    },
-    {
-      "id": "d-4",
-      "role": "assistant",
-      "segments": [
-        {
-          "kind": "tool_call_request",
-          "toolName": "search",
-          "arguments": {
-            "query": "LLM context transparency HCI chat interface user study 2024 2025",
-            "limit": 5
-          },
-          "collapsed": false
-        }
-      ],
-      "timestamp": 1780897930000
-    },
-    {
-      "id": "d-5",
-      "role": "assistant",
-      "segments": [
-        {
-          "kind": "tool_call_result",
-          "toolName": "search",
-          "success": true,
-          "result": "Found 5 results:\n\n1. \"Transparent AI: Designing Explainable Chat Interfaces\" — CHI 2024\n   → 提出了\"分层透明度\"框架，与本项目的\"信息密度梯度\"高度一致\n\n2. \"User Mental Models of LLM Context\" — CSCW 2025\n   → 发现 78% 的用户低估了 system prompt 对输出的影响\n\n3. \"Folding as a Visual Strategy for Complex Chat UIs\" — DIS 2024\n   → 验证了折叠/展开对降低认知负荷的效果\n\n4. \"Beyond the Black Box: Visualizing LLM Reasoning in Chat\" — TOCHI 2025\n   → 工具调用可视化的用户研究，与本项目的 tool call request/result 设计一致\n\n5. \"Memory-Aware Interfaces for Persistent LLM Interactions\" — IUI 2025\n   → 讨论了用户记忆的可编辑性和可遗忘性",
-          "collapsed": true
         }
       ],
       "timestamp": 1780897950000
-    },
-    {
-      "id": "d-6",
-      "role": "assistant",
-      "segments": [
-        {
-          "kind": "text",
-          "content": "搜索结果显示，你的研究方向和当前学术界的热点高度一致。以下是我对文献支持度的评估：\n\n**强相关（可直接引用）：**\n- 第2篇（CSCW 2025）直接量化了用户对 LLM 上下文的理解不足——这是你\"问题定义\"部分的关键论据\n- 第3篇（DIS 2024）为你的\"折叠设计\"提供了实证基础\n\n**建议阅读方向：**\n- 第1篇的\"分层透明度\"框架可以与你的 9 种类型分类做对比讨论\n- 第5篇的 memory 可编辑性可能是你下一个值得探索的方向\n\n这篇研究报告 + 这5篇文献构成了一个很好的文献基础。需要我帮你整理成引用格式吗？"
-        }
-      ],
-      "timestamp": 1780898000000
     }
   ]
 }

src/utils/export.ts

@@ -11,9 +11,26 @@ export interface OpenAIToolCall {
   }
 }
 
+/** 多模态 content part：文本 */
+export interface OpenAITextContent {
+  type: 'text'
+  text: string
+}
+
+/** 多模态 content part：图片 URL */
+export interface OpenAIImageUrlContent {
+  type: 'image_url'
+  image_url: {
+    url: string
+    detail?: 'auto' | 'low' | 'high'
+  }
+}
+
+export type OpenAIContentPart = OpenAITextContent | OpenAIImageUrlContent
+
 export interface OpenAIMessage {
   role: 'system' | 'user' | 'assistant' | 'tool'
-  content?: string | null
+  content?: string | null | OpenAIContentPart[]
   tool_calls?: OpenAIToolCall[]
   tool_call_id?: string
 }
@@ -115,6 +132,66 @@ function toolItemToOpenAI(item: ToolItem): OpenAITool {
   }
 }
 
+/**
+ * 将消息的 segment 列表构建为 OpenAI 消息的 content 字段。
+ *
+ * - 纯文本消息 → 返回 string
+ * - 含图片/音频/视频的消息 → 返回 OpenAIContentPart[]（多模态 content 数组）
+ */
+function buildUserContent(segments: Segment[]): string | OpenAIContentPart[] | null {
+  const hasMedia = segments.some((s) => s.kind === 'media')
+
+  if (!hasMedia) {
+    // 纯文本路径：与 segmentToText 行为一致
+    const text = segments
+      .map(segmentToText)
+      .filter(Boolean)
+      .join('\n')
+    return text || null
+  }
+
+  // 多模态路径：构建 content part 数组
+  const parts: OpenAIContentPart[] = []
+  for (const seg of segments) {
+    switch (seg.kind) {
+      case 'text':
+        parts.push({ type: 'text', text: seg.content })
+        break
+      case 'long_text':
+        parts.push({ type: 'text', text: seg.content })
+        break
+      case 'static_var':
+        parts.push({ type: 'text', text: seg.value })
+        break
+      case 'document':
+        parts.push({
+          type: 'text',
+          text: `[Document: ${seg.fileName} (${formatBytes(seg.sizeBytes)})]\n${seg.snippet}`,
+        })
+        break
+      case 'media':
+        if (seg.mediaType === 'image') {
+          parts.push({
+            type: 'image_url',
+            image_url: { url: seg.url },
+          })
+        } else {
+          // audio / video —— OpenAI 原生支持有限，用 altText 做文本回退
+          parts.push({
+            type: 'text',
+            text: seg.altText ?? `[${seg.mediaType}]`,
+          })
+        }
+        break
+      default:
+        // 结构性 segment (system_prompt / memory / skills / tool_overview)
+        // 以及 tool_call* —— 不在 user content 中出现
+        break
+    }
+  }
+  return parts.length > 0 ? parts : null
+}
+
 // --- Main export function ---
 
 /**
@@ -194,15 +271,11 @@ export function exportToOpenAIFormat(envelope: PromptEnvelope): OpenAIExport {
         if (seg.kind === 'tool_overview') {
           seg.items.forEach(item => tools.push(toolItemToOpenAI(item)))
         }
-        if (seg.kind === 'static_var') continue // 静态变量仅通过 segmentToText 展开到消息内容，不写入 system prompt
         const s = formatStructural(seg)
         if (s) systemParts.push(s)
       }
-      const content = msg.segments
+      const content = buildUserContent(msg.segments)
-        .map(segmentToText)
+      if (content) {
-        .filter(Boolean)
-        .join('\n')
-      if (content.trim()) {
         messages.push({ role: 'user', content })
       }
       continue