能读，而且不用先转成文字
WorkBuddy 可以直接接收图片和 PDF，不需要你先把截图里的字手动敲出来。给它一张界面截图，它能描述图里有什么、定位报错信息；给它一份 PDF，它能提取正文、归纳要点、把表格转成可编辑结构。对「图里有字、文档很长」这类任务，多模态读取比纯文本粘贴省事得多。
它擅长这几类活
- 截图排障：把报错弹窗、日志截图发过去，让它定位关键行并给排查方向。
- 表格提取：PDF 里的表格、扫描件里的数字，能整理成表格或 CSV 草稿。
- 文档总结：长 PDF 报告、合同、论文，让它按章节提炼，而不是你从头读。
- 图文对照：同时给文字需求和参考图，让它按图改文案或按文配说明。
边界也要说清
第一，扫描质量决定上限。模糊、倾斜、密排的扫描件，识别率会明显下降；先保证图清楚，再让它分析。 第二，表格结构复杂时会出错。合并单元格多、跨页表格，提取结果要人工核对，别直接当最终数据用。 第三，它「看」得懂内容，但不替你担责任。合同金额、法律条款、医疗结论这类，最终仍以原件和专业核对为准。
上传时的隐私注意
图片和 PDF 常常带敏感信息：合同、身份证、内部报表。上传前先想清楚这份文件是否该进助手。WorkBuddy 对本地文件有读取权限控制，但你主动上传就等于授权它处理这份内容。包含个人隐私或商业机密的，建议先脱敏（遮掉姓名、金额、账号）再传；处理完如果只是临时分析，留意是否还需要在会话里留存。
怎么用更稳
给图时顺手说清你要什么：「这张截图里红字报错是什么导致的，给三步排查」比「看看这张图」得到的结果准得多。给 PDF 时注明范围：「总结第 3-5 章结论，忽略附录」，能减少它跑偏到无关内容。多模态是「你看一眼就能说清」的延伸，你给的指令越具体，它读得越准。
多模态不是万能眼睛，但是处理「图+文」混合材料的利器。把清晰的原图、明确的需求、人工核对三件事做齐，它就能稳定帮你省掉大量前置整理时间。
