Dify 提出工作流代理影像傳遞修補，補上視覺模型的多模態輸入

Dify 社群於 11 月 6 日提出 PR #45745，並於 11 月 7 日追加測試，修補工作流代理的影像輸入管線：當使用者上傳圖片、所選模型也支援視覺時，代理仍可能只收到檔案文字參照。提案會轉換圖片內容，透過執行環境已註冊的多模態 user_prompt 層送入模型。截至查核時，PR 仍開放審查，尚非正式版本修復。修補提案

原始問題回報來自基於 1.18.0 的自架部署。回報者指出，agent_v2 將 sys.files 序列化進工作流提示文字，沒有建立多模態影像內容；共享客戶端的工作流輸入結構也缺少 user_files，原本使用的純文字提示層無法承接圖片。因此，只在上游加入圖片轉換，仍不足以讓影像抵達模型，必須一併接通後端請求結構與提示層。問題與根因分析

這項差異直接影響代理處理截圖與圖表的方式。官方文件說明，新版 Agent 節點具備自己的能力與沙箱，能在工作流內自主完成任務；但檔案可供沙箱讀取，與圖片直接進入視覺模型，是不同的輸入路徑。依問題回報，代理曾繞道下載圖片、安裝 OCR 工具辨識。工程上的含意是：診斷「模型看不到圖」時，應檢查送往模型的內容，而非只確認上傳成功或視覺能力設定。Agent 節點文件、使用者回報

作者表示，圖片與 PDF 混合上傳的回歸測試，在舊實作下會因未轉換圖片而失敗，套用變更後通過；另有執行環境測試確認 BinaryContent，並檢查純文字、圖片、再回到純文字的工作階段快照轉換。不過，部分測試替代了檔案轉換與模型能力判斷，尚未在真實檔案儲存及模型供應商上完成端到端執行。採用團隊接下來應追蹤合併與版本收錄，並驗證混合附件及多輪切換是否正確傳遞影像。驗證範圍