如题。现在kimi k2.5支持图片和视频输入了，拥有很强的网页复刻能力。
（给它看个视频，直接复刻一个出来）
在iflow这类agent工具中，单纯复刻网页也许不重要，但如果写出来的代码有bug，尤其是ui组件、元素变换、或者和交互强相关的bug，录个屏是最言简意赅的方式。
尤其是对于软件工程不够了解的人，他们可能不懂这个组件、这个现象，或者这个东西到底叫啥，但他们可以直接把它录下来，告诉AI：“这有问题，帮我修一下，顺便告诉我这应该叫啥”
它可能比打字半天，用语言描述要精准得多，也高效得多。
在未来，随着更多的多模态模型，让它们拥有像人一样的视觉能力，也是很重要的。
我不清楚这个在技术上是否方便实现（但模型至少是支持的对吧），因此只是一个小建议，希望懂的人能回答一下。
1 个赞
这个暂时还没有计划，后面评估下哦