Word 文档包含文字和图片时，如何构建可返回图文答案的 Agent 链路？

知识专题：多模态文档处理题目类型：系统设计技术难度：进阶

相关面经

1 篇

IT开发

2026-08-30校招秋招一面

有一篇 Word 文档，里边有文字和图片，然后把这个 Word 文档给这个 Agent 作为上下文来做回答。假设现在用户发出了一句 Query，然后希望这个 Agent 能返回的 response 是包含文字和图片的。你会怎么设计这条链路？