Copilot SDK 支持在 Prompt 中附加图像，通过文件路径（SDK 自动转 base64）或直接提供 base64 数据。支持 PNG 和 JPEG 格式，需要使用具备视觉能力的模型（如 GPT-4o、Claude）。SVG 不支持。

GitHub Copilot SDK 图像输入：给 Agent 发送截图和设计图

使用场景

• UI Bug 修复：发送截图让 Agent 定位问题所在
• 设计稿实现：发送设计图让 Agent 参考实现组件
• 错误界面：发送报错截图帮助 Agent 理解上下文
• 架构图：发送架构图让 Agent 在对应位置新增功能

方式一：文件路径（推荐）

SDK 自动读取文件并转换为 base64：

import { createSession } from '@github/copilot-sdk'

const session = await createSession()

await session.sendPrompt({
  messages: [
    {
      role: 'user',
      content: '这个按钮在移动端对齐有问题，帮我修复 CSS',
      attachments: [
        {
          type: 'file',
          path: '/screenshots/mobile-button-bug.png'
        }
      ]
    }
  ]
})

方式二：Base64 内嵌数据

适合在内存中处理图像数据的场景：

import * as fs from 'fs'

const imageBase64 = fs.readFileSync('./design.png').toString('base64')

await session.sendPrompt({
  messages: [
    {
      role: 'user',
      content: '参考这个设计稿实现 ProductCard 组件',
      attachments: [
        {
          type: 'blob',
          data: imageBase64,
          mimeType: 'image/png'  // 'image/png' 或 'image/jpeg'
        }
      ]
    }
  ]
})

同时附加多张图片

await session.sendPrompt({
  messages: [
    {
      role: 'user',
      content: '对比这两张截图，找出 UI 差异并修复',
      attachments: [
        { type: 'file', path: '/screenshots/before.png' },
        { type: 'file', path: '/screenshots/after.png' }
      ]
    }
  ]
})

支持的格式

格式	支持
PNG	✅
JPEG	✅
WebP	视模型而定
SVG	❌ 不支持

模型要求

图像输入需要使用具备视觉能力（Vision）的模型：

• 支持：GPT-4o、GPT-4 Vision、Claude Sonnet/Opus、Gemini Pro Vision 等
• 不支持：纯文本模型（如 GPT-3.5 Turbo）

使用 BYOK 时，确认你选择的模型支持视觉能力。

实用技巧

截图时注意分辨率：过大的图片会被自动缩小，建议截图时就控制在合理尺寸（1080p 以内），保留关键细节即可。

配合具体问题描述：单纯发图效果有限，结合文字描述问题所在（"左上角的按钮对齐问题"比"这里有个问题"更有用）。

超出大小限制的图片会被跳过：如果附件因大小或格式限制被跳过，SDK 不会报错，只是 Agent 看不到该图片。建议加日志确认附件是否被正确处理。

常见问题

Q: 可以发送 PDF 或 Word 文档吗？

A: 目前 SDK 图像输入只支持 PNG 和 JPEG。PDF 可以先用工具转换为截图，再通过文件路径方式附加。

Q: 附加多张图片会增加多少 token 消耗？

A: 每张图像在模型处理时会转换为一定数量的 token（通常 200~1000+ token，取决于分辨率）。频繁使用高分辨率图像会显著增加 Premium Request 消耗。

Q: 使用 BYOK 模式（Anthropic）时图像输入有效吗？

A: 有效，前提是选择支持视觉的 Claude 模型（如 claude-sonnet-4-6）。确认 model 参数指向视觉模型，SDK 会正确将图像转为 Claude 的多模态请求格式。