输入框中支持输入更复杂的内容，比如图片视频等

[jiushuwxb]

Feature Description / 功能描述

Community Communication / 社区沟通

• I will be polite and respectful. / 我会保持礼貌与尊重。
• I will share constructive, actionable suggestions. / 我会提供建设性、可行动的建议。
• I have read the CODE_OF_CONDUCT.md and CONTRIBUTING.md. / 我已阅读行为准则。

[gaomeng1900]

作为操作网页的 task 不应该会有图片视频的需求（因为 agent 本身没有视觉能力，看不到网页的渲染效果，从图片视频中学习了知识也无法应用）。

这里是希望执行什么 task？

[gaomeng1900]

转 discussion 咯

[CodePangZ]

有的复杂表单需要上次文件，目前支持吗