feat: support image inputs in assistant tests

frontend/src/data/batch-run.ts

@@ -54,6 +54,13 @@ export type BatchTurnResult = {
   id: string;
   index: number;
   userInput: string;
+  image: {
+    assetId: string;
+    filename: string;
+    width: number;
+    height: number;
+    sizeBytes: number;
+  } | null;
   assistantReply: string;
   toolCalls: BatchToolCallRecord[];
   runtimeRecords?: Array<Record<string, unknown>>;

frontend/src/data/test-suites.ts

@@ -1,7 +1,7 @@
 /**
  * 测试集 / 测试用例的前后端共享契约与编辑器辅助函数。
  * 两层：Test Suite → Test Case。
- * MVP 仅运行固定文字脚本；其它输入模式保留为产品路线提示。
+ * MVP 运行固定文字/图片脚本；其它输入模式保留为产品路线提示。
  */
 
 /** 顶部模式选择器的唯一来源；不再单独维护「测试类型」字段 */
@@ -80,6 +80,14 @@ export type ToolCallExpectedBehavior = {
 
 export type ExpectedBehavior = ReplyExpectedBehavior | ToolCallExpectedBehavior;
 
+export type TestImageRef = {
+  assetId: string;
+  filename: string;
+  width: number;
+  height: number;
+  sizeBytes: number;
+};
+
 /**
  * 固定输入的一轮：只编辑 User 输入；Agent 回复 / Tool Call 由运行时生成。
  * behaviors 为 0~N 个预期行为（AND）；空数组表示仅推动对话、不做断言。
@@ -87,6 +95,7 @@ export type ExpectedBehavior = ReplyExpectedBehavior | ToolCallExpectedBehavior;
 export type FixedInputTurn = {
   id: string;
   userInput: string;
+  image: TestImageRef | null;
   behaviors: ExpectedBehavior[];
 };
 
@@ -134,7 +143,7 @@ export const DEFAULT_INPUT_MODE: TestCaseInputMode = "fixed_script_text";
 
 /**
  * MVP 可运行性规则。
- * 目前执行器只支持固定文字；每一轮都需要用户输入，并至少配置一项断言。
+ * 目前执行器支持固定文字和单张图片；每轮至少有一种输入，并配置断言。
  */
 export function getTestCaseValidationMessage(
   item: Pick<
@@ -219,10 +228,10 @@ export function getTestCaseValidationMessage(
       .join("、")}`;
   }
   const emptyTurnIndex = item.turns.findIndex(
-    (turn) => !turn.userInput.trim(),
+    (turn) => !turn.userInput.trim() && !turn.image,
   );
   if (emptyTurnIndex >= 0) {
-    return `第 ${emptyTurnIndex + 1} 轮用户输入不能为空`;
+    return `第 ${emptyTurnIndex + 1} 轮需要填写用户文字或添加图片`;
   }
   for (let turnIndex = 0; turnIndex < item.turns.length; turnIndex += 1) {
     const turn = item.turns[turnIndex];
@@ -267,7 +276,7 @@ export function isTestCaseRunnable(
 }
 
 export const TEST_CASE_INPUT_MODE_LABEL: Record<TestCaseInputMode, string> = {
-  fixed_script_text: "固定脚本 · 文字",
+  fixed_script_text: "固定脚本 · 多模态",
   fixed_script_turn_voice: "固定脚本 · 逐轮语音",
   fixed_script_continuous_voice: "固定脚本 · 连续语音",
   user_sim_text: "用户模拟 · 文字",
@@ -279,7 +288,7 @@ export const TEST_CASE_INPUT_MODE_SHORT_LABEL: Record<
   TestCaseInputMode,
   string
 > = {
-  fixed_script_text: "固定文字",
+  fixed_script_text: "固定输入",
   fixed_script_turn_voice: "逐轮语音",
   fixed_script_continuous_voice: "连续语音",
   user_sim_text: "模拟文字",
@@ -412,6 +421,7 @@ export function createEmptyFixedInputTurn(
   return {
     id: newEditorId("turn"),
     userInput,
+    image: null,
     behaviors: [],
   };
 }
@@ -484,6 +494,7 @@ export function cloneTurns(turns: FixedInputTurn[]): FixedInputTurn[] {
   return turns.map((turn) => ({
     id: turn.id,
     userInput: turn.userInput,
+    image: turn.image ? { ...turn.image } : null,
     behaviors: turn.behaviors.map(cloneBehavior),
   }));
 }