关于多模态大模型支持

[1059027178]

作者您好，非常感谢您开源的项目，这个项目我已经本地运行起来了，搭配设计器通过描述就能够快速搭建表单，实际表现非常惊艳。
有以下需求建议，您看能否采纳：

1. 前端UI页面实际情况往往比较复杂，使用自然语言描述往往难以达到理想目标。
2. 将页面的UI和交互效果转为自然语言需要比较专业的前端研发，这对使用者的门口比较高。
   基于以上的背景，期望您评估是否能够支持图片，视频输入源，作为接口的输入。这样用户使用时，将可以更加便捷地根据实际的设计图纸，纸质表单快速完成电子表单搭建功能。
   期望您的回复。