聊天模式能用什么能力——识图、读 PDF、联网检索
三种输入方式
聊天模式支持三种输入：纯文本、图片、文件。
纯文本
最基础的输入方式，直接打字问问题、说需求。Manus 会根据问题决定是否需要联网检索——不需要联网的问题（如概念解释、润色文字）直接回答，需要最新信息的问题（如「今天的新闻」「X 公司最新财报」）自动联网。
识图
点输入框左边的图片图标，上传一张图片。Manus 能做的事：
- 识别图片里的文字（OCR）
- 描述图片内容
- 分析图表数据（如果是柱状图、折线图等）
- 解释图片里的界面报错截图
- 对比两张图片的差异
支持的图片格式：PNG、JPG、GIF、WebP。
读 PDF
点附件图标上传 PDF 文件。Manus 能做的事：
- 整篇总结（3 句话 / 3 段 / 要点列表，任选）
- 翻译（整篇 / 指定段落）
- 提取特定内容（「找出第 3 章所有数据」「列出所有的参考文献」）
- 问答（「根据这个 PDF，X 是怎么定义的？」）
联网检索
聊天模式默认开启联网检索。Manus 会根据问题自动判断是否需要去网上查：
- 事实性问题（「X 公司成立于哪一年？」）→ 去查
- 需要最新数据（「2025 年 AI Agent 市场规模」）→ 去查
- 纯主观分析（「X 产品的优缺点」）→ 可能查也可能不查
你可以在指令里显式要求联网或不联网：
- 「帮我查一下今天的汇率」→ 强制联网
- 「不用联网，根据已有知识回答」→ 强制离线
多轮对话的上下文保留
聊天模式会保留多轮对话的上下文。你可以：
- 追着一个问题连续问 10 轮以上
- 让 Manus 参考前几轮的回答继续细化
- 前面给了一个 PDF，后面可以继续基于这个 PDF 提问
上下文保留是有上限的——太长的对话（比如超过 50 轮）可能会丢失最早的内容，这时开一个新对话比较好。
能力上限
聊天模式能做的事到此为止。它不会：
- 自主打开浏览器去多个网站查资料（只在回答当前问题时联网查一次）
- 写代码并执行（可以给你代码片段，但不会自己跑）
- 产出文件（只能给你可以复制的文本，不会生成 PDF/PPTX）
- 记住长时间的项目上下文（每个聊天对话是独立的）
需要这些能力时，切到智能体模式。