多媒体能力不只是能发图片而是一个完整的交互闭环发得出去、收得进来、收了还能处理。按这三个环节看能力边界最清楚。一、输出环节——程序能发哪些多媒体发送侧能力覆盖图片、文件、视频、语音每类对应一个发送接口。sendImage 发图片sendFile 发文档sendVideo 发视频。不同类型的参数结构有差异图片和视频通常传素材地址或路径文件还要带文件名。发送后看返回码1000 才算成功1004 限频要退避重试。二、输入环节——程序能收到哪些多媒体接收侧靠 Webhook 回调。用户发来图片、文件、视频时回调消息里带消息类型标识和素材引用程序据此判断是什么类型。收到的不是素材本身而是一个引用标识或临时地址。要拿到内容得再调下载接口把素材拉到本地。三、处理环节——收到之后能做什么素材落地后处理空间很大图片可以做 OCR 识别文字、做内容审核文件可以存档、解析内容PDF 报表、Excel 数据语音可以转文字再进业务流程。这一步是多媒体交互真正产生价值的地方——不只是传文件而是把文件内容变成业务数据。三个环节对照交互环节能力关键接口/参数注意点输出发图片/文件/视频/语音sendImage/sendFile/sendVideo素材地址、文件名输入接收多媒体回调Webhook 消息类型字段收到的是引用不是内容处理下载、OCR、解析、存档素材下载接口临时地址有时效收图处理示例app.post(/webhook) def webhook(): d request.json if d.get(messageType) 3: # 图片消息 img_url d[content] # 素材临时地址 local download(img_url) # 下载到本地 text ocr(local) # OCR 识别文字 sendText(d[wId], d[fromUser], f识别结果{text}) return {code: 1000}落地建议多媒体开发的坑大多在输入和处理环节以为回调里直接带文件内容结果只有引用以为临时地址永久有效结果过期下载失败。建议先跑通发图片最简单再做收图片并下载最后加 OCR、解析这类处理逻辑一步步验证。接口细节参考 Eyun 开发文档。
