Telegram 上的顾客，能展示的问题很少会用文字描述。他们会发三张照片加一个问题， 按住麦克风说上二十秒，或者录一段 Telegram 的圆形视频消息。你的 AI 智能体把这些 全部接收下来，只回复一次，并把每个文件都保存在 /conversations 里，供团队 查看。
拿 Brightwater Bike Repair 来说。一位顾客给店里的 Telegram 机器人发消息：三张 后轮被撞弯的照片，然后是 “修一下多少钱，周六之前能好吗？“。一分钟后，一条 语音消息：“对了，刹车也有异响。“。智能体用一条回复同时回答照片和问题，然后再 回答刹车的事。早上打开这段对话的技师，能看到照片，能播放那条语音，还能读到语音 里说了什么。
相册和它的问题，一条回复
Telegram 把相册按每张照片一条消息送达，和它一起输入的问题则是再多一条。每条 一到就回复，等于要回复四次，其中三次是回复还没有问题的照片。
所以，当消息里带有照片或文件时，智能体会 等到连续 5 秒没有新消息到达，然后 把收到的所有内容一起回复。不管顾客接着发多少，从第一条消息起最多也只等 20 秒。
- 纯文本会立刻回复。 只有收到的内容里带照片或文件时，才有这段等待。
- 最多 20 条消息合并回复。 顾客发了两个各 10 张照片的完整相册再加一个 问题，会得到两条回复。
- 智能体已经开始输入时发来的消息，不会加进那条回复。它会在第一条发出之后 得到自己的回复，所以智能体从不在同一段聊天里同时回答两件事。
顾客发来的每样东西，智能体会做什么
| 顾客发来 | 智能体 |
|---|---|
| 一张照片，或一个相册 | 看得到。每条回复最多 10 张照片，按发送顺序排列，所以它能说到“第三张照片”。 |
| 一条语音消息，或一个音频文件 | 读取所说内容的文字稿，并据此回复。 |
| 一条圆形视频消息 | 读取所说内容的文字稿。它看不到画面。 |
| 一个视频 | 知道来了一个视频。它看不了，也会直说，而不是猜里面是什么。 |
| 一个 GIF | 知道来了一个 GIF。它看不了。 |
| 一个贴纸 | 看得到贴纸的 emoji，所以 👍 贴纸读起来就是一个点赞。 |
| 一个文档 —— PDF、表格、Word 文件 | 知道来了一个文档，和它的名字。它打不开。 |
要提前打算的是最后一行。被告知 “这是我发票，你核对一下总额” 的智能体，会说它 打不开这个文件，而不会编一个总额出来。如果你的顾客会发来智能体应该读的文档， 就在指令里告诉它改说什么——请顾客把数字发成消息，或者说会有人来看。
早先的文件会被记住为“已发送”。 在顾客的下一条消息里，智能体知道在这段聊天 的更早时候，对方发过一张照片、一条视频消息或一个 👍 贴纸，以及当时它回了什么。 它不会再次看到那些照片。
每个文件最终在哪里
在 /conversations 里打开对话。顾客发来的每个文件，就在它被发来的那个会话 线程里：
- 照片 以网格排列，一张照片一格。点开一格可以看原尺寸大图。
- 一条语音消息 带播放器，下面是它的 Transcript。
- 一条圆形视频消息 在方形播放器里，文字稿在下面。
- 一个 GIF 无声循环播放，上面始终有一个 Pause GIF 按钮。如果你的电脑 设置了减少动态效果，GIF 会从暂停状态开始。
- 一个贴纸 显示为它的 emoji，很大。在会话列表里，预览显示 Sticker 👍。
- 一个视频 带播放器；一个文档 是一个带名字和大小的标签，点开会在新 标签页打开文件。
没能保存的文件会在原位显示一行字——Photo not available、Voice message not available、Document not available——这样即使内容显示不出来，你也知道 有东西发过来过。
值得知道的事
- 超过 16 MB 的文件不会被保存。 顾客的消息照样到达，文件的位置上显示那行字， 智能体也会被告知文件加载失败。
- 文件保留 180 天，之后删除。消息本身，以及文字稿的内容，会一直保留。
- 被编辑过的消息不会再次被回答。 如果顾客发送后编辑了消息，智能体回答的是 原消息，收件箱里显示的也是原消息。
- 没有智能体的机器人照样保存一切。 如果没有设置智能体在机器人上回复，每条 消息和每个文件照样进入 /conversations，等一个人来回复—— 给 Telegram 机器人装上 AI 智能体 把两者都讲到了。
接下来
- 给 Telegram 机器人装上 AI 智能体 —— 选择由谁回复，或者把机器人留给团队。
- 从收件箱回复 Telegram 顾客 —— 接管一段聊天，用你自己的照片回复，再把它交还给 AI。
- 教它说什么、怎么做 —— 在哪里告诉智能体，遇到打不开的文档该怎么做。