[Feature] 增加文档与视频发送功能与改进图片发送功能

[M3GCh1na]

1. 大部分模型都可以分析txt、word和pdf等文档内容以及cpp、py等代码文件，Gemini等多模态模型还可以处理音频和视频，希望可以增加向模型发送更多种类文件的功能，以更好地利用模型；

2. 现有的图片发送功能只能发送图片本身，无法同时用文字表述对图片处理的要求，只能发送图片后再次调用来满足需求。希望可以优化改进相关功能，可以将图片和对图片的处理要求同时发送给模型。例如：