请问怎么在客户端中用 API 和 AI 的 API 互动呢

我在 chatbox 里尝试使用 POE 里提取 gpt 还有硅基流动的 ds 互动，都不支持图片和 word ，请问这些 API 怎么使用才能识别图片和附件呢？