寓言故事
只听文字的柜台开始漏掉真相
保险理赔大厅最早只收表格。客户把事故经过写下来，理赔员按文字判断责任、损失和下一步材料。
后来客户开始上传照片、行车记录仪片段、维修录音和聊天截图。表格仍然重要，但真相常藏在图片角落或视频前几秒。大厅的旧系统只会读文字。工作人员只好让客户把照片里的内容描述一遍，把视频里的情况写成说明。客户写不清，理赔员也看不全。
主管先加了一条规定：所有非文字材料必须人工转写。队伍立刻变长，转写还常遗漏关键细节，比如裂痕位置、灯号颜色和说话语气。
新系统没有把所有东西都压成文字。它把文字、图片、视频、音频和结构化字段都当作案件的一部分，让 帮手 在同一个流程里读取和比较。
一次争议案中，客户文字说‘设备正常关闭’，视频却显示红灯闪烁，维修录音里工程师提到上次补丁未完成。三种信号合在一起，判断才完整。
理赔员发现，多模态不是多几个上传入口，而是让不同形式的证据共同参与推理、检索和决策。系统也设置了边界：视觉识别低置信度时要请求人工复核；音频转写涉及隐私时要脱敏；结构化字段和原始证据必须一致可追。
理赔主管先加派人手，把影像内容全部转写成文字。队伍更长了，细节仍在转写时丢失：裂痕方向、雨夜反光、刹车声的迟疑，纸上写不出。后来大厅换了新柜台。柜台能同时看表格、照片、片段和录音，但每种材料都标明来源，重要判断还要让理赔员复核。
一桩小撞车案改变了大家的看法。文字说“轻微剐蹭”，照片角落却露出断裂的儿童座椅卡扣。只听一种材料，真相就会缺一边。大厅最后换掉了那句老口号：只要表格填得完整就够了。真实业务从来不是单一格式。