diff --git a/streamlit_app.py b/streamlit_app.py
index 79386ab..983f044 100644
--- a/streamlit_app.py
+++ b/streamlit_app.py
@@ -11,12 +11,14 @@ import dashscope
 from dashscope import Generation
 from streamlit_option_menu import option_menu
 from http import HTTPStatus
+from PIL import Image
+
 
 dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")  # get api key from environment variable
 
 st.set_page_config(layout="wide", page_title='TestGenius')
 
-default_title = '新的对话'
+default_title = 'New Chat'
 default_messages = [('user', 'Hello'),
                     ('assistant', 'Hello, how can I help you?')
                     ]
@@ -48,10 +50,10 @@ AVAILABLE_MODELS = [
 ]
 
 with st.sidebar:
-    # st.image('assets/hero.png')
+    st.image('logo.png')
     st.subheader('', divider='rainbow')
     st.write('')
-    llm = st.selectbox('Choose your Model', AVAILABLE_MODELS, index=1)
+    llm = st.selectbox('Choose your Model', AVAILABLE_MODELS, index=0)
 
     # if st.button('New Chat'):
     #     conversations.append({'title': default_title, 'messages': []})
@@ -66,12 +68,20 @@ with st.sidebar:
         titles,
         default_index=st.session_state.index
     )
+    uploaded_file = st.file_uploader("Choose a image file", type="jpg")
+
+    if st.button("Clear Chat History"):
+        st.session_state.messages.clear()
+
+if uploaded_file:
+    image_uploaded = Image.open(uploaded_file)
+    image_path = image_uploaded.filename
 
 
 def respond(prompt):
     messages = [
         {'role': 'user', 'content': prompt}]
-    responses = Generation.call(model=llm,
+    responses = Generation.call(model="qwen-turbo",
                                 messages=messages,
                                 result_format='message',  # 设置输出为'message'格式
                                 stream=True,  # 设置输出方式为流式输出
@@ -88,12 +98,10 @@ def respond(prompt):
 
 
 def respond_nonStream(prompt, instruction):
-    messages = [{'role': 'system',
-                 'content': instruction},
-                {'role': 'user',
-                 'content': prompt}
-                ]
-    response = Generation.call(model=llm,
+    messages = [
+        {'role': 'system', 'content': instruction},
+        {'role': 'user', 'content': prompt}]
+    response = Generation.call(model="qwen-turbo",
                                messages=messages,
                                result_format='message',  # 设置输出为'message'格式
                                )
@@ -106,7 +114,29 @@ def respond_nonStream(prompt, instruction):
         )
 
 
-prompt = st.chat_input("Enter your questions")
+def respond_image(prompt, image):
+    messages = [
+        {'role': 'user',
+         "content": [
+             {"image": image},
+             {"text": prompt}
+         ]
+         }
+    ]
+    response = dashscope.MultiModalConversation.call(model="qwen-vl-max",
+                                                     messages=messages,
+                                                     result_format='message',  # 设置输出为'message'格式
+                                                     )
+    if response.status_code == HTTPStatus.OK:
+        return response.output.choices[0]['message']['content']
+    else:
+        return 'Request id: %s, Status code: %s, error code: %s, error message: %s' % (
+            response.request_id, response.status_code,
+            response.code, response.message
+        )
+
+
+prompt = st.chat_input("Enter your Questions")
 st.session_state.messages = conversations[st.session_state.index]['messages']
 if prompt:
     if conversations[st.session_state.index]['title'] == default_title:
@@ -114,8 +144,32 @@ if prompt:
     for user, message in st.session_state.messages:
         chat(user, message)
     chat('user', prompt)
-    system = 'You are a helpful assistant.'
-    answer = respond_nonStream(prompt, system)
+    instruction = """# 角色定义
+                您是一位高级测试工程师AI，专注于从用户提供的产品功能描述中生成详细准确的测试用例。您可以处理包含文字描述和/或图片说明的需求。
+                
+                # 任务需求
+                - 深入分析用户提交的一个或多个产品功能需求。
+                - 根据需求，按需求顺序生成测试用例。
+                
+                # 输入处理
+                - 用户输入可以是文字描述、图片，或两者的结合。
+                - 当面对多个需求时，您应能够识别并按照需求的序号或提出顺序生成对应的测试用例。
+                
+                # 格式和规范
+                - 每个测试用例应按照Markdown格式的表格展示。
+                - 表格应包括三个字段：`用例编号`、`测试步骤`、`预期结果`。
+                - 确保测试用例的编撰语言与用户的产品功能描述语言一致。
+                - 对于图像中的需求，应先解读图像内容，然后按照文字需求处理。
+                
+                # 输出规则
+                - 对于每个需求，生成的测试用例应该包括一个独立的Markdown表格。
+                - 如果用户提交了多个需求，应按照需求的提出顺序分别生成并编号每个测试用例，确保输出的顺序性和准确性。
+                - 若用户输入与产品功能无关，以专业态度回应：“作为测试工程师AI，我主要生成测试用例。请提供具体的产品功能需求。
+                """
+    if uploaded_file:
+        answer = respond_image(prompt, image_path)
+    else:
+        answer = respond_nonStream(prompt, instruction)
     st.session_state.messages.append(('user', prompt))
     st.session_state.messages.append(('assistant', answer))
     chat('assistant', answer)