飞翔的智能体
@nengpao
Qwen刚开源了一个很实用的项目：Qwen-MM-Plugins！
一句话概括：让Codex、Claude Code、Qwen Code、Gemini CLI等Agent，直接拥有原生多模态能力。
它把能力拆成了一组可独立安装的插件：
🖼️ 图片/视频/PDF/3D文件读取
🔍 OCR、目标定位、图像分割
🎙️ 音视频转录、说话人识别、时间戳理解
🌐 Web搜索+反向图片搜索
🎬 长视频记忆、视频编辑与生成
🧊 直接操控Blender做3D建模
⚙️ 操控FreeCAD做参数化CAD
📚 自动生成数学/科学讲解视频
比较有意思的是，它并不绑定某一个Agent Harness。Claude Code、Codex、Qwen Code、OpenClaw、Qoder都可以直接装，底层通过Skill+MCP扩展能力。
以后Agent不只是「读代码+调工具」，而是真的开始能看图、听音频、理解视频、操作3D/CAD软件了。
项目地址：github.com/QwenLM/Qwen-MM…
话题来源 @AISuperDomain
12K阅读 ❤️122 x.com/…↗ 已改写，非原文转载
367 浏览 0 评论
0 反应
