QwenLM/Qwen-MM-Plugins

解决的问题

提供一组原生多模态插件，使 AI 代理能够直接处理图像、视频、音频、3D 模型和 CAD 文件等多样化媒体类型，而无需依赖独立的 API 或基础 shell 命令。

工作原理

功能以「技能」和可选的 MCP（模型上下文协议）服务器形式安装。这些插件可与各种代理框架（如 Claude Code 或 Qwen Code）集成，赋予底层模型读取本地文件、调用专用模型服务进行 OCR 和转录，甚至控制外部软件（如 Blender 和 FreeCAD）的能力。

适用人群

希望为 Qwen 模型添加多模态能力的 AI 代理开发者，以及需要 AI 处理复杂媒体任务（如视频分析、文档可视化或 3D 建模）的代理框架用户。

主要亮点

• 核心媒体处理：原生支持本地图像、视频帧和文档的读取，支持裁剪和边界框标注。
• 专用工具：可直接控制 3D 软件，包括 Blender（建模/渲染）和 FreeCAD（参数化 CAD）。
• 高级视频内存：为长视频提供分层内存，支持无需重新观看整个文件即可查询。
• 全能力支持：具备音视频记忆能力，可将教程视频转换为带插图的 PDF。
• 广泛集成：支持多种代理框架，并使用 uv 实现按需 Python 依赖管理。