QwenLM/Qwen-MM-Plugins

解決的問題

提供一組原生多模態插件，讓 AI 代理能直接處理圖像、影片、音訊、3D 模型與 CAD 檔案等多樣化媒體類型，無需依賴獨立的 API 或基本 shell 命令。

工作原理

功能以「技能」與可選的 MCP（模型上下文協定）伺服器形式安裝。這些插件可與各種代理框架（如 Claude Code 或 Qwen Code）整合，賦予底層模型讀取本機檔案、呼叫專用模型服務進行 OCR 與轉錄，甚至控制外部軟體（如 Blender 與 FreeCAD）的能力。

適用對象

希望為 Qwen 模型加入多模態能力的 AI 代理開發者，以及需要 AI 處理複雜媒體任務（如影片分析、文件視覺化或 3D 建模）的代理框架使用者。

主要亮點

• 核心媒體處理：原生支援本地影像、影片畫格與文件的讀取，支援裁切與邊界框標註。
• 專用工具：可直接控制 3D 軟體，包括 Blender（建模/渲染）與 FreeCAD（參數化 CAD）。
• 高階影片記憶：為長影片提供階層式記憶，支援無需重新觀看整個檔案即可查詢。
• 全方位能力：具備音視覺記憶能力，可將教學影片轉換為帶插圖的 PDF。
• 廣泛整合：支援多種代理框架，並使用 uv 實現按需 Python 依賴管理。