夜雨聆风你用 AI 助手写代码、查资料，一天下来很顺手。但有个尴尬：它是个"文盲"——只认文本。丢给它一张截图问"这个报错什么意思"，它只能说"我看不到图片"。
Qwen-MM-Plugins 解决的就是这个。通义千问官方出的多模态插件集，给主流 AI Agent 装上眼睛和耳朵。项目上个月底刚开源，Apache-2.0 协议。
装完之后，引用文件的方式很自然——直接把文件 @ 给 AI：
@report.pdf 总结第 3 页，提取里面的表格
@meeting.mp4 转写这段会议，带上说话人和时间戳
@place.jpg 识别这张照片在哪拍的，并在网上核实
@lecture-2h.mp4 列出两小时讲座的要点，带时间戳PDF、视频、图片，AI 自己会判断该用什么工具处理，不用你操心格式。core 能力读媒体时会自动调分辨率，手动缩放基本不需要。
2、八个能力，按需装
整套插件拆成 8 个独立能力，每个都是一对"技能 + 可选 MCP 服务"，想用哪个装哪个：
- • core：读图片视频，可视化文档、代码、数据、3D 文件。本地工具，不需要任何 API key
- • api：视觉、OCR、定位、语音转写、分割、音视频理解，走通义千问的云 API
- • search：网页搜索、页面提取、以图搜图（需要搜索服务的 key）
- • video-memory：给长视频建分层记忆，做长视频问答
- • video-edit：图片、视频、音频的生成和编辑工作流
- • blender：在 Blender 里建模、贴图、打光、渲染
- • freecad：参数化 CAD、STEP/STL 导出、有限元分析
- • edu-agent：生成中文数学、科学讲解视频和互动页面
最有意思的是 blender 和 freecad——AI 不只是"看"图，还能直接上手 3D 建模和 CAD 工程图，这两个都是本地开源软件驱动。
3、core 免费用，这点很实在
很多多模态方案上来就要 API key、按量计费。这套插件的 core 能力是纯本地的：读图片、看视频、可视化文档，跑在你自己的机器上，一分钱不用花。
只有要用云模型的能力（api、search、video-edit 这些）才需要对应的 key。想先试试水，装 core 就够了。
4、怎么装
一条命令：
curl -fsSL https://raw.githubusercontent.com/QwenLM/Qwen-MM-Plugins/main/install.sh | bash安装器带引导，支持 Claude Code、Codex、Qwen Code、Gemini CLI 等主流 Agent 框架，每个都走框架自己的原生安装命令，配置统一放在 ~/.qwen-mm-plugins/。装完跑一遍它的"配置"和"验证"，依赖齐不齐一目了然。
5、适合谁，不适合谁
适合：日常重度用 AI 助手、又经常要处理截图/PDF/视频的人——客服截图、会议录像、产品文档，直接 @ 进去问。做 3D 或机械设计的，blender 和 freecad 两个能力值得单独装。
不适合：只用 AI 聊天的轻度用户，装上用不上；另外云能力需要国内访问通义千问 API 的网络条件。
一个 @ 符号让 AI 睁开眼睛，这件事官方出手做得比社区插件更省心。
总结
Qwen-MM-Plugins 用"技能 + MCP"的方式给 AI Agent 加多模态能力，8 个能力独立安装，core 本地免费，@ 引用文件即可问答。
核心要点：
- 1. @ 即问答 — @ 图片/PDF/视频，AI 自动选工具处理
- 2. core 全免费 — 本地看图读视频，不需要 API key
- 3. 8 个能力按需装 — 视觉/搜索/视频编辑/Blender/CAD 各取所需
- 4. 官方维护 — 通义千问出品，Apache-2.0
- 5. 一条命令安装 — 支持 6 个主流 Agent 框架
建议收藏，下次 AI 助手说"我看不到图片"的时候，@ 一下。
项目地址：https://github.com/QwenLM/Qwen-MM-Plugins
你平时会丢图片、PDF 给 AI 看吗？评论区聊聊，觉得有用也顺手点个在看。