Tags: #多模态

Qwen 团队开源的多模态插件集,skill + MCP 双件套让任何 agent harness 原生看图像、视频、文档。从"为什么是插件"出发,拆解读图的预算机制、纯文本模型怎么借眼睛、长视频的四层图记忆怎么建怎么查。