Qwen-MM-Plugins 

现在的 AI 助手大多只能处理文本，或者需要复杂的配置才能看懂图片、视频。Qwen-MM-Plugins 是一套面向 Qwen 模型的原生多模态理解插件，它的目标很简单：让 Claude Code、Codex、OpenClaw 等任何支持 MCP 或 Skill 的 Agent Harness，都能像人类一样直接“看”懂图片、视频、文档甚至 3D 模型。

它不是把功能硬塞进模型里，而是通过 Skill（告诉模型有什么工具）+ MCP Server（实际干活的工具本体） 的组合，让 Agent 具备真正的多模态感知和操作能力。

核心能力矩阵

这套插件将多模态能力拆解为独立的模块，你可以按需安装：

为什么它很强？

1. 动态分辨率读取：这是核心技术亮点。无论是 4K 截图上的细小文字，还是模糊的小缩略图，插件都会自动将其缩放到 VL 模型最适合的 Patch Grid 尺寸。你不需要手动预处理图片，模型总能看清该看的地方。
2. 模块化与解耦：每个能力独立安装。如果你只需要读 PDF，就只装 core；如果需要搞 3D 设计，再装 blender。不用的模块不会占用资源。
3. 广泛的 Harness 支持：通过引导式安装器，它可以无缝接入 Claude Code、Codex、Qoder、OpenClaw、Qwen Code 甚至 Gemini CLI。底层调用各 Harness 的原生安装机制，不重造轮子。
4. 自动化依赖管理：基于 uv 和 uvx，首次启动时自动在隔离环境中安装 Python 依赖，无需你手动 pip install 搞乱系统环境。

快速上手

1. 一键安装（推荐）

在终端运行以下命令，启动引导式菜单：

curl -fsSL https://raw.githubusercontent.com/QwenLM/Qwen-MM-Plugins/main/install.sh | bash

注意：Windows 用户建议使用 WSL2（Ubuntu），并在 WSL home 目录下操作。

2. 配置 API Key

部分高级功能（如 Omni 音视频、联网搜索）需要 API Key。安装器会引导你配置 ~/.qwen-mm-plugins/config：

• DASHSCOPE_API_KEY：用于视觉理解、OCR、音视频处理等。
• SERPER_API_KEY：用于联网搜索和图片搜索。

3. 开始使用

安装完成后，在你的 Agent Harness（如 Claude Code）中直接引用文件提问即可：

• 读图：@dashboard-4k.png 读出这张仪表盘里的每一个数字。
• 读长视频：@lecture-2h.mp4 这段视频的主要观点是什么？带上时间戳。
• 3D 建模：建一个低多边形木凳，加一盏暖色主光，然后渲染出来。（需本地开启 Blender）
• CAD 设计：建一颗 M6 六角螺栓、长 30 mm，导出成 STEP。（需本地开启 FreeCAD）