通义千问开源了插件，让普通Agent秒变多模态

Qwen 刚开源了一个很实用的项目：Qwen-MM-Plugins。

一句话概括：让 Codex、Claude Code、Qwen Code、Gemini CLI 等 Agent，直接拥有原生多模态能力。

它把能力拆成了一组可独立安装的插件：
🖼️ 图片 / 视频 / PDF / 3D 文件读取 🔍 OCR、目标定位、图像分割 🎙️ 音视频转录、说话人识别、时间戳理解 🌐 Web 搜索 + 反向图片搜索 🎬 长视频记忆、视频编辑与生成 🧊 直接操控 Blender 做 3D 建模 ⚙️ 操控 FreeCAD 做参数化 CAD 📚 自动生成数学/科学讲解视频

比较有意思的是，它并不绑定某一个 Agent Harness。 Claude Code、Codex、Qwen Code、OpenClaw、Qoder 都可以直接装，底层通过 Skill + MCP 扩展能力。

以后 Agent 不只是「读代码 + 调工具」，而是真的开始能看图、听音频、理解视频、操作 3D/CAD 软件了。

项目：QwenLM/Qwen-MM-Plugins

核心思路很简单： 不是限制 Agent，而是给它一个可以放心折腾的隔离环境。

这可能会成为高自治 Coding Agent 的重要基础设施。