5
0【本期主题】
阿里发布的 Qwen-MM-Plugins，把读图、长视频记忆、剪辑和三维建模接到了现有智能体上。本期顺着八项功能，看本地工具和云端服务如何配合，以及在 WorkBuddy 里安装需要哪些准备。核心变化是，多模态开始成为智能体能自己调用的工具，纯文本模型也能借此看图片和视频。
【核心看点】
阿里把读图、剪视频和操作三维软件装进一套插件，现有智能体能多出哪些本事？
本地运行的 core 和云端 api 分别管什么，音视频转写为什么还能带上说话人标签？
给智能体一张照片，search 怎么顺着画面找拍摄地点，长视频又怎样留下时间点？
从串联音视频素材到控制 Blender 建模，智能体动手之前需要先装好哪些软件？
理科题怎么变成中文讲解视频，把八项能力装进 WorkBuddy 为什么可能要二十分钟？
DeepSeek V4 这类纯文本模型接上插件后，为什么也能获得查看图片和视频的能力？
【主播】
软件和人工智能专家，程序员，已申请数十项技术专利。连续创业者，历任多家公司 CTO，AI 畅销书《DeepSeek 全场景指南》《学会提问，驾驭 AI：提示词从入门到精通》《玩转 Skill》作者，C 哥的 AI 成长圈主理人，帮众多企业和个人落地 AI。
