效率需要联网clawhub未标认证来源可访问clear审计提醒

multimodal（multimodal 文档）

Agent Skill

multimodal 用于补充效率相关能力，适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

总安装

17,535

周安装

738

GitHub Stars

公开资料未说明

下载量

6,140

OpenClaw

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

来源数

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：multimodal（multimodal 文档）
来源仓库：https://github.com/tridefender/multimodal
安装命令：
openclaw skills install multimodal
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

ClawHubOpenClaw

openclaw skills install multimodal

简介

multimodal 使用 GLM-4.6V 模型进行图片、视频和文档的多模态内容理解。

适用于需要同时处理多种媒体类型的效率场景。
通过 openclaw skills install multimodal 安装使用。
建议在使用前确认模型支持的输入格式和文件大小限制。
multimodal 属于效率类 Skill，可作为该场景下的辅助能力补充。

SKILL.md

name: Multimodal Analyzer
slug: multimodal
version: 1.0.0
description: 使用GLM-4.6V模型进行多模态内容理解（图片、视频、文档）

Multimodal Understanding Skill

使用智谱GLM-4.6V模型理解图片、视频、文档内容。

功能

图片理解：OCR、场景分析、物体检测、属性识别
视频理解：内容摘要、关键帧分析
文档理解：PDF、复杂表格解析
深度思考模式：开启后进行深层推理分析

使用方式

理解这张图片：[图片URL或本地路径]
分析这个视频：[视频URL]
这个PDF讲什么：[PDF URL]

技术细节

模型：GLM-4.6V (106B, 128K上下文)
API端点：https://open.bigmodel.cn/api/paas/v4/chat/completions
需要ZHIPU_API_KEY环境变量

限制

不支持同时处理图片+视频+文件（只能选一种模态）
视频URL需要公网可访问

调用脚本

调用 scripts/analyze.py 进行分析：

python scripts/analyze.py --type image|video|file --input <url_or_path> --prompt "你的问题"

参数：

--type: 输入类型 (image/video/file)
--input: URL或本地文件路径
--prompt: 分析提示词
--thinking: 启用深度思考模式
--stream: 流式输出

适合场景

OpenClaw 用户查找和安装 Skill 时

用户想查找某类 Agent Skill 时

需要根据任务场景推荐可安装能力包时

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

96.99%

按下载量换算5,955

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

未展示

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API；具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果，不能写成本站确认安全。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/tridefender/multimodal

SKILL.md 来源

clawhub.ai

/tridefender/multimodal

继续浏览同类 Skills

更多效率 Skills（21,003）返回 Skills 目录

上一个 Skill

multimedia-to-obsidian（multimedia TO Obsidian 文档）

multimedia-to-obsidian 用于整理文档、README、Markdown 和说明材料，适合在 OpenClaw 中需要把零散信息整理成结构清晰的文档时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

multisig（multisig 效率）

multisig 用于补充效率相关能力，适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。