Menu
Multimodal-Looker - 多模态内容分析和理解工具，支持图像、视频和音频。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | multimodal-looker |
| description | Multimodal-Looker - 多模态内容分析和理解工具，支持图像、视频和音频。 |
| license | MIT |
| tags | ["multimodal","vision","audio","video","analysis"] |
Multimodal-Looker 是一个多模态内容分析和理解工具，能够处理和理解图像、视频和音频内容。
from multimodal_looker import MultiModalClient
client = MultiModalClient(api_key="your-api-key")
# 分析图像
result = client.analyze_image(
image_url="https://example.com/image.jpg",
tasks=["describe", "extract_text", "detect_objects"]
)
# 分析视频
video_result = client.analyze_video(
video_path="video.mp4",
tasks=["summarize", "detect_scenes", "transcribe"]
)
Atlas - 知识导航 Agent，帮助浏览和组织大型知识库。
Autoresearch - 自主研究 Agent，自动搜集、分析和综合信息。
Awesome AI Agent - 最全面的 AI Agent 资源列表，包含 1500+ 工具和框架。
Claude Subconscious - Letta 的 Claude 子意识模块，用于 AI Agent 的长期记忆和人格管理。
DeerFlow 2.0 - 字节跳动开源的长时程 AI Agent 框架，支持研究、编码和创作任务。
Hephaestus - 半结构化 Agentic 框架，工作流根据实际发现的任务自动构建。