用途：调用阿里云百炼 Qwen VL 系列模型完成图像理解任务，即图像输入、文本输出，适用于图像问答、视觉内容描述与字段抽取等场景。
主要能力：提供统一接口 multimodal.chat，请求参数包括 prompt（必填，针对图像的问题或指令）、image（必填，支持 HTTPS URL、本地路径或 data: URL）、model（可选，默认 qwen3-vl-plus）、max_tokens（默认 512）、temperature（默认 0.2）、detail（auto/low/high，默认 auto）、json_mode（尽量返回纯 JSON）、schema（JSON Schema 结构化抽取）、max_retries（默认 2）与 retry_backoff_s（默认 1.5）。响应包含 text、实际使用的 model 与 usage。
模型名称：优先使用 qwen3-vl-plus、qwen3-vl-flash；需要 latest 路由或可复现快照时可用 qwen3-vl-plus-latest、qwen3-vl-plus-2025-12-19、qwen3-vl-flash-2026-01-22、qwen3-vl-flash-latest 等别名或快照；部分负载仍见 qwen-vl-max-latest、qwen-vl-plus-latest 等旧名称。OCR 专用抽取建议改用 alicloud-ai-multimodal-qwen-ocr 技能。
使用方式：先安装依赖，建议在虚拟环境中执行 python3 -m venv .venv、. .venv/bin/activate、python -m pip install requests；设置 DASHSCOPE_API_KEY 环境变量，或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。快速开始示例：python skills/ai/multimodal/alicloud-ai-multimodal-qwen-vl/scripts/analyze_image.py --request '{"prompt":"Summarize the main content in this image","image":"https://example.com/demo.jpg"}' --print-response。也可用 cURL 调用 https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions，携带 Authorization: Bearer $DASHSCOPE_API_KEY。结构化抽取可加 --json-mode 或 --schema 指定 JSON Schema 文件。
输出与验证：设置 --output 时保存 JSON 响应，默认输出目录为 output/alicloud-ai-multimodal-qwen-vl/，建议同时保存原始响应、归一化结果、输入图像引用与提示词以便追溯。可用 python -m py_compile 校验脚本，冒烟测试脚本为 tests/ai/multimodal/alicloud-ai-multimodal-qwen-vl-test/scripts/smoke_test_qwen_vl.py。
限制与错误处理：401/403 多为密钥缺失或无效，需检查 DASHSCOPE_API_KEY 与账号权限；400 为请求结构或图像来源不支持；429 为限流，应退避重试并降低并发；5xx 为后端临时问题，可退避重试。生产环境建议固定快照模型 ID，上传前压缩大图，并在提示词中明确字段、JSON 结构与语言等约束。具体收费与价格资料暂未提供。