用途：在需要从阿里云百炼模型获取多模态嵌入时使用，覆盖文本、图像、视频的检索与相似度工作流。
主要能力：提供归一化接口 embedding.multimodal。请求字段包括 model（可选，默认 qwen3-vl-embedding）、texts、images（公网 URL 或客户端上传的本地路径）、videos（支持时使用公网 URL）、dimension（可选）。响应包含 embeddings、dimension 及可选的 usage。
关键模型名：qwen3-vl-embedding、qwen2.5-vl-embedding、tongyi-embedding-vision-plus-2026-03-06。选择建议：优先 qwen3-vl-embedding 作为最新多模态嵌入路径；需要兼容旧部署管线时使用 qwen2.5-vl-embedding。qwen3-vl-embedding 可选维度如 2560、2048、1536、1024、768、512、256。
前置条件：在环境中设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。构建检索系统时搭配 DashVector、OpenSearch 或 Milvus 等向量存储。
使用方式：快速开始命令为 python skills/ai/search/alicloud-ai-search-multimodal-embedding/scripts/prepare_multimodal_embedding_request.py --text "A cat sitting on a red chair" --image "https://example.com/cat.jpg" --dimension 1024。校验命令为 mkdir -p output/alicloud-ai-search-multimodal-embedding 与 python -m py_compile skills/ai/search/alicloud-ai-search-multimodal-embedding/scripts/prepare_multimodal_embedding_request.py && echo "py_compile_ok" > output/alicloud-ai-search-multimodal-embedding/validate.txt，通过标准为命令退出码 0 且生成 validate.txt。
操作建议：保持 input.contents 为数组，形状错误常导致 400；写入向量前固定输出维度以匹配索引结构；同一向量索引使用相同模型与维度，避免混合向量不兼容；大批量图像或视频可先暂存对象存储并引用稳定 URL。
输出与证据：默认输出 output/alicloud-ai-search-multimodal-embedding/request.json，可用 OUTPUT_DIR 覆盖基础目录；保存归一化请求载荷、所选维度与样本输入引用，并记录确切模型、模态组合与输出向量维度以便复现。
限制：资料未提供收费、价格、配额、速率限制及具体平台支持范围等信息。