用途：在需要文本、图像或视频嵌入向量时使用，服务于检索与相似度工作流，可搭配 DashVector、OpenSearch、Milvus 等向量库构建检索系统。
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（在支持时使用公网 URL）、dimension（可选，如 2560、2048、1536、1024、768、512、256）。响应包含 embeddings、dimension 和可选的 usage。
可用模型字符串：qwen3-vl-embedding、qwen2.5-vl-embedding、tongyi-embedding-vision-plus-2026-03-06。选择建议：优先 qwen3-vl-embedding 以获得最新多模态嵌入路径；需要兼容较旧的已部署流水线时使用 qwen2.5-vl-embedding。
前置条件：在环境中设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。
快速开始：
python skills/ai/search/aliyun-qwen-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： mkdir -p output/aliyun-qwen-multimodal-embedding python -m py_compile skills/ai/search/aliyun-qwen-multimodal-embedding/scripts/prepare_multimodal_embedding_request.py && echo "py_compile_ok" > output/aliyun-qwen-multimodal-embedding/validate.txt 通过标准：命令退出码为 0 且生成 output/aliyun-qwen-multimodal-embedding/validate.txt。
输出与证据：将归一化请求载荷、所选维度和样本输入引用保存到 output/aliyun-qwen-multimodal-embedding/；记录确切模型、模态组合和输出向量维度以便复现。默认输出为 output/aliyun-qwen-multimodal-embedding/request.json，可用 OUTPUT_DIR 覆盖基础目录。
操作建议：保持 input.contents 为数组，形状错误是常见 400 原因；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和维度，避免混合向量不兼容；大批量图像或视频可先暂存到对象存储并引用稳定 URL。
限制：资料未提供收费、价格、配额、速率限制及具体效果数据；视频支持范围以实际接口为准。