通过 MuleRouter 或 MuleRun 多模态 API 生成图像和视频，支持文本到图像、图像到图像、文本到视频、图像到视频、视频编辑（VACE、关键帧插值）。适用于用户希望通过 AI 模型如 Wan2.6、Veo3、Nano Banana Pro、Sora2、Midjourney 生成、编辑或转换图像与视频的场景。

通过音频（字幕）和视觉（帧提取加图像分析）双通道对YouTube视频进行多模态分析。特别适用于教学、教程、演示和说明类视频，其中所展示的内容（如截图、UI演示、图表、代码、物理动作）与所说内容同等重要。当用户希望分析、总结YouTube视频，或根据视频创建分步指南，或分享YouTube链接并希望了解视频内容时，请使用此功能。触发条件包括：“分析这个YouTube视频”、“根据此视频创建分步指南”、“这个视频展示了什么？”、“总结这个教程”，或任何带有分析意图的YouTube链接。

为Jimeng Seedance 2.0多模态AI视频生成撰写高效提示词。适用于用户通过文本、图像、视频和音频输入结合@引用系统创建视频提示，涵盖镜头运动、效果复现、视频扩展、编辑、音乐节拍匹配、电商广告、短剧和教育内容。

为即梦Seedance 2.0多模态AI视频生成模型编写高质量提示词。当用户需结合文本、图片、视频、音频等多种模态输入创作视频提示词时触发，涵盖@引用语法、运镜复刻、特效模仿、视频延长、视频编辑、音乐卡点、电商广告、短剧创作、科普教育等场景。

使用 VLM Run CLI（vlmrun）与 Orion 视觉 AI 代理交互，通过自然语言处理图像、视频和文档。触发场景包括：图像理解与生成、目标检测、OCR、视频摘要、文档提取、图像生成、视觉 AI 聊天，以及“生成一张图像/视频”“分析这张图像/视频”“从中提取文字”“总结这个视频”“处理这个 PDF”

终极 Seedance 2.0 分镜导演。从多模态输入生成电影级 9:16 vlog、电影化提示语和自动音频脚本。专为 Claude Code、Cursor 和 OpenClaw 优化

向 dr.eamer.dev LLM API 发送请求，支持跨12个模型提供商的聊天补全、视觉分析、图像生成、文本转语音和视频生成。适用于需要调用外部LLM端点或比较不同提供商响应的场景。