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。

通用浏览器自动化工具，用于 prepaid H5 优惠券核销（餐饮、饮品、自取券）。当用户提供预付核销链接并需要自动完成门店选择、选项选择、最终验证码提取及截图凭证时使用，无需额外支付风险。

当用户通过 Telegram 发送截图时，优先使用 Gemini（快速，默认）进行解析，若置信度低则自动切换为 Claude。解析结果将保存至 Google 日历（事件）或 Google 任务（提醒和任务）。置信度高时静默保存，不确定时会请求用户确认。

使用 Navifare 验证并比较多个预订网站的机票价格。当用户分享来自任何预订网站（如 Skyscanner、Kayak 等）的机票价格或上传航班截图时触发，返回来自多家供应商的排序结果及预订链接。

使用 mss 和 Pillow 在 Windows 上截取屏幕截图，支持全屏、区域和多显示器截取，输出格式为 PIL 图像、PNG 文件或 Base64 字符串。当用户请求截取屏幕、捕获屏幕内容、获取屏幕信息或需要屏幕图像用于 AI 视觉 API 时使用。

处理恩佐分享的带评论的截图，保存到参考库，提取内容，分类，设置提醒，记录模式。当恩佐发送带有“保存此内容”等上下文的图片、分享社交媒体帖子推文或文章的截图，或发送需要记住的想法和框架时使用。

通过macOS的iPhone镜像功能控制真实iPhone，支持截图、点击、滑动、输入、启动应用、录制视频、OCR识别及运行多步骤操作流程。适用于屏幕上任何应用，无需源代码或越狱。

在 macOS 上截取屏幕并发送到 Telegram，适用于用户要求截取屏幕、截图或向 Telegram 发送屏幕截图时使用 绕过 OpenClaw 消息工具的媒体发送漏洞（#15541）

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。尤其适用于教程、演示和说明类视频，其中所展示的内容（截图、UI演示、图表、代码、肢体动作）与所说的内容同等重要。当用户希望分析、总结YouTube视频内容，或从视频中生成分步指南时，或当用户分享YouTube链接并希望了解视频内容时，即可使用此功能。触发条件包括“分析这个YouTube视频”“根据这段视频创建分步指南”“这个视频展示了什么”“总结这个教程”或任何带有分析意图分享的YouTube链接。