多模态 Agent

掌握多模态智能体的构建方法，实现能够处理图像、音频、视频的Agent系统。多模态Agent架构：感知、决策、执行；工具调用：图像分析、视频处理、语音识别；多模态规划：任务分解、工具选择；记忆机制：多模态上下文、历史管理；应用场景：视觉助手、视频分析、多模态问答。