本文综述了CLIP在视频动作识别与检索领域的适配方法：MA-CLIP用轻量适配器实现少样本动作识别；ActionCLIP提出“预训练、提示、微调”范式实现零样本识别；EZ-CLIP引入时序视觉提示；CLIP-Adapter以残差混合方式微调；CLIP2Video迁移图像语言模型用于视频文本检索；另有方法提升视频语义表示与多模态对话检索效率。