多模态大模型 Gemini 3.1
Google强大的多模态模型，擅长长上下文和视觉理解。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：多模态大模型 Gemini 3.1。 它的用途是：Google强大的多模态模型，擅长长上下文和视觉理解。 完整的 Skill 内容见：https://321skill.com/skills/多模态大模型-gemini-3-1-x-7/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请分析这份50页的年度市场报告PDF和附带的十张信息图，提取出近三年的消费趋势变化、关键数据指标，并生成一个结构化的JSON摘要。’ 它会先理解图文内容，然后整合信息，输出包含趋势、数据和来源的结构化结果。或者
对AI说：‘观看这个3分钟的产品演示视频，描述其中的核心功能演示步骤，并评估其视觉呈现效果。’ 它会解析视频的每一帧和音频，生成分步描述和视觉评价。
介绍
多模态大模型 Gemini 3.1 是一个功能强大的AI模型，旨在解决需要同时处理文本、图像、视频等多种格式信息的复杂任务。它能够深入理解长篇文档的内容，精准解析图像和视频中的视觉信息，并按照要求输出结构化的数据。
使用时，你可以直接向它提供包含文本、图片、PDF、视频等多种格式的混合输入，并提出具体的问题或指令。例如，你可以上传一份产品手册和几张产品图片，让它总结核心卖点；或者提供一个长视频，让它提取关键帧并生成内容摘要。
该模型非常适合需要处理非结构化多媒体数据的专业人士，如内容创作者、数据分析师、产品经理和学术研究者。无论是从海量报告中提取数据，分析营销素材效果，还是为研究论文整理视觉资料，它都能显著提升效率。
建议在使用时，尽量提供清晰、具体的指令，并利用其长上下文优势一次性输入完整的背景资料。需要注意，对于实时性要求极高的任务或需要极低延迟响应的场景，可能需要考虑其他轻量化方案。
核心特点
核心优势在于其原生多模态能力和超长上下文支持（可达100万token），能够无缝融合分析文本、图像、视频等多种输入，并生成结构化输出，特别适合处理复杂的文档解析和跨媒体理解任务。
注意事项
不适合需要极低延迟响应的实时交互场景，以及对模型输出有严格确定性要求的任务。
常见问题
Gemini 3.1能处理多长的文档？
支持超长上下文，具体长度取决于API版本，最高可达100万token，能处理整本书或大量报告。
它能分析视频吗？具体能做什么？
可以，能理解视频内容，进行场景描述、关键帧提取、动作识别和生成文字摘要等。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/多模态大模型-gemini-3-1-x-7/raw/index.md 读取 多模态大模型 Gemini 3.1 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/多模态大模型-gemini-3-1-x-7/raw/index.md（查看排版版本）