多模态大模型 Gemini 3.1
Google多模态大模型，长上下文与视觉理解
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多模态大模型，长上下文与视觉理解 完整的 Skill 内容见：https://321skill.com/skills/multimodal-ai-assistant-5/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
'请解析这份PDF行业报告，提取所有图表中的关键数据，并以JSON格式输出，包含年份、市场规模、增长率字段。' 它会调用Gemini 3.1模型读取PDF中的图文内容，自动识别表格和图表，返回结构化的JSON数据，可直接用于后续分析。
介绍
Google Gemini 3.1 多模态大模型 Skill 解决的是文档解析、图像/视频理解、结构化输出等复杂场景下的 AI 处理需求。它能够直接读取 PDF、图片、视频中的文字与视觉信息，并生成结构化的 JSON 或 Markdown 格式输出，大幅减少人工二次整理的工作量。
使用方式非常直接：将需要处理的文档、图片或视频文件作为输入，Skill 会自动调用 Gemini 的多模态能力，识别内容并按照你的要求输出摘要、表格、关键信息清单等。支持长上下文，可一次处理数百页文档或长时间视频。
适合数据分析师、学术研究者、内容创作者等经常需要从多模态素材中提取信息的用户。例如，分析师可快速从行业报告中提取关键数据，研究者可解析论文图表，内容创作者可提取视频字幕并生成文案。
建议在使用前明确输出格式要求（如 JSON 结构），并注意 API 调用成本。由于模型依赖网络，离线场景不适用。对于特别复杂的多页文档，可分批处理以提高准确性。
常见问题
Gemini 3.1 支持哪些文件格式？
支持 PDF、图片（JPEG/PNG/WebP）、视频（MP4/MOV）等常见格式，可直接输入文件路径或 URL。
如何处理超长文档？
Gemini 3.1 支持 100 万 token 上下文，可一次性处理数百页文档；若超出限制，建议分段输入并拼接结果。
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/multimodal-ai-assistant-5/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/multimodal-ai-assistant-5/raw/index.md（查看排版版本）