多模态大模型 Gemini 3.1
Google强大的多模态模型，擅长长上下文理解和视觉解析。
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，擅长长上下文理解和视觉解析。 完整的 Skill 内容见：https://321skill.com/skills/multimodal-vision-analysis/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
‘请分析这份包含销售数据和图表的年度财报PDF，总结出前三季度的营收趋势、主要成本构成，并指出潜在的风险点。’，它会解析文档中的文字和图表，提取关键数据，生成结构化的分析摘要。或者，
对AI说：‘观看这个产品演示视频，列出其中展示的五个核心功能点，并评估其演示效果。’，它会理解视频中的画面、语音和文字，输出功能列表和效果评价。
介绍
Gemini 3.1 是 Google 推出的多模态大模型，它解决了处理复杂、多格式信息时模型能力单一的问题。通过整合文本、图像、视频等多种模态的输入，它能够理解长文档、解析图表、提取视频关键信息，并生成结构化的输出结果。
使用时，用户可以直接将文档、图片或视频文件作为输入，向模型提出具体问题或指令，例如要求总结一份PDF报告、描述图片中的场景或从视频中提取关键数据点。模型会综合所有模态的信息给出连贯、准确的回答。
该模型特别适合需要处理混合格式数据的专业人士，如数据分析师、内容创作者、学术研究者以及需要分析竞品材料或用户反馈的产品经理和营销人员。它能够将非结构化的视觉和文本信息转化为可操作的见解。
建议在使用时，对于长文档或高分辨率图片，注意其上下文长度限制。对于需要极高精度或涉及敏感信息的任务，建议将模型输出作为参考，并进行人工复核。
常见问题
Gemini 3.1 能处理多长的文档？
支持超长上下文，具体长度取决于版本，最高可达百万token级别，能处理整本书或长篇报告。
它能分析视频中的哪些内容？
可以理解视频中的动作、场景、物体、文字（如字幕），并提取关键事件或生成摘要。
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-vision-analysis/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-vision-analysis/raw/index.md（查看排版版本）