pi-multimodal-proxy
为Pi平台模型自动识别并描述图像、视频和音频内容。
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：pi-multimodal-proxy。 它的用途是：为Pi平台模型自动识别并描述图像、视频和音频内容。 完整的 Skill 内容见：https://321skill.com/skills/pi-multimodal-proxy/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
“看看这张图里是什么？”并上传一张风景照片，Skill会先让多模态模型生成描述（如“一张有雪山、湖泊和森林的日落照片”），然后AI就能基于此描述回复：“这是一张非常壮丽的自然风景照，雪山、湖泊和森林在日落余晖下显得格外宁静。”
介绍
该Skill旨在解决Pi平台中普通语言模型无法直接处理多媒体内容的问题。当用户上传图片、视频或音频文件时，这些模型无法“看见”或“听见”其中的信息，导致对话中断或信息缺失。
它的工作原理是作为一个智能代理，自动拦截并路由用户上传的媒体文件。它会将这些文件发送给一个专门的多模态模型进行分析，然后将生成的文字描述巧妙地“注入”到原始对话的上下文中，使得后续的对话模型能够理解并基于这些媒体内容进行回复。
这个Skill非常适合所有在Pi平台上使用对话AI，并希望与AI分享和讨论多媒体内容的用户。无论是设计师想讨论图片构图，还是学生想请教视频中的知识点，或是任何需要AI理解非文本信息的场景，它都能派上用场。
使用建议上，请注意其描述精度依赖于后端多模态模型的能力，对于复杂或专业的图像（如医学影像、工程图纸），描述可能不够精确。同时，处理过程会引入额外的API调用和延迟。建议在需要AI理解媒体核心内容时开启，对于追求极致响应速度或处理大量敏感媒体文件的场景需谨慎评估。
核心特点
核心区别在于其“通用代理”特性：它不绑定于某个特定模型，而是能为Pi平台上的“任何”对话模型提供多模态理解能力，通过自动路由和上下文注入实现无缝集成。
注意事项
不适合对媒体内容描述精度要求极高（如专业图像分析）或对处理延迟极其敏感的场景。
常见问题
使用它会增加额外费用吗？
可能会，因为它需要调用外部多模态API，费用取决于该API的定价策略。
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/pi-multimodal-proxy/raw/index.md 读取 pi-multimodal-proxy 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/pi-multimodal-proxy/raw/index.md（查看排版版本）