pi-sense
为纯文本AI模型添加本地多媒体理解能力
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-sense。 它的用途是：为纯文本AI模型添加本地多媒体理解能力 完整的 Skill 内容见：https://321skill.com/skills/pi-sense/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
‘请帮我分析一下桌面上的这段产品演示视频在讲什么。’ 它会通过pi-sense提取视频关键帧并生成描述文本，然后基于这些文本为你总结视频的核心内容。或者你可以问：‘视频里提到“季度目标”是什么时候？’ 它会结合语音识别和帧分析，定位到具体的时间点。
介绍
pi-sense 是一款专为 Pi 平台设计的扩展工具，它解决了纯文本AI模型无法直接处理图像、音频、视频等多媒体文件的痛点。通过将本地媒体文件转化为文本描述或转录文字，它让原本只能处理文本的模型获得了“看”和“听”的能力。
使用方式非常直接：安装此扩展后，当你与AI模型（如Claude、GPT等）交互时，只需像往常一样上传或提及本地媒体文件，pi-sense便会自动在后台工作。对于图片，它会生成描述；对于音频，它会转录成文字；对于视频，则会根据问题类型（询问内容或时间点）选择不同的处理路径，最终将所有媒体信息转化为文本输入给AI模型。
这个工具非常适合那些需要频繁分析本地媒体内容的研究人员、内容创作者、记者以及任何希望利用AI来理解非文本信息的个人或团队。例如，你可以快速获取一段会议录音的文字稿，或者让AI描述一张复杂图表的内容。
在使用建议上，请注意该工具主要处理本地文件，对网络上的媒体链接可能无效。同时，其识别和转录的准确性依赖于底层的视觉与语音模型，对于专业或嘈杂环境下的内容，可能需要人工复核。建议从清晰、常见的媒体格式开始尝试，以获得最佳体验。
核心特点
其核心区别在于，它并非一个独立的AI模型，而是一个精巧的“路由”与“预处理”层，能智能地将本地视频分析拆解为“内容理解”和“时间点定位+语音转录”两种路径，再将纯文本结果无缝喂给用户当前正在使用的任何主流文本模型，实现了专用媒体处理工具与通用对话模型的灵活结合。
注意事项
不适合需要实时处理流媒体或直接分析网络URL链接媒体内容的场景。
常见问题
pi-sense支持哪些文件格式？
通常支持常见图像（JPG, PNG）、音频（MP3, WAV）和视频格式（MP4, AVI），具体依赖底层处理库。
处理视频时，‘what-questions’和‘when-questions’有何不同？
问‘是什么’（如视频内容）会触发整体理解；问‘何时’（如某句话出现的时间点）会结合帧分析与本地语音识别来定位。
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-sense/raw/index.md 读取 pi-sense 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-sense/raw/index.md（查看排版版本）