多模态大模型 Gemini 3.1
谷歌多模态大模型，长上下文与视觉理解强
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：谷歌多模态大模型，长上下文与视觉理解强 完整的 Skill 内容见：https://321skill.com/skills/多模态大模型-gemini-3-1-x-2/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
'请分析这张产品设计草图中的标注文字，并提取所有尺寸参数生成JSON'，它会调用Gemini 3.1的视觉理解能力，识别图片中的手写数字和文本，输出结构化的尺寸列表。上传一份100页的PDF年报后，说'总结这份报告的核心财务指标并对比去年变化'，模型会一次性读取全部内容并给出包含营收、利润等关键数据的对比分析。
介绍
Gemini 3.1 解决了传统模型在处理超长文档、复杂图像和视频时上下文丢失、理解不准确的问题。它原生支持高达百万级别的 token 上下文窗口，能一次性处理整本书、长视频或多页 PDF，并精准提取结构化信息。
使用时，只需在支持该 Skill 的 AI 编码工具中配置 Gemini 3.1 的 API 密钥，即可在对话中上传图片、PDF、视频等文件，通过自然语言指令要求模型进行文档解析、图像描述、视频摘要或结构化数据输出。模型会自动理解多模态内容并返回结果。
适合数据分析师、内容创作者、学术研究者等需要频繁处理大量文档、图像或视频素材的用户。例如，分析师可快速从年度报表中提取关键指标，研究者可基于长论文进行问答，视频创作者可批量生成字幕和摘要。
建议结合具体工作流使用，如先上传文件再逐段提问，以充分利用长上下文优势。注意处理敏感数据时需确保合规，避免上传包含个人隐私的文件。
核心特点
相比 GPT-4V 等模型，Gemini 3.1 拥有更长的上下文窗口（百万级 token），且原生支持视频帧级理解与结构化 JSON 输出，无需额外分块处理。
注意事项
对中文手写体、古籍等复杂场景的识别精度可能不如专用 OCR 模型，且实时交互延迟较高。
常见问题
Gemini 3.1 支持哪些文件格式？
支持图片（JPEG、PNG、GIF）、PDF、视频（MP4、MOV）、音频（MP3）等常见格式，可直接上传解析。
如何用 Gemini 3.1 解析 PDF 中的表格？
上传 PDF 后，指令如‘提取第3页的表格数据，输出为 CSV 格式’，模型会自动识别表格结构并返回结构化数据。
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-2/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-2/raw/index.md（查看排版版本）