多模态大模型 Gemini 3.1
Google多模态大模型，支持长上下文和视觉理解
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，支持长上下文和视觉理解 完整的 Skill 内容见：https://321skill.com/skills/多模态大模型-gemini-3-1-x-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
'请分析这份PDF合同，提取关键条款和风险点，并以JSON格式输出。' 它会读取PDF内容，识别签署方、金额、违约责任等字段，返回结构化的JSON数据。
对AI说：'从这个5分钟的产品演示视频中提取所有字幕和关键画面描述。' 它会逐帧分析视频，输出带时间戳的字幕文本和场景描述。
介绍
Gemini 3.1 是 Google 推出的多模态大模型，核心解决的是长文档、图像和视频内容的理解与解析问题。传统模型在处理超长上下文（如整本书、数小时视频）时容易丢失细节，而 Gemini 3.1 凭借百万级 token 的上下文窗口，能够一次性吃下大量信息并保持连贯理解。同时，它原生支持结构化输出（JSON 模式），让提取结果可直接用于下游系统，省去额外解析的麻烦。
使用方式非常灵活：你可以直接通过 API 调用，将 PDF、图片、视频文件作为输入，模型会返回文本摘要、结构化数据或代码片段。例如，给出一段会议录像，它能自动生成会议纪要并提取待办事项；给出一份扫描版合同，它能识别条款并输出 JSON 格式的关键字段。无需复杂的前处理，也无需拆分输入。
适合以下用户：学术研究者需要快速阅读大量论文并提取核心方法；数据分析师需要从图表、报表中获取结构化数据；内容创作者需要处理视频脚本、字幕和配图说明。对于需要处理长文档、多媒体内容的场景尤其高效。
使用建议：注意模型对输入图像的分辨率和文件大小有一定限制，超大文件建议先压缩。同时，虽然支持多语言，但涉及生僻小语种或专业领域术语时，建议配合提示词优化。合理利用系统提示词（system prompt）可以大幅提升输出质量。
核心特点
相比其他多模态模型，Gemini 3.1 拥有百万级 token 的超长上下文窗口，能一次性处理整本书或数小时视频，并原生支持 JSON 结构化输出，无需额外工具解析。
注意事项
不适合需要亚秒级实时响应的场景（如在线语音助手），且对中文地区方言和极小众语言的覆盖不如专业本地化模型。
常见问题
如何用Gemini 3.1解析PDF合同？
将PDF文件作为图像或文本输入，模型会自动识别并输出结构化JSON格式的关键条款和风险点。
Gemini 3.1支持中文吗？
支持中文、英文、日文等多种主流语言，官方文档显示中文理解和生成能力与英文相当。
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-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/多模态大模型-gemini-3-1-x-5/raw/index.md（查看排版版本）