多模态大模型 Gemini 3.1
Google多模态大模型，长上下文与视觉理解
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，长上下文与视觉理解 完整的 Skill 内容见：https://321skill.com/skills/多模态大模型-gemini-3-1-x-6/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
'请解析这份50页的PDF技术文档，提取所有表格数据，并按照章节结构输出为Markdown格式。' 它会读取整个文档，识别表格位置，提取数据并生成结构化报告。或说：'分析这段10分钟的产品演示视频，总结核心功能点并列出每个功能的时间戳。' 模型会理解视频帧和音频，输出带时间戳的要点列表。
介绍
Gemini 3.1 是 Google 推出的多模态大模型，支持文本、图像、视频、音频、PDF 等多种输入，拥有超长上下文窗口（可达百万 token），能够一次性处理整本书或长视频，并从中提取关键信息。它解决了传统模型无法同时理解多种模态数据、长文档处理能力弱、结构化输出不灵活等问题，适用于文档解析、图像/视频分析、数据提取、内容生成等场景。
使用方式灵活：通过 API 调用，可传入多模态输入，设置输出格式（如 JSON、表格、Markdown），并支持系统指令和少样本提示。你可以直接提问“分析这张图片中的产品缺陷”，或要求“把这份合同转成结构化表格”。模型会基于长上下文理解，给出精准、结构化的响应。
适合学术研究者（分析论文、提取图表数据）、数据分析师（处理报表、图像数据）、内容创作者（生成视频字幕、提炼要点）、智能体开发者（构建多模态 Agent）等需要处理复杂多模态信息的用户。
建议：优先利用其长上下文能力处理完整文档或视频，避免分片；结构化输出时明确指定格式；注意 API 调用成本，对高并发场景可结合缓存策略。
核心特点
相较 GPT-4V 等竞品，Gemini 3.1 的原生超长上下文（百万 token）可一次性处理整本书或长视频，无需分片，且原生支持结构化输出（JSON Schema），减少后处理步骤。
注意事项
不适合对实时性要求极高的场景（如语音对话），且对部分小语种（如斯瓦希里语）的理解能力弱于英文。
常见问题
Gemini 3.1 支持哪些文件格式？
支持文本、图片（JPEG/PNG/WebP等）、视频（MP4/MOV等）、音频（MP3/WAV等）、PDF、文档等，具体限制请参考官方文档。
如何调用 Gemini 3.1 的 API？
使用 Google Generative AI SDK（Python 库：pip install google-generativeai），或通过 REST API 直接调用。
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-6/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-6/raw/index.md（查看排版版本）