Loading...
Loading...
共找到 16 个 Skills
咨询外部AI（Gemini 2.5 Pro、OpenAI Codex、Claude）获取第二意见，可用于调试故障、架构决策、安全验证，或是需要综合分析的全新视角场景。
使用Google Gemini API处理和生成多媒体内容。功能包括分析音频文件（带时间戳的转录、摘要、语音理解、音乐/声音分析，最长支持9.5小时）、理解图像（图像描述、目标检测、OCR、视觉问答、分割）、处理视频（场景检测、问答、时序分析、YouTube URL支持，最长支持6小时）、从文档中提取信息（PDF表格、表单、图表、示意图、多页文档）、生成图像（文本生成图像、编辑、合成、优化）。适用于处理音频/视频文件、分析图像或截图、处理PDF文档、从媒体中提取结构化数据、根据文本提示创建图像或实现多模态AI功能的场景。支持多种模型（Gemini 2.5/2.0），上下文窗口最高可达200万token。
这是使用正确的当前SDK（@google/genai v1.27+，而非已废弃的@google/generative-ai）的Google Gemini API完整指南。涵盖文本生成、多模态输入（文本+图片+视频+音频+PDF）、函数调用、思考模式、流式传输、系统指令，以及2025年的准确模型信息（Gemini 2.5 Pro/Flash/Flash-Lite，支持100万输入令牌，而非200万）。 适用场景：集成Gemini API、实现多模态AI应用、使用思考模式进行复杂推理、并行执行函数调用、流式响应、部署到Cloudflare Workers、构建聊天应用，或遇到SDK废弃警告、上下文窗口错误、模型未找到错误、函数调用失败、多模态格式错误时。
使用Gemini 2.5 Flash Image和Gemini 3 Pro Image（Nano Banana）生成和编辑高质量图像。支持文本生成图像、风格迁移、虚拟试穿和角色一致性功能。