gemini-visionlisted

# Gemini 多模态桥接 为 GLM / DeepSeek 等无原生多模态的主模型补齐视觉/听觉能力。通过 Gemini API 分析视频、图片、音频文件。 ## 前置条件 - Node.js ≥ 18（零外部依赖，用原生 fetch） - skill 根目录的 `.env` 中已配置 `GEMINI_API_KEY` - 网络可访问 `generativelanguage.googleapis.com`（中国大陆需 TUN 模式代理，详见 README；Node ≥ 24 也可设 `NODE_USE_ENV_PROXY=1` 走系统代理） ## 用法 ```bash # 基础用法 node ~/.claude/skills/gemini-vision/scripts/gemini-vision.mjs --file "path/to/video.mp4" --question "分析这个广告视频的节奏和视觉风格" # 多文件对比 node ~/.claude/skills/gemini-vision/scripts/gemini-vision.mjs --file "v1.mp4" --file "v2.mp4" --question "对比两个版本的差异，哪个更好？为什么？" # 生成后质量核验 node ~/.claude/skills/gemini-vision/scripts/gemini-vision.mjs --file "output.mp4" --question "对比以下提示词，逐条检查视频是否满足要求：<原始提示词>" # 提取可复用框架 node ~/.claude/skills/gemini-vision/scripts/gemini-vision.mjs --file "reference.mp4" --question "提炼这个视频的分镜节奏、运镜手法、色彩方案，输出可复用的制作框架" # 输出 JSON（给 Agent 消费，responseMimeType 保证干净 JSON，可直接 parse） node ~/.claude/skills/gemini-vision/scripts/gemini-vision.mjs --file "video.mp4" --question "..." --json # 同时输出 Markdown 报告文件 node ~/.claude/skills/gemini-vision/scripts/gemini-vision.mjs --file "video.mp4" --question "..." --output "./analysis_report.md" # 使用 Pro 模型（深度分析） node ~/.claude/skills/gemini-vision/scripts/gemini-vision.mjs --file "video.mp4" --question "..." --model gemini-3.1-pro-preview ``` ## 支持的格式 | 类型 | 格式 | |------|------| | 视频 | mp4, mov, avi, webm | | 图片 | png, jpg, webp, gif, bmp | | 音频 | mp3, wav, m4a | ## 模型降级链 默认模型 `gemini-3.7-flash`，遇到 503/429 时自动降级： 1. `gemini-3.7-fla