用途：通过随附的 Python 脚本调用 Google Gemini 多模态 API，处理音频、图像、视频、文档，或生成图像与视频。
主要能力：图像分析与 OCR、音频转写、PDF/扫描件表格与表单提取、视频场景检测与问答、用 Imagen 4 生成图像、用 Veo 3 生成视频、将文档转为带视觉理解的 markdown。
使用方式：先设置环境变量 export GEMINI_API_KEY="your-key"，安装 pip install google-genai python-dotenv pillow，运行 python scripts/check_setup.py 验证。核心命令为 python scripts/gemini_batch_process.py --files <file> --task <analyze|transcribe|extract>，生成内容用 --task generate 或 --task generate-video 加 --prompt。超限文件先用 scripts/media_optimizer.py 压缩或切分，文档转换用 scripts/document_converter.py。
限制：内联上传最大 20MB，File API 最大 2GB；音频转写建议按 15 分钟切块；需 GEMINI_API_KEY。简单纯文本调用、读取普通代码或 markdown 文件、构建 AI 应用功能等场景不建议使用本技能。
适用场景：会议录音转写、PDF 报告数据提取、视频内容分析、图像生成与视频生成等多媒体处理任务。