用途：对多媒体内容进行 AI 理解与分析，适用于描述、分析、总结图片/视频/音频，以及从图片中提取文字（OCR）。通过 Maxgent FAL API 代理的默认路由调用。
支持格式与大小上限：图片支持 jpg、jpeg、png、gif、webp，最大 20MB；视频支持 mp4、mpeg、mov、webm 及 YouTube URL，最大 100MB；音频支持 wav、mp3、aiff、aac、ogg、flac、m4a，最大 100MB。
前置条件：需要 MAX_API_KEY 环境变量（由 Max 自动注入）；需要 Bun 1.0+（Max 已内置）。
调用方式：默认路由端点为 openrouter/router/openai/v1/chat/completions，模型为 DEFAULT_MM_MODEL，默认 google/gemini-2.5-pro，可用 --model 覆盖。命令示例：bun skills/media-understand/media-understand.js --media PATH_OR_URL --prompt "PROMPT" [--language chinese|english] [--model MODEL_ID] [--max-tokens N] [--temperature X]。参数中 --media 为本地文件路径或 YouTube URL，--prompt 为分析问题，--language 默认 chinese，--max-tokens 默认 4096，--temperature 默认 0.2。
使用流程：先检查 MAX_API_KEY，再识别媒体类型并校验大小限制，随后用默认路由分析（可用 --model 覆盖）；本地图片、视频、音频会先经 FAL 上传代理上传再分析；成功后返回可读文本。
失败处理：HTTP 402（额度不足）应立即停止，不可重试，并告知用户 API 额度已耗尽；其他错误可用不同模型重试一次，若仍失败则停止，并明确说明是上传、代理还是模型参数问题。
限制：资料未提供具体定价与配额信息。