analyzing-media
使用 Gemini 多模式分析 PDF、图像、屏幕截图、图表和文档。提取文本、表格、表格;解释视觉效果、架构图、流程图、ERD。当用户提及 PDF、图像、屏幕截图、文档提取、OCR、视觉分析、图表解释或表单处理时使用。请勿用于网络搜索或 shell 命令。
📖 中文导读:使用 Gemini 多模式分析 PDF、图像、屏幕截图、图表和文档。提取文本、表格、表格;解释视觉效果、架构图、流程图、ERD。当用户提及 PDF、图像、屏幕截图、文档提取、OCR、视觉分析、图表解释或表单处理时使用。请勿用于网络搜索或 shell 命令。 以下正文为该技能的原始 SKILL.md 内容(英文),上方安装命令可直接使用。
name: analyzing-media description: Analyzes PDFs, images, screenshots, diagrams, and documents using Gemini multimodal. Extracts text, tables, forms; interprets visuals, architecture diagrams, flowcharts, ERDs. Use when user mentions PDFs, images, screenshots, document extraction, OCR, visual analysis, diagram interpretation, or form processing. Do not use for web searching or shell commands. allowed-tools: Task
Gemini Media Analysis
Spawn the gemini-media-analyst agent for image and PDF analysis.
Foreground (blocking)
Task(subagent_type="gemini-media-analyst", prompt="Analyze @<file-path>: <what to look for>")
Background (for context efficiency)
Task(subagent_type="gemini-media-analyst", prompt="Analyze @<file-path>: <task>", run_in_background=true)
Use TaskOutput(task_id="<id>") to retrieve results.
Use for screenshots, architecture diagrams, PDFs, flowcharts, or any visual content analysis.