Przejdź do treści
Biblioteka skilli
AI i agenci · Budowanie i kod

gemini

/gemini

Wspiera pracę z Gemini API (Gemini 1.5 Pro i Flash): rozumowanie multimodalne na audio, wideo i PDF oraz ustrukturyzowane odpowiedzi w aplikacjach multimodalnych.

Repozytorium
Agent-Skills ↗
Licencja
MIT
Ostatnia zmiana repozytorium
01.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
1
Przestarzałość

Brak sygnałów. Repozytorium zmienione 01.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wspiera pracę z Gemini API (Gemini 1.5 Pro i Flash): rozumowanie multimodalne na audio, wideo i PDF oraz ustrukturyzowane odpowiedzi w aplikacjach multimodalnych.

Oryginalny opis (EN)

Expert Google Gemini API assistance covering Gemini 1.5 Pro / Flash, multimodal reasoning (audio, video, PDF), and structured outputs. Use when building multi-modal AI applications with Google's foundation models.

Jak działa

  1. When to Use
  2. Quick Start
  3. Core Concepts
  4. Common Patterns
  5. Best Practices
  6. Troubleshooting
  7. References
Sekcje z nagłówków SKILL.md, w oryginale · 166 linii, 596 słów
Podgląd SKILL.md
---
name: gemini
description: Expert Google Gemini API assistance covering Gemini 1.5 Pro / Flash, multimodal reasoning (audio, video, PDF), and structured outputs. Use when building multi-modal AI applications with Google's foundation models.
---

# Gemini

Gemini is Google's native multimodal foundation model family, featuring native audio, image, and video comprehension alongside million-token context windows and fast tool-calling.

## When to Use

- **Massive Multimodal Understanding**: Gemini 1.5 Pro / Flash processing up to 2 million tokens of text, hours of video, audio, and large codebases.
- **Structured JSON Extraction**: Enforcing rigid response schemas with Pydantic and native `response_schema`.
- **High-Speed Real-Time Inference**: Gemini 1.5 Flash for sub-second, cost-effective conversational assistants and summarization.
- **Code & Repository Analysis**: Analyzing entire GitHub repositories in a single context window.

## Quick Start

```python
from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.0-flash",
    contents="Explain quantum computing in one short paragraph.",
)

print(response.text)
```

## Core Concepts

### Structured Output with Pydantic & Google GenAI SDK

Enforcing type-safe JSON schema responses:

```python
from google import genai
from google.genai import types
from pydantic import BaseModel, Field
import os

client = genai.Client(api_key=os.environ.get("GEMINI_API_KEY"))

class InvoiceExtraction(BaseModel):
    invoice_number: str
    vendor: str
    total_amount: float = Field(description="Total invoice amount in USD")
    items: list[str]
    is_paid: bool

response = client.models.generate_content(
    model='gemini-1.5-flash',
    contents='Invoice #INV-2026-908 from CloudCorp for $1,450.00. Included 2 Cloud Servers and 1 Storage bucket. Paid via Wire.',
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema=InvoiceExtraction,
        temperature=0.1
    ),
)

extracted: InvoiceExtraction = InvoiceExtraction.model_validate_json(response.text)
print(f"Extracted Invoice: {extracted.invoice_number}, Total: ${extracted.total_amount}")
```

### Native Video & Audio Multimodal Analysis

Processing video files directly using the File API:

```python
from google import genai

client = genai.Client()

# Upload video file to File API
video_file = client.files.upload(file="presentation.mp4")

# Query video content directly
response = client.models.generate_content(
    model="gemini-1.5-pro",
    contents=[
        video_file,
        "Summarize the key decisions made between timestamp 04:15 and 08:30 in this meeting."
    ]
)

print(response.text)
```

### Context Caching for Massive Contexts

Reducing cost on recurring queries against massive datasets:

```python
from google import genai
from google.genai import types
import datetime

client = genai.Client()

# Create cached content for a massive documentation corpus
cache = client.caches.create(
    model='gemini-1.5-pro',
    config=types.CreateCachedContentConfig(
        contents=[large_documentation_file],
        ttl=datetime.timedelta(hours=2),
        display_name='api_documentation_v2'
    )
)

# Query against cache at significantly reduced per-token cost
response = client.models.generate_content(
    model='gemini-1.5-pro',
    contents='What are the rate limits for the batch endpoint?',
    config=types.GenerateContentConfig(cached_content=cache.name)
)
```

## Common Patterns

### Multimodal Document Analysis (PDF / Audio / Video)

**Problem**: Processing multi-page PDF documents or audio files without complex local extraction libraries.

**Solution**:
Upload file using the Google GenAI File API:

```python
# Upload document directly to Gemini File API
doc_file = client.files.upload(file="contract.pdf")

response = client.models.generate_content(
    model="gemini-2.0-flash",
    contents=[
        doc_file,
        "Extract the governing law, termination notice period, and liability cap."
    ]
)

print(response.text)
```

## Best Practices

**Do**:

- Target the modern Google GenAI SDK (`google-genai`) instead of legacy deprecated libraries.
- Use `gemini-1.5-flash` for high-volume, low-latency tasks and `gemini-1.5-pro` for deep reasoning.
- Enforce structured outputs with `response_schema` and Pydantic models for reliable API integrations.
- Leverage Context Caching for prompts exceeding 32k tokens that are reused across multiple calls.

**Don't**:

- Upload raw video/audio base64 payloads inline; use the `client.files.upload()` API.
- Leave sensitive credentials exposed in client-side code; proxy requests through a secure backend.
- Use high temperature settings (> 0.4) when strict schema compliance or factual retrieval is required.

## Troubleshooting

| Error                                                | Cause                                            | Solution                                                               |
| :--------------------------------------------------- | :----------------------------------------------- | :--------------------------------------------------------------------- |
| `google.genai.errors.APIError: 400 Invalid argument` | Unsupported file format or invalid model name.   | Verify model identifier (e.g. `gemini-2.0-flash` or `gemini-1.5-pro`). |
| `ResourceExhausted: 429 Quota exceeded`              | Rate limit hit on free tier requests per minute. | Implement client-side rate limiting or upgrade to paid tier API key.   |
| `Missing GEMINI_API_KEY environment variable`        | Environment variable not exported in shell.      | Export `export GEMINI_API_KEY="AIzaSy..."`.                            |

## References

- [Gemini API Documentation](https://ai.google.dev/)

Wersje

RepozytoriumWynikLicencja
Ta strona · G1Joshi/Agent-Skills100MIT
davila7/claude-code-templates100MIT
machina-sports/sports-skills100MIT
giuseppe-trisciuoglio/developer-kit100MIT
jdrhyne/agent-skills100MIT
ondrej-svec/heart-of-gold-toolkit100MIT
AlekseiUL/sprut-agent-kit100MIT
Lucklyric/cc-dev-tools95Apache-2.0
legacybridge-tech/claude-plugins95MIT

Migawka bazy z 28.10.2026 · wersja paczki f733b0f6122d (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100gemini-api-dev
    Wspiera budowę aplikacji z modelami Gemini i Gemini API, w tym treści multimodalne (tekst, obraz, audio, wideo), wywoływanie funkcji i ustrukturyzowane wyjścia.
  • 100gemini-api-dev
    Wspiera budowę aplikacji z modelami Gemini i Gemma 4 przez Gemini API: treści multimodalne, function calling i ustrukturyzowane wyjścia.
  • 100gemini-api-dev
    Wspiera budowę aplikacji z modelami Gemini i Gemma 4 przez Gemini API: treści multimodalne, function calling i ustrukturyzowane wyjścia.
  • 100google-ai-studio
    Daje dostęp do modeli Gemini przez Google AI Studio i Gemini API: multimodalne generowanie, długi kontekst, JSON, wywołania funkcji i grounding wyszukiwarką Google.
  • 100gemini-api-integration
    Podaje wzorce kodu do integracji Google Gemini API: generowanie tekstu, wejścia multimodalne i streaming, w Google AI SDK.
  • 100gemini-api-dev
    Wspiera budowę aplikacji z modelami Gemini i Gemma 4 przez Gemini API: treści multimodalne, function calling, ustrukturyzowane wyjścia, SDK google-genai w kilku językach i dobór modelu.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.