Phil Schmid 发布 Gemini API CLI Skill,Agent 无脚本调用多模态能力

Phil Schmid 发布了一个面向 Gemini API 的 CLI skill,让 coding agent 通过一行命令直接调用 Gemini 的图像生成、TTS、视频和文件处理能力,而无需为每个任务编写一次性脚本。安装方式为 npx skills add google-gemini/gemini-skills --skill gemini-api-cli -y。已确认

• m1/m5(11-04)发布基础功能:命令行调用 Gemini 图像、TTS、视频与文件处理,免去临时脚本。Yashas Gunderia 转述确认了同一信息。
• m2(11-05)补充无麦测试方案:先用 Gemini API CLI 生成语音 WAV 测试文件,再以 --use-file-for-fake-audio-ca… 等方式把音频注入浏览器,实现无麦克风的端到端语音功能测试。
• m3 公开完整 prompt 模板,指导 agent 安装 skill 并在项目内端到端测试语音功能。
• m4 贴出 gemini-api-cli skill 的安装链接,与语音测试模板配套,读者可开箱即用。

为什么重要

多模态能力(语音、图像、视频)此前往往需要开发者手写临时脚本来验证;该 skill 把这些能力标准化为一行命令,配合 Chrome 虚拟音频的无麦方案,让编码 agent 可以在 CI 或无外设环境下自动完成语音等功能的端到端验证,降低多模态应用的测试与集成门槛。

2026-11-04 ~ 2026-11-05 · 5 条相关

• 【源头】PhilSchmid 为 Gemini API 出 CLI Skill，Agent 一行命令调用图像/TTS/视频 — _philschmid · 2026-11-04
• Phil Schmid 分享用 Chrome 虚拟音频给 Agent 测语音功能的妙招 — _philschmid · 2026-11-05
• 【源头】Gemini CLI 语音测试完整 Prompt 模板:让 Agent 无麦跑通语音功能 — _philschmid · 2026-11-05
• 【源头】Phil Schmid 公开 gemini-api-cli Skill 链接,语音测试流程可开箱即用 — _philschmid · 2026-11-05

另有 1 条近重复转述:YashasGunderia