Communitygithub.com

Gemini Datei-API

Hochladen und Verwalten von Dateien über die Google Gemini File API mit Python-Skripten. Unterstützt Bilder, Audio, Video, PDFs und andere Formate zur Nutzung mit Gemini-Modellen.

Was ist Gemini Datei-API?

Dieses Skill (majiayu000/claude-skill-registry) ermöglicht es KI-Agenten, Dateien über die Google Gemini File API hochzuladen und zu verwalten. Es ist besonders nützlich für multimodale Arbeitsabläufe, bei denen Bilder, Audio, Video oder Dokumente für die Analyse mit Gemini-Modellen vorbereitet werden müssen. Das Skill enthält ein Python-Skript (`upload.py`), das den gesamten Upload-Prozess abwickelt – vom einfachen Hochladen bis zum Warten auf die Verarbeitung. Es unterstützt gängige Formate wie JPEG, PNG, MP3, MP4 und PDF und kümmert sich um die automatische MIME-Typ-Erkennung. Die Dateien können anschließend mit anderen Gemini-Fähigkeiten wie Textgenerierung oder Bildanalyse weiterverwendet werden. Das Skill ist für Claude Code optimiert, aber auch mit anderen KI-Agenten wie Cursor oder Codex kompatibel und bietet eine klare Ablaufsteuerung mit Statusabfragen sowie nützliche Workflows für die Stapelverarbeitung.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/data/gemini-files

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Gemini Datei-API?

Laden Sie Dateien für die Verwendung mit Gemini-Modellen über ausführbare Skripte hoch und verwalten Sie sie. Unterstützt Bilder, Audio, Video, PDFs und andere Dateitypen.

Wann dieses Skill verwenden

Verwenden Sie dieses Skill, wenn Sie:

  • Bilder für multimodale Analysen hochladen möchten
  • Videos zur Inhaltsverarbeitung hochladen möchten
  • PDFs zur Dokumentenanalyse hochladen möchten
  • Audio für Transkription oder Verarbeitung hochladen möchten
  • Dateien für Stapeloperationen vorab hochladen möchten
  • den Verarbeitungsstatus von Dateien prüfen möchten
  • hochgeladene Dateien auflisten und verwalten möchten
  • Dateien mit anderen Gemini-Fähigkeiten (Text, Bild, usw.) verwenden möchten

Verfügbare Skripte

scripts/upload.py

Zweck: Hochladen von Dateien an die Gemini File API

Verwendung:

  • Hochladen beliebiger Dateien für die Gemini-Verarbeitung
  • Vorbereiten von Dateien für die multimodale Generierung
  • Hochladen von Dokumenten zur Analyse
  • Vorbereiten von Dateien für die Stapelverarbeitung

Wichtige Parameter:

ParameterBeschreibungBeispiel
pathDateipfad (erforderlich)image.jpg
--name, -nAnzeigename"mein-dokument"
--wait, -wAuf Verarbeitung wartenFlag

Ausgabe: Dateiname, URI und Statusinformationen

Arbeitsabläufe

Arbeitsablauf 1: Einfaches Hochladen

python scripts/upload.py bild.jpg
  • Optimal für: Schnelles Hochladen, einfache Dateien
  • Ausgabe: Dateiname und URI zur API-Nutzung
  • Status: PROCESSING oder ACTIVE

Arbeitsablauf 2: Hochladen mit benutzerdefiniertem Namen

python scripts/upload.py dokument.pdf --name "Quartalsbericht Q4 2026"
  • Optimal für: Dateiorganisation, Upload-Verfolgung
  • Verwenden Sie: wenn der ursprüngliche Dateiname nicht aussagekräftig genug ist
  • Der Anzeigename erscheint in Dateilisten

Arbeitsablauf 3: Hochladen und auf Verarbeitung warten

python scripts/upload.py video.mp4 --wait
  • Optimal für: Große Dateien, Videos, Audio
  • Wartet, bis die Datei im ACTIVE-Status ist
  • Verwenden Sie: wenn Sie die Datei sofort nach dem Hochladen benötigen

Arbeitsablauf 4: Bild zur Analyse hochladen

# 1. Bild hochladen
python scripts/upload.py foto.png --name "produktfoto"

# 2. Mit gemini-text zur Analyse verwenden
python skills/gemini-text/scripts/generate.py "Beschreibe dieses Bild" --image foto.png
  • Optimal für: Bildanalyse, Bildunterschriften, visuelle Fragen & Antworten
  • Kombiniert mit: gemini-text für multimodale Verarbeitung

Arbeitsablauf 5: PDF zur Inhaltsgewinnung hochladen

# 1. PDF hochladen
python scripts/upload.py forschungspapier.pdf --name "KI-Forschungspapier" --wait

# 2. Inhalt mit gemini-text extrahieren
python skills/gemini-text/scripts/generate.py "Extrahiere die wichtigsten Erkenntnisse aus diesem Dokument" --image forschungspapier.pdf
  • Optimal für: Dokumentenverarbeitung, Inhaltsgewinnung
  • Kombiniert mit: gemini-text für Analysen

Arbeitsablauf 6: Mehrere Dateien für Stapelverarbeitung hochladen

# 1. Mehrere Dateien hochladen
for datei in *.jpg; do
    python scripts/upload.py "$datei"
done

# 2. Stapelauftrag mit hochgeladenen Dateien erstellen (gemini-batch skill)
  • Optimal für: Vorbereiten von Dateien für die Stapelverarbeitung
  • Kombiniert mit: gemini-batch für Massenvorgänge

Arbeitsablauf 7: Audio zur Transkription hochladen

# 1. Audio hochladen
python scripts/upload.py interview.mp3 --name "interview-001" --wait

# 2. Mit gemini-text verarbeiten (falls Transkription verfügbar)
python skills/gemini-text/scripts/generate.py "Transkribiere und fasse dieses Audio zusammen" --image interview.mp3
  • Optimal für: Audioverarbeitung, Transkription, Podcast-Analyse
  • Kombiniert mit: gemini-text für Audioanalysen

Arbeitsablauf 8: Video zur Inhaltsanalyse hochladen

# 1. Video hochladen (kann Zeit in Anspruch nehmen)
python scripts/upload.py produktdemo.mp4 --name "demo-video" --wait

# 2. Mit gemini-text analysieren
python skills/gemini-text/scripts/generate.py "Analysiere dieses Produkt-Demo-Video" --image produktdemo.mp4
  • Optimal für: Videoanalyse, Inhaltszusammenfassung
  • Hinweis: Videos können erhebliche Verarbeitungszeit benötigen

Parameter-Referenz

Unterstützte Dateitypen

TypErweiterungenMaximale GrößeVerarbeitungszeit
Bilderjpg, jpeg, png, gif, webp20MBSekunden
Audiomp3, wav, aac, flac25MBSekunden–Minuten
Videomp4, mov, avi, webm2GBMinuten–Stunden
Dokumentepdf, txt50MBSekunden–Minuten

MIME-Typen

Das Skript erkennt automatisch anhand der Dateierweiterung:

  • Bilder: image/jpeg, image/png, image/gif, image/webp
  • Audio: audio/mpeg, audio/wav
  • Video: video/mp4, video/quicktime, video/webm
  • Dokumente: application/pdf, text/plain

Dateistati

StatusBeschreibungBereit zur Nutzung
PROCESSINGDatei wird analysiertNein
ACTIVEDatei ist bereitJa
FAILEDVerarbeitung fehlgeschlagenNein

Ausgabeinterpretation

Upload-Antwort

Lade foto.png hoch...
Hochgeladen: files/abc123...
URI: gs://generation-tmp/abc123...
Status: PROCESSING
  • Dateiname: In API-Aufrufen verwenden
  • URI: Interne Google Cloud Storage-Referenz
  • Status: PROCESSING = warten, ACTIVE = bereit

Mit --wait Flag

Lade video.mp4 hoch...
Hochgeladen: files/xyz789...
URI: gs://generation-tmp/xyz789...
Status: PROCESSING
Warte auf Verarbeitung...
Wird noch verarbeitet...
Datei bereit!
  • Skript fragt ab, bis Status ACTIVE ist
  • Bei großen Dateien verwenden, die Verarbeitung erfordern
  • Kann bei Videos Minuten dauern

Verwendung hochgeladener Dateien

Nach dem Hochladen kann die Datei über den Namen referenziert werden:

# Mit gemini-text
python skills/gemini-text/scripts/generate.py "Analysiere" --image <pfad-zur-hochgeladenen-datei>

Häufige Probleme

"google-genai nicht installiert"

pip install google-genai

"Datei nicht gefunden"

  • Überprüfen Sie, ob der Dateipfad korrekt ist
  • Verwenden Sie absolute Pfade, wenn relative Pfade fehlschlagen
  • Stellen Sie sicher, dass die Dateierweiterung den unterstützten Typen entspricht

"Datei zu groß"

  • Prüfen Sie die Größenbeschränkungen für den Dateityp
  • Komprimieren Sie Bilder/Videos wenn möglich
  • Teilen Sie große Dateien in kleinere Teile auf

"Nicht unterstützter Dateityp"

  • Überprüfen Sie die unterstützten Erweiterungen
  • Konvertieren Sie in ein unterstütztes Format, wenn möglich
  • Bilder: jpg, png, gif, webp
  • Videos: mp4, mov, avi, webm

"Verarbeitung fehlgeschlagen"

  • Prüfen Sie, ob die Datei beschädigt ist
  • Versuchen Sie, die Datei erneut hochzuladen
  • Stellen Sie sicher, dass das Dateiformat gültig ist
  • Überprüfen Sie die API-Kontingentlimits

"Datei wird noch verarbeitet" (ohne --wait)

  • Dateistatus ist PROCESSING, nicht ACTIVE
  • Verwenden Sie das --wait Flag oder prüfen Sie den Status später
  • Große Dateien (insbesondere Videos) benötigen Zeit
  • Die Verarbeitung kann Minuten bis Stunden dauern

Best Practices

Upload-Strategie

  • Verwenden Sie --wait für Dateien, die Sie sofort nutzen möchten
  • Überspringen Sie --wait bei Stapel-Uploads, um Zeit zu sparen
  • Verwenden Sie beschreibende --name für die Organisation
  • Behalten Sie Dateinamen für die spätere Verwendung im Auge

Dateiorganisation

  • Verwenden Sie konsistente Namenskonventionen
  • Fügen Sie Daten oder Versionen in die Namen ein
  • Gruppieren Sie zusammengehörige Dateien
  • Dokumentieren Sie Dateinamen in Ihrem Code

Leistungstipps

  • Laden Sie mehrere Dateien parallel hoch (separate Prozesse)
  • Laden Sie Dateien für Stapeloperationen vorab hoch
  • Prüfen Sie den Dateistatus vor der Verwendung in API-Aufrufen
  • Löschen Sie alte Dateien, um Speicherplatz zu verwalten

Fehlerbehandlung

  • Überprüfen Sie den Rückgabestatus nach dem Hochladen
  • Wiederholen Sie fehlgeschlagene Uploads
  • Verifizieren Sie die Dateiintegrität vor dem Hochladen
  • Protokollieren Sie Dateinamen für Prüfpfade

Integration mit anderen Skills

  • gemini-text: Multimodale Analyse, Dokumentenverarbeitung
  • gemini-image: Bilder basierend auf hochgeladenen Referenzen generieren
  • gemini-batch: Hochgeladene Dateien in Stapelaufträgen verwenden
  • gemini-embeddings: Einbettungen aus Dateiinhalten erstellen

Datei-Lebenszyklus

  • Hochladen → PROCESSING → ACTIVE → In API verwenden
  • Löschen Sie alte Dateien, um Speicher freizugeben
  • Dateien können nach einem bestimmten Zeitraum ablaufen
  • Laden Sie wichtige Dateien zur Sicherung herunter

Verwandte Skills

  • gemini-text: Analysieren Sie hochgeladene Dateien mit Textgenerierung
  • gemini-image: Erstellen Sie Bilder basierend auf hochgeladenen Referenzen
  • gemini-batch: Verwenden Sie hochgeladene Dateien in der Stapelverarbeitung
  • gemini-embeddings: Generieren Sie Einbettungen aus Dateiinhalten

Kurzreferenz

# Einfaches Hochladen
python scripts/upload.py bild.jpg

# Mit benutzerdefiniertem Namen
python scripts/upload.py dokument.pdf --name "Mein Dokument"

# Auf Verarbeitung warten
python scripts/upload.py video.mp4 --wait

# Mehrere Dateien
for datei in *.jpg; do python scripts/upload.py "$datei"; done

Dateiverwaltungs-API

Obwohl nicht in den Skripten enthalten, können Sie Dateien auch über Python verwalten:

from google import genai

client = genai.Client()

# Alle Dateien auflisten
for datei in client.files.list():
    print(f"{datei.name}: {datei.display_name} ({datei.state})")

# Dateiinformationen abrufen
datei = client.files.get(name="files/abc123...")
print(f"Status: {datei.state}")

# Datei löschen
client.files.delete(name="files/abc123...")

Referenz

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills