refine: gemini-web-generate SKILL 改为中文，补全管道/文件提示词用法

2026-05-14 22:28:36 +08:00
parent 5df8934000
commit 4b611d4f22
2 changed files with 139 additions and 105 deletions
@@ -1,166 +1,199 @@
 ---
 name: gemini-web-generate
-description: "Generate images via Gemini web interface using a headless browser automation CLI. Supports text-to-image, image-to-image, multi-image reference, multi-turn conversations, and session management. Use when: (1) User wants to generate images with Gemini, (2) User says 'generate with Gemini' or 'Gemini 生图', (3) Image-to-image or style transfer tasks, (4) Continuing an existing Gemini image conversation."
+description: "通过 Gemini 网页版生图。支持文生图、图生图（单张/多张参考图）、多轮对话生图、会话管理。底层使用 Puppeteer 驱动的 CLI 脚本自动化全流程。使用场景：(1) 用户要求用 Gemini 生成图片，(2) 用户说「Gemini 生图」，(3) 图生图 / 风格转换，(4) 继续已有 Gemini 生图对话。"
 ---

-# Gemini Web Image Generation
+# Gemini 网页版生图

-Generate images through Gemini's web interface using a bundled Puppeteer-based CLI that automates the full workflow: navigation, image upload, prompt submission, download, and cleanup.
+通过 Puppeteer 驱动的 CLI 脚本自动化 Gemini 网页生图全流程：打开标签页 → 导航 → 粘贴参考图 → 输入提示词 → 发送 → 等待生成 → 下载原图 → 清理。

-## Architecture
+## 组件

-| Component | Path |
-|------|------|
-| CLI entry | `scripts/cli.js` |
-| Node binary | `/home/dazhi/.nvm/versions/node/v22.22.0/bin/node` |
-| Browser CDP | `http://127.0.0.1:9223` (managed by `browser` tool) |
+| 组件 | 说明 |
+|:---|:---|
+| CLI 入口 | `scripts/cli.js` |
+| Node 路径 | `/home/dazhi/.nvm/versions/node/v22.22.0/bin/node` |
+| 浏览器 CDP | `http://127.0.0.1:9223`（由 `browser` 工具管理） |

-## Quick Start
+## 部署

-All commands use absolute paths for reliability:
+首次使用前需安装依赖：
+
+```bash
+cd <skill 安装目录>/scripts && npm install
+```
+
+## 命令速查
+
+以下 `<skill>` 指本 skill 的安装根目录。

 ```bash
 NODE="/home/dazhi/.nvm/versions/node/v22.22.0/bin/node"
-CLI="<skill-dir>/scripts/cli.js"
+CLI="<skill>/scripts/cli.js"
 ```

-### Text-to-Image (default: single mode)
+### 文生图

 ```bash
-$NODE $CLI generate --prompt "a cute cat" --mode single
+$NODE $CLI generate --prompt "一只可爱的猫，水彩风格" --mode single
 ```

-### Image-to-Image
+### 图生图

 ```bash
-$NODE $CLI generate --prompt "convert to watercolor style" --image /path/to/ref.png --mode single
+# 单张参考图
+$NODE $CLI generate --prompt "换成水墨风格" --image /path/to/ref.png --mode single
+
+# 多张参考图（最多 10 张，逗号分隔）
+$NODE $CLI generate --prompt "融合这些图片的风格" --images "/path/a.png,/path/b.png" --mode single
 ```

-### Multi-image Reference
+### 从文件或管道读取提示词

 ```bash
-$NODE $CLI generate --prompt "blend these images" --images "/path/a.png,/path/b.png" --mode single
+# 从文件读取（支持换行）
+$NODE $CLI generate --prompt-file /path/to/prompt.txt --mode single
+
+# 从管道读取
+echo "复杂的多行提示词..." | $NODE $CLI generate --prompt stdin --mode single
 ```

-### Multi-turn Conversation
+### 多轮对话生图

 ```bash
-# First turn (session stays open)
-$NODE $CLI generate --prompt "draw a sunset"
-# Continue
-$NODE $CLI generate --session <id> --prompt "add a boat"
-# Last turn (auto-close)
-$NODE $CLI generate --session <id> --prompt "make it night" --mode single
+# 首轮（不加 --mode，标签页保持打开）
+$NODE $CLI generate --prompt "画一幅日落风景"
+
+# 续次（不加 --mode，可传入新的参考图）
+$NODE $CLI generate --session <id> --prompt "在画面中加入一艘小船"
+$NODE $CLI generate --session <id> --prompt "换成夜晚风格" --image /path/to/ref.png
+
+# 末轮（加 --mode single，自动关闭标签页）
+$NODE $CLI generate --session <id> --prompt "最终调整" --mode single
 ```

-## Core Workflow
+⚠️ 续次不要加 `--mode`，保持标签页打开。关闭方式二选一：末轮加 `--mode single` 自动关，或用 `close` 命令手动关。

-### 1. Ensure Browser is Running
+### 通过对话链接继续
+
+```bash
+$NODE $CLI generate --chatUrl "https://gemini.google.com/app/xxxx" --prompt "换成水彩风格"
+```
+
+### 状态与诊断
+
+```bash
+# 立即检查状态
+$NODE $CLI status --session <id>
+
+# 持续轮询直到完成（适用于 CLI 超时后确认是否后台还在生成）
+$NODE $CLI status --session <id> --wait
+
+# 带截图诊断
+$NODE $CLI status --session <id> --wait --screenshot
+```
+
+状态返回值：`idle`（空闲）、`generating`（生成中）、`done`（完成）、`error`（异常）、`page_error`（页面崩溃）、`not_logged_in`（未登录）。
+
+### 下载
+
+```bash
+# 下载新生成的所有图片
+$NODE $CLI download --session <id>
+
+# 下载指定索引（从 0 开始）
+$NODE $CLI download --session <id> --index 2
+```
+
+### 会话管理
+
+```bash
+# 列出所有活跃会话
+$NODE $CLI sessions
+
+# 通过对话链接找回丢失的 session
+$NODE $CLI find_session --chatUrl "https://gemini.google.com/app/xxxx" --open
+
+# 关闭指定会话
+$NODE $CLI close --session <id>
+```
+
+## 标准生图流程
+
+### 1. 确保浏览器已启动

 ```
 browser action=start
 ```

-### 2. Execute Generation
+### 2. 执行生图

-Default to `--mode single` (auto-close after download). Only omit `--mode` for multi-turn sessions.
+默认使用 `--mode single`（生成后自动关闭标签页）。仅多轮对话时不加 `--mode`。

 ```bash
-$NODE $CLI generate --prompt "..." --mode single
+NODE="/home/dazhi/.nvm/versions/node/v22.22.0/bin/node"
+CLI="<skill>/scripts/cli.js"
+
+$NODE $CLI generate --prompt "提示词" --mode single
 ```

-CLI handles: open tab → navigate to Gemini → paste reference images → type prompt → submit → wait for generation → download to `output/originals/` → close tab (single mode).
+CLI 自动完成：创建标签页 → 导航 Gemini → 粘贴参考图 → 输入提示词 → 发送 → 等待生成 → 下载到 `output/originals/` → 关闭标签页（single 模式）。

-Default timeouts: generation 300s (5min), download 120s.
+超时默认值：生成 300 秒（5 分钟），下载 120 秒。

-### 3. Handle Results
+推荐加 `--screenshot`：出错或超时时自动截图保存，便于诊断。

-**On success**: Move downloaded image and clean up:
+### 3. 处理结果
+
+**成功时**：移动图片到最终目录并清理：

 ```bash
-# Move latest generated image
-LATEST=$(ls -t <skill-dir>/scripts/output/originals/ | head -1)
-mv "<skill-dir>/scripts/output/originals/$LATEST" ~/.openclaw/workspace/media/generated/
+# 移动最新生成的图片
+LATEST=$(ls -t <skill>/scripts/output/originals/ | head -1)
+mv "<skill>/scripts/output/originals/$LATEST" ~/.openclaw/workspace/media/generated/

-# Clean up moved files
+# 清理原目录中已移动的文件
 for f in Gemini_Generated_Image_*.png generated-*.png; do
-  if [ -f "/home/dazhi/.openclaw/workspace/media/generated/$f" ]; then
-    rm "<skill-dir>/scripts/output/originals/$f" 2>/dev/null
-  fi
+  [ -f "~/.openclaw/workspace/media/generated/$f" ] && rm "<skill>/scripts/output/originals/$f" 2>/dev/null
 done
 ```

-**On timeout or error**: Check status:
+**超时或失败时**：用 status 命令检查：

 ```bash
 $NODE $CLI status --session <id> --wait
 ```

-If status returns `done`, run download:
+- 返回 `done` → 执行 `$NODE $CLI download --session <id>` 手动下载
+- 返回 `generating` → 继续等待（`--wait` 会自动轮询）
+- 返回 `error` → 报告错误，建议修改提示词重试

-```bash
-$NODE $CLI download --session <id>
-```
+**确认下载成功**：下载后必须检查 `output/originals/` 目录，确认文件名和文件大小。

-**Add `--screenshot` for diagnostics**: When errors/timeouts are expected, add `--screenshot` to auto-capture a screenshot on failure.
+### 4. 发送图片

-### 4. Deliver to User
+用 `message` 工具的 `media` 参数发送最终图片。不要用截图预览——CLI 下载的是原图。

-Use `message` tool with `media` parameter to send the final image.
+## 关键规则

-## Secondary Workflows
-
-### Continue from Chat URL
-
-```bash
-$NODE $CLI generate --chatUrl "https://gemini.google.com/app/xxxx" --prompt "new instruction"
-```
-
-### List Active Sessions
-
-```bash
-$NODE $CLI sessions
-```
-
-### Find Lost Session
-
-```bash
-$NODE $CLI find_session --chatUrl "https://gemini.google.com/app/xxxx" --open
-```
-
-### Close a Session
-
-```bash
-$NODE $CLI close --session <id>
-```
-
-## Error Handling
-
-| Status | Action |
-|------|------|
-| CLI exits `success` | Move image from `output/originals/` |
-| CLI exits `timeout` | Run `status --session <id> --wait` to check if still generating |
-| Status returns `done` | Run `download --session <id>` |
-| Status returns `error` | Report error, suggest retry with modified prompt |
-| Status returns `generating` | Continue waiting with `--wait` |
-| Session lost | Use `find_session --chatUrl <url> --open` to recover |
-| Browser not started | Run `browser action=start` first |
-| Downloaded image not found | Check `output/originals/` directory, verify filename and size |
-
-## Critical Rules
-
-1. **Browser management**: Use `browser` tool for lifecycle; CLI only handles Gemini interaction
-2. **Always use absolute paths** for node and CLI paths
-3. **Default to `--mode single`**: Auto-close after download unless in multi-turn conversation
-4. **Multi-turn continuation**: Do NOT add `--mode` when continuing; close with `--mode single` on last turn or `close` command
-5. **Reference image path handling**:
-   - ❌ Never use absolute paths with spaces — shell splits them
-   - ✅ `cd` to reference image directory first, then use relative paths
-   - ✅ Use `ls | grep` to dynamically get filenames
-6. **Avoid numbered reference images** (e.g., `01-xxx.jpg`) — Gemini may rate-limit repeated use
-7. **Stop after 3 consecutive failures** — investigate root cause instead of retrying
-8. **Always move downloaded images** to `~/media/generated/` and clean up originals
-9. **Verify downloads**: Check filename and file size in originals before moving
-10. **Use `--screenshot`** for diagnostic capture on errors
-11. **No `--json` needed**: Read CLI text output directly
-12. **Don't use screenshot previews**: CLI downloads original images directly
+1. **浏览器管理**用 `browser` 工具，CLI 只负责 Gemini 交互
+2. **所有路径用绝对路径**：node 路径、CLI 路径都用明确的值
+3. **默认单次生图**：所有生图请求默认加 `--mode single`，生成后自动关闭标签页
+4. **多轮续次不加 mode**：续次不加 `--mode`。关闭：末轮加 `--mode single` 自动关，或 `close --session <id>` 手动关
+5. **不需要 `--json`**：直接读 CLI 文本输出即可
+6. **参考图路径处理**（⚠️ 重要教训）：
+   - ❌ 不要直接用带空格的绝对路径 — shell 会把空格当参数分隔符
+   - ✅ 先 `cd` 到参考图目录，用相对路径
+   - ✅ 用 `ls | grep` 动态获取文件名，避免手动写带空格的路径
+   ```bash
+   cd /home/dazhi/.openclaw/workspace/media/参考图/
+   FILE1=$(ls | grep -v "^[0-9]" | head -1)
+   FILE2=$(ls | grep -v "^[0-9]" | head -2 | tail -1)
+   $NODE $CLI generate --prompt "..." --images "$FILE1,$FILE2" --mode single
+   ```
+7. **不要用带序号的参考图**（如 `01-xxx.jpg`）— Gemini 会因重复使用而限流
+8. **失败 3 次后停下来检查** — 不要盲目重试，先排查路径/Gemini 状态/限流原因
+9. **下载后立即移动**到 `media/generated/`，并清理 originals 中的副本
+10. **生成完成后初步检查图片内容**：确认内容符合预期再发送给用户
+11. **参考图限流**：同一批参考图重复使用多次后 Gemini 可能只回文字，换新参考图或间隔一段时间再试
+12. **善用 `--screenshot`**：出错或超时自动截图，快速定位问题