diff --git a/skills/gemini-web-generate/SKILL.md b/skills/gemini-web-generate/SKILL.md index e5b9ff7..7b0a327 100644 --- a/skills/gemini-web-generate/SKILL.md +++ b/skills/gemini-web-generate/SKILL.md @@ -1,187 +1,134 @@ --- name: gemini-web-generate -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。" +description: "Generate images through Gemini web interface via a Puppeteer CLI. Supports text-to-image, image-to-image (single/multi reference), multi-turn conversations, session management, and download-only mode. Use when: (1) User asks to generate images with Gemini, (2) User says 'Gemini 生图', (3) Image-to-image or style transfer, (4) Continuing an existing Gemini image conversation." --- # Gemini 网页版生图 -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。 +通过 Puppeteer CLI (`scripts/cli.js`) 驱动 Gemini 网页完成生图全流程：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。 ## 环境 -| 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） | +浏览器由 `browser` 工具管理（CDP: `http://127.0.0.1:9223`）。 -## 安装部署 +首次使用需安装依赖： ```bash cd ~/.openclaw/skills/gemini-web-generate/scripts && npm install ``` -安装后 `output/originals/` 和 `output/screenshots/` 会自动创建。 - -## 命令参数 - -以下 `` 指本 skill 的安装根目录（`~/.openclaw/skills/gemini-web-generate`）。 - -所有命令的 Node 和 CLI 路径使用绝对路径： +定义命令行别名（所有命令沿用此设定）： ```bash NODE="/home/dazhi/.nvm/versions/node/v22.22.0/bin/node" -CLI="/scripts/cli.js" +CLI="scripts/cli.js" ``` -### generate — 生图 +## 标准流程 -```bash -# 文生图 -$NODE $CLI generate --prompt "一只可爱的猫" --mode single - -# 图生图 — 单张参考图 -$NODE $CLI generate --prompt "换成水墨风格" --image /path/to/ref.png --mode single - -# 图生图 — 多张参考图（最多 10 张，逗号分隔） -$NODE $CLI generate --prompt "融合这些图片" --images "/path/a.png,/path/b.png" --mode single - -# 从文件读取提示词（支持换行） -$NODE $CLI generate --prompt-file /path/to/prompt.txt --mode single - -# 从管道读取提示词 -echo "提示词" | $NODE $CLI generate --prompt stdin --mode single - -# 通过对话链接继续生图 -$NODE $CLI generate --chatUrl "https://gemini.google.com/app/xxxx" --prompt "换成晚上场景" - -# 仅下载已有图片（chatUrl 不加 --prompt） -$NODE $CLI generate --chatUrl "https://gemini.google.com/app/xxxx" --mode single - -# 指定超时（毫秒） -$NODE $CLI generate --prompt "复杂提示词" --timeout 600000 --download-timeout 180000 --mode single - -# 出错时自动截图诊断 -$NODE $CLI generate --prompt "..." --screenshot --mode single -``` - -**参数说明**： - -| 参数 | 说明 | 默认值 | -|:---|:---|:---| -| `--prompt` | 提示词。设为 `"stdin"` 或管道传值可从标准输入读取 | 必填（含 `--chatUrl` 时可省略进入下载模式） | -| `--prompt-file` | 从文件读取提示词 | - | -| `--image` | 单张参考图路径 | - | -| `--images` | 多张参考图路径，逗号分隔，最多 10 张 | - | -| `--session` | 复用已有会话 | - | -| `--chatUrl` | 打开指定 Gemini 对话链接 | - | -| `--mode` | `single` 生成后关闭标签页，`multi` 保持打开 | `multi` | -| `--tool` | 发送前选择的工具名 | 制作图片 | -| `--timeout` | 生成超时（毫秒） | 300000 | -| `--download-timeout` | 下载超时（毫秒） | 120000 | -| `--screenshot` | 出错/超时时自动截图 | 关闭 | -| `--json` | NDJSON 模式输出 | 关闭 | - -### status — 状态检查 - -```bash -# 立即返回当前状态 -$NODE $CLI status --session - -# 持续轮询直到完成 -$NODE $CLI status --session --wait - -# 带截图诊断 -$NODE $CLI status --session --wait --screenshot -``` - -状态值：`idle`（空闲）、`generating`（生成中）、`done`（完成）、`error`（异常）、`page_error`（页面崩溃）、`not_logged_in`（未登录）。 - -### download — 下载图片 - -```bash -# 下载全部新生成图片 -$NODE $CLI download --session - -# 下载指定索引（从 0 开始） -$NODE $CLI download --session --index 2 -``` - -### 会话管理 - -```bash -# 列出所有活跃会话 -$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 -``` - -## 标准生图流程 - -### 1. 确保浏览器已启动 +### 1. 启动浏览器 ``` browser action=start ``` -### 2. 执行生图 +### 2. 生图 -默认使用 `--mode single`，CLI 自动完成全流程并下载图片到 `/scripts/output/originals/`。 +默认用 `--mode single`（生成后自动关闭标签页），CLI 自动下载图片到 `scripts/output/originals/`。 ```bash $NODE $CLI generate --prompt "提示词" --mode single ``` -### 3. 处理结果 - -**成功** — 移动图片到最终目录并清理： +**带参考图**： ```bash -LATEST=$(ls -t /scripts/output/originals/ | head -1) -mv "/scripts/output/originals/$LATEST" ~/.openclaw/workspace/media/generated/ - -# 清理已移动的文件 -for f in Gemini_Generated_Image_*.png generated-*.png; do - [ -f "~/.openclaw/workspace/media/generated/$f" ] && rm "/scripts/output/originals/$f" 2>/dev/null -done +$NODE $CLI generate --prompt "提示词" --image /path/to/ref.png --mode single +$NODE $CLI generate --prompt "提示词" --images "/path/a.png,/path/b.png" --mode single ``` -**超时或失败** — 用 status 检查： +参考图路径含空格时，先 `cd` 到目录再用相对路径。 + +### 3. 收集结果 + +CLI 成功后将图片移动到工作区媒体目录： + +```bash +LATEST=$(ls -t scripts/output/originals/ | head -1) +mv "scripts/output/originals/$LATEST" ~/.openclaw/workspace/media/generated/ +``` + +然后用 `message` 工具发送。 + +### 4. 失败处理 + +CLI 超时或报错时，检查会话状态： ```bash $NODE $CLI status --session --wait ``` -- 返回 `done` → 执行 `$NODE $CLI download --session ` 手动下载 -- 返回 `generating` → 继续等待 -- 返回 `error` → 报告错误，建议修改提示词重试 +| 状态 | 处理 | +|:---|:---| +| `done` | `$NODE $CLI download --session ` 手动下载 | +| `generating` | 继续等待 | +| `error` | 报告错误，调整提示词重试 | -**确认下载成功**：检查 `output/originals/` 目录，确认文件名和大小。 +## 其他生图方式 -### 4. 发送图片 - -用 `message` 工具的 `media` 参数发送最终图片。 - -## 多轮对话 +### 多轮对话 ```bash -# 首轮（不加 --mode） +# 首轮（不加 --mode，保持标签页打开） $NODE $CLI generate --prompt "画一幅日落风景" # 续次（不加 --mode） -$NODE $CLI generate --session --prompt "在画面中加入一艘小船" +$NODE $CLI generate --session --prompt "加入一艘小船" # 末轮（--mode single 自动关闭） $NODE $CLI generate --session --prompt "最终调整" --mode single ``` -⚠️ 续次不加 `--mode`。关闭：末轮加 `--mode single`，或 `close --session `。 +### 通过对话链接继续 -## 注意事项 +```bash +$NODE $CLI generate --chatUrl "https://gemini.google.com/app/xxxx" --prompt "换成水彩风格" +``` -- 参考图路径不要包含空格 — shell 会把空格当参数分隔符。先 `cd` 到参考图目录再用相对路径 -- `browser` 工具负责浏览器生命周期；CLI 只管 Gemini 交互 +### 仅下载已有图片 + +对话中已有生成图片时，不加 `--prompt` 直接下载： + +```bash +$NODE $CLI generate --chatUrl "https://gemini.google.com/app/xxxx" --mode single +``` + +### 从文件或管道读取提示词 + +```bash +$NODE $CLI generate --prompt-file /path/to/prompt.txt --mode single +echo "提示词" | $NODE $CLI generate --prompt stdin --mode single +``` + +## 会话管理 + +```bash +$NODE $CLI sessions # 列出活跃会话 +$NODE $CLI find_session --chatUrl "" --open # 找回丢失的 session +$NODE $CLI close --session # 关闭会话 +``` + +## generate 参数参考 + +| 参数 | 说明 | 默认值 | +|:---|:---|:---| +| `--prompt` | 提示词。`"stdin"` 从标准输入读取 | 必填（与 `--chatUrl` 共用时可省略） | +| `--prompt-file` | 从文件读取提示词 | - | +| `--image` | 单张参考图 | - | +| `--images` | 多张参考图，逗号分隔，最多 10 张 | - | +| `--session` | 复用已有会话 ID | - | +| `--chatUrl` | Gemini 对话链接 | - | +| `--mode` | `single` 生成后关闭标签页 / `multi` 保持打开 | `multi` | +| `--timeout` | 生成超时（毫秒） | 300000 | +| `--download-timeout` | 下载超时（毫秒） | 120000 | +| `--screenshot` | 出错/超时时自动截图 | 关闭 |