refine: SKILL.md 精简重构,剥离智能体习惯类规则,保留技能核心指令

This commit is contained in:
2026-05-14 23:05:34 +08:00
parent 326484b35c
commit d7f0653b04
+73 -95
View File
@@ -5,9 +5,9 @@ description: "通过 Gemini 网页版生图。支持文生图、图生图(单
# Gemini 网页版生图 # 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 → 清理 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。
## 组件 ## 环境
| 组件 | 说明 | | 组件 | 说明 |
|:---|:---| |:---|:---|
@@ -15,100 +15,92 @@ description: "通过 Gemini 网页版生图。支持文生图、图生图(单
| Node 路径 | `/home/dazhi/.nvm/versions/node/v22.22.0/bin/node` | | 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 CDP | `http://127.0.0.1:9223`(由 `browser` 工具管理) |
## 部署 ## 安装部署
首次使用前需安装依赖:
```bash ```bash
cd <skill 安装目录>/scripts && npm install cd ~/.openclaw/skills/gemini-web-generate/scripts && npm install
``` ```
## 命令速查 安装后 `output/originals/``output/screenshots/` 会自动创建。
以下 `<skill>` 指本 skill 的安装根目录。 ## 命令参数
以下 `<skill>` 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:
```bash ```bash
NODE="/home/dazhi/.nvm/versions/node/v22.22.0/bin/node" NODE="/home/dazhi/.nvm/versions/node/v22.22.0/bin/node"
CLI="<skill>/scripts/cli.js" CLI="<skill>/scripts/cli.js"
``` ```
### 生图 ### generate — 生图
```bash ```bash
$NODE $CLI generate --prompt "一只可爱的猫,水彩风格" --mode single # 文生图
``` $NODE $CLI generate --prompt "一只可爱的猫" --mode single
### 图生图 # 图生图 — 单张参考图
```bash
# 单张参考图
$NODE $CLI generate --prompt "换成水墨风格" --image /path/to/ref.png --mode single $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) # 图生图 — 多张参考图(最多 10 张,逗号分隔)
$NODE $CLI generate --prompt "融合这些图片的风格" --images "/path/a.png,/path/b.png" --mode single $NODE $CLI generate --prompt "融合这些图片" --images "/path/a.png,/path/b.png" --mode single
```
### 从文件或管道读取提示词 # 从文件读取提示词(支持换行)
```bash
# 从文件读取(支持换行)
$NODE $CLI generate --prompt-file /path/to/prompt.txt --mode single $NODE $CLI generate --prompt-file /path/to/prompt.txt --mode single
# 从管道读取 # 从管道读取提示词
echo "复杂的多行提示词..." | $NODE $CLI generate --prompt stdin --mode single echo "提示词" | $NODE $CLI generate --prompt stdin --mode single
```
### 多轮对话生图 # 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"
```bash # 仅下载已有图片(chatUrl 不加 --prompt
# 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
```
⚠️ 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。
### 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"
```
### 仅下载已有图片(不生成新图)
打开已有生图对话,直接下载所有已生成的图片,不发送新提示词:
```bash
$NODE $CLI generate --chatUrl "https://gemini.google.com/app/xxxx" --mode single $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
``` ```
不加 `--prompt` 即进入纯下载模式,自动下载对话中所有已生成图片后关闭标签页。 **参数说明**
### 状态与诊断 | 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 ```bash
# 立即检查状态 # 立即返回当前状态
$NODE $CLI status --session <id> $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) # 持续轮询直到完成
$NODE $CLI status --session <id> --wait $NODE $CLI status --session <id> --wait
# 带截图诊断 # 带截图诊断
$NODE $CLI status --session <id> --wait --screenshot $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)。 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)。
### 下载 ### download — 下载图片
```bash ```bash
# 下载新生成的所有图片 # 下载全部新生成图片
$NODE $CLI download --session <id> $NODE $CLI download --session <id>
# 下载指定索引(从 0 开始) # 下载指定索引(从 0 开始)
@@ -138,72 +130,58 @@ browser action=start
### 2. 执行生图 ### 2. 执行生图
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` 默认使用 `--mode single`CLI 自动完成全流程并下载图片到 `<skill>/scripts/output/originals/`
```bash ```bash
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 $NODE $CLI generate --prompt "提示词" --mode single
``` ```
CLI 自动完成:创建标签页 → 导航 Gemini → 粘贴参考图 → 输入提示词 → 发送 → 等待生成 → 下载到 `output/originals/` → 关闭标签页(single 模式)。
超时默认值:生成 300 秒(5 分钟),下载 120 秒。
推荐加 `--screenshot`:出错或超时时自动截图保存,便于诊断。
### 3. 处理结果 ### 3. 处理结果
**成功**移动图片到最终目录并清理: **成功**移动图片到最终目录并清理:
```bash ```bash
# 移动最新生成的图片
LATEST=$(ls -t <skill>/scripts/output/originals/ | head -1) LATEST=$(ls -t <skill>/scripts/output/originals/ | head -1)
mv "<skill>/scripts/output/originals/$LATEST" ~/.openclaw/workspace/media/generated/ mv "<skill>/scripts/output/originals/$LATEST" ~/.openclaw/workspace/media/generated/
# 清理原目录中已移动的文件 # 清理已移动的文件
for f in Gemini_Generated_Image_*.png generated-*.png; do for f in Gemini_Generated_Image_*.png generated-*.png; do
[ -f "~/.openclaw/workspace/media/generated/$f" ] && rm "<skill>/scripts/output/originals/$f" 2>/dev/null [ -f "~/.openclaw/workspace/media/generated/$f" ] && rm "<skill>/scripts/output/originals/$f" 2>/dev/null
done done
``` ```
**超时或失败**用 status 命令检查: **超时或失败**用 status 检查:
```bash ```bash
$NODE $CLI status --session <id> --wait $NODE $CLI status --session <id> --wait
``` ```
- 返回 `done` → 执行 `$NODE $CLI download --session <id>` 手动下载 - 返回 `done` → 执行 `$NODE $CLI download --session <id>` 手动下载
- 返回 `generating` → 继续等待`--wait` 会自动轮询) - 返回 `generating` → 继续等待
- 返回 `error` → 报告错误,建议修改提示词重试 - 返回 `error` → 报告错误,建议修改提示词重试
**确认下载成功**下载后必须检查 `output/originals/` 目录,确认文件名和文件大小。 **确认下载成功**:检查 `output/originals/` 目录,确认文件名和大小。
### 4. 发送图片 ### 4. 发送图片
`message` 工具的 `media` 参数发送最终图片。不要用截图预览——CLI 下载的是原图。 `message` 工具的 `media` 参数发送最终图片。
## 关键规则 ## 多轮对话
1. **浏览器管理**用 `browser` 工具,CLI 只负责 Gemini 交互
2. **所有路径用绝对路径**:node 路径、CLI 路径都用明确的值
3. **默认单次生图**:所有生图请求默认加 `--mode single`,生成后自动关闭标签页
4. **多轮续次不加 mode**:续次不加 `--mode`。关闭:末轮加 `--mode single` 自动关,或 `close --session <id>` 手动关
5. **不需要 `--json`**:直接读 CLI 文本输出即可
6. **参考图路径处理**(⚠️ 重要教训):
- ❌ 不要直接用带空格的绝对路径 — shell 会把空格当参数分隔符
- ✅ 先 `cd` 到参考图目录,用相对路径
- ✅ 用 `ls | grep` 动态获取文件名,避免手动写带空格的路径
```bash ```bash
cd /home/dazhi/.openclaw/workspace/media/参考图/ # 首轮(不加 --mode
FILE1=$(ls | grep -v "^[0-9]" | head -1) $NODE $CLI generate --prompt "画一幅日落风景"
FILE2=$(ls | grep -v "^[0-9]" | head -2 | tail -1)
$NODE $CLI generate --prompt "..." --images "$FILE1,$FILE2" --mode single # 续次(不加 --mode
$NODE $CLI generate --session <id> --prompt "在画面中加入一艘小船"
# 末轮(--mode single 自动关闭)
$NODE $CLI generate --session <id> --prompt "最终调整" --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 ⚠️ 续次不加 `--mode`。关闭:末轮加 `--mode single`,或 `close --session <id>`
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 ## 注意事项
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 - 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