---
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。"
---

# 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。

## 组件

| 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） |

## 部署

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>/scripts/cli.js"
```

### 文生图

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

### 图生图

```bash
# 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
```

### 从文件或管道读取提示词

```bash
# 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
```

### 多轮对话生图

```bash
# 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
```

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。

### 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. 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`。

```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
```

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

**成功时**：移动图片到最终目录并清理：

```bash
# 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/

# 清理原目录中已移动的文件
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
done
```

**超时或失败时**：用 status 命令检查：

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

- 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

**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。

### 4. 发送图片

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。

## 关键规则

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