---
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。

## 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） |

## 安装部署

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

### generate — 生图

```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 <id>

# 持续轮询直到完成
$NODE $CLI status --session <id> --wait

# 带截图诊断
$NODE $CLI status --session <id> --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 <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`，CLI 自动完成全流程并下载图片到 `<skill>/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：

```bash
LATEST=$(ls -t <skill>/scripts/output/originals/ | head -1)
mv "<skill>/scripts/output/originals/$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/$f" ] && rm "<skill>/scripts/output/originals/$f" 2>/dev/null
done
```

**超时或失败** — 用 status 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
- 返回 `error` → 报告错误，建议修改提示词重试

**确认下载成功**：检查 `output/originals/` 目录，确认文件名和大小。

### 4. 发送图片

用 `message` 工具的 `media` 参数发送最终图片。

## 多轮对话

```bash
# 首轮（不加 --mode）
$NODE $CLI generate --prompt "画一幅日落风景"

# 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
```

⚠️ 续次不加 `--mode`。关闭：末轮加 `--mode single`，或 `close --session <id>`。

## 注意事项

- 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