135 lines
3.8 KiB
Markdown
135 lines
3.8 KiB
Markdown
---
|
||
name: gemini-web-generate
|
||
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 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
|
||
|
||
浏览器由 `browser` 工具管理（CDP: `http://127.0.0.1:9223`）。
|
||
|
||
首次使用需安装依赖：
|
||
|
||
```bash
|
||
cd ~/.openclaw/skills/gemini-web-generate/scripts && npm install
|
||
```
|
||
|
||
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"
|
||
```
|
||
|
||
## 标准流程
|
||
|
||
### 1. 启动浏览器
|
||
|
||
```
|
||
browser action=start
|
||
```
|
||
|
||
### 2. 生图
|
||
|
||
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
|
||
```
|
||
|
||
**带参考图**：
|
||
|
||
```bash
|
||
$NODE $CLI generate --prompt "提示词" --image /path/to/ref.png --mode single
|
||
$NODE $CLI generate --prompt "提示词" --images "/path/a.png,/path/b.png" --mode single
|
||
```
|
||
|
||
参考图路径含空格时，先 `cd` 到目录再用相对路径。
|
||
|
||
### 3. 收集结果
|
||
|
||
CLI 成功后将图片移动到工作区媒体目录：
|
||
|
||
```bash
|
||
LATEST=$(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 $CLI status --session <id> --wait
|
||
```
|
||
|
||
| 状态 | 处理 |
|
||
|:---|:---|
|
||
| `done` | `$NODE $CLI download --session <id>` 手动下载 |
|
||
| `generating` | 继续等待 |
|
||
| `error` | 报告错误，调整提示词重试 |
|
||
|
||
## 其他生图方式
|
||
|
||
### 多轮对话
|
||
|
||
```bash
|
||
# 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 <id> --prompt "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
|
||
```
|
||
|
||
### 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
|
||
|
||
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 "<url>" --open # 找回丢失的 session
|
||
$NODE $CLI close --session <id> # 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 |
|