pw-danger-gemini-web

name

pw-danger-gemini-web

description

通过逆向工程的 Gemini Web API 进行文本和图像生成。 核心能力: - 文本生成: 使用 Gemini 模型生成文本响应 - 图像生成: 从文本提示生成图像并保存到本地 - 视觉输入: 支持参考图像进行图生图或图生文 - 多轮对话: 通过 sessionId 保持上下文连续性 使用时机: - 需要生成高质量 AI 图像时 (封面图、配图、插画等) - 需要 Gemini 模型进行文本生成时 - 需要基于参考图像生成变体或描述时 - 作为其他技能 (pw-cover-image、pw-redbook-image) 的图像生成后端 不适用场景: - 需要官方 API 支持和稳定性保证的生产环境 - 对 API 变更敏感的关键业务流程 - 需要批量高频调用的场景 (可能触发限流) 重要提醒: - 首次使用需要用户同意免责声明 - 需要 Google 账号认证 (自动打开浏览器登录) - 在中国大陆需要配置代理访问 - 这是非官方 API, 可能随时失效

Gemini Web 客户端

支持功能:

• 文本生成
• 图像生成（下载 + 保存）
• 参考图像用于视觉输入（附加本地图像）
• 通过持久化 --sessionId 进行多轮对话

脚本目录

重要: 所有脚本位于此技能的 scripts/ 子目录中。

Agent 执行说明:

1. 确定此 SKILL.md 文件的目录路径为 SKILL_DIR
2. 脚本路径 = ${SKILL_DIR}/scripts/<script-name>.ts
3. 将本文档中的所有 ${SKILL_DIR} 替换为实际路径

脚本参考:

脚本	用途
scripts/main.ts	文本/图像生成的 CLI 入口点
scripts/gemini-webapi/*	gemini_webapi 的 TypeScript 移植版（GeminiClient、类型、工具）

⚠️ 免责声明（必需）

使用此技能前，必须执行同意检查。

同意检查流程

步骤 1: 检查同意文件

# macOS
cat ~/Library/Application\ Support/pw-skills/gemini-web/consent.json 2>/dev/null

# Linux
cat ~/.local/share/pw-skills/gemini-web/consent.json 2>/dev/null

# Windows (PowerShell)
Get-Content "$env:APPDATA\pw-skills\gemini-web\consent.json" 2>$null

步骤 2: 如果同意文件存在且 accepted: true 并匹配 disclaimerVersion: "1.0":

打印警告并继续:

⚠️  警告: 使用逆向工程的 Gemini Web API（非官方）。接受时间: <acceptedAt 日期>

步骤 3: 如果同意文件不存在或 disclaimerVersion 不匹配:

显示免责声明并询问用户:

⚠️  免责声明

此工具使用逆向工程的 Gemini Web API，而非官方 Google API。

风险:
- 如果 Google 更改其 API，可能会在没有通知的情况下失效
- 没有官方支持或保证
- 使用风险自负

您是否接受这些条款并希望继续？

使用 AskUserQuestion 工具，选项为:

• 是，我接受 - 继续并保存同意
• 否，我拒绝 - 立即退出

步骤 4: 接受后，创建同意文件:

# macOS
mkdir -p ~/Library/Application\ Support/pw-skills/gemini-web
cat > ~/Library/Application\ Support/pw-skills/gemini-web/consent.json << 'EOF'
{
  "version": 1,
  "accepted": true,
  "acceptedAt": "<ISO 时间戳>",
  "disclaimerVersion": "1.0"
}
EOF

# Linux
mkdir -p ~/.local/share/pw-skills/gemini-web
cat > ~/.local/share/pw-skills/gemini-web/consent.json << 'EOF'
{
  "version": 1,
  "accepted": true,
  "acceptedAt": "<ISO 时间戳>",
  "disclaimerVersion": "1.0"
}
EOF

步骤 5: 拒绝后，输出消息并停止:

用户拒绝了免责声明。退出。

---

快速开始

npx -y bun ${SKILL_DIR}/scripts/main.ts "你好，Gemini"
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "解释量子计算"
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只可爱的猫" --image cat.png
npx -y bun ${SKILL_DIR}/scripts/main.ts --promptfiles system.md content.md --image out.png

# 多轮对话（agent 生成唯一的 sessionId）
npx -y bun ${SKILL_DIR}/scripts/main.ts "记住这个: 42" --sessionId my-unique-id-123
npx -y bun ${SKILL_DIR}/scripts/main.ts "什么数字?" --sessionId my-unique-id-123

命令

文本生成

# 简单提示（位置参数）
npx -y bun ${SKILL_DIR}/scripts/main.ts "你的提示内容"

# 显式提示标志
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "你的提示内容"
npx -y bun ${SKILL_DIR}/scripts/main.ts -p "你的提示内容"

# 选择模型
npx -y bun ${SKILL_DIR}/scripts/main.ts -p "你好" -m gemini-2.5-pro

# 从标准输入管道
echo "总结这个" | npx -y bun ${SKILL_DIR}/scripts/main.ts

图像生成

# 使用默认路径生成图像（./generated.png）
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "山上的日落" --image

# 使用自定义路径生成图像
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一个可爱的机器人" --image robot.png

# 简写形式
npx -y bun ${SKILL_DIR}/scripts/main.ts "一条龙" --image=dragon.png

视觉输入（参考图像）

# 文本 + 图像 -> 文本
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "描述这张图片" --reference a.png

# 文本 + 图像 -> 图像
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "生成一个变体" --reference a.png --image out.png

输出格式

# 纯文本（默认）
npx -y bun ${SKILL_DIR}/scripts/main.ts "你好"

# JSON 输出
npx -y bun ${SKILL_DIR}/scripts/main.ts "你好" --json

参数说明

核心参数

--prompt (别名: -p)

• 说明: 要发送给 Gemini 的提示文本
• 类型: 字符串
• 必需: 是 (除非使用 --promptfiles 或标准输入)
• 示例: --prompt "生成一只可爱的猫咪"
• 注意: 如果不使用标志，可以直接作为位置参数传递

--promptfiles <files...>

• 说明: 从一个或多个文件读取提示内容，按顺序连接
• 类型: 文件路径数组
• 必需: 否
• 示例: --promptfiles system.md content.md
• 使用场景: 提示内容较长或需要组合多个文件时
• 注意: 文件内容会按顺序拼接，中间用换行分隔

--model (别名: -m)

• 说明: 选择使用的 Gemini 模型
• 类型: 枚举值
• 可选值:
  • gemini-3-pro (默认): 最新最强模型，推荐使用
  • gemini-2.5-pro: 上一代 pro 版本，稳定性好
  • gemini-2.5-flash: 快速轻量，适合简单任务
• 必需: 否
• 示例: --model gemini-2.5-flash
• 选择建议:
  • 图像生成: 使用 gemini-3-pro 获得最佳质量
  • 简单文本: 使用 gemini-2.5-flash 提高速度
  • 复杂推理: 使用 gemini-3-pro

图像相关参数

--image [path]

• 说明: 生成图像并保存到指定路径
• 类型: 可选字符串
• 必需: 否
• 默认值: generated.png (如果只写 --image 不带路径)
• 示例:
  • --image (保存为 generated.png)
  • --image cat.png (保存为 cat.png)
  • --image=/path/to/output.png (使用等号语法)
• 注意:
  • 路径可以是相对路径或绝对路径
  • 目录必须存在，否则会报错
  • 支持 PNG 格式

--reference <files...> (别名: --ref)

• 说明: 提供参考图像用于视觉输入
• 类型: 文件路径数组
• 必需: 否
• 示例:
  • --reference photo.jpg (单张图片)
  • --reference img1.png img2.png (多张图片)
• 使用场景:
  • 图生文: 描述图片内容
  • 图生图: 基于参考图生成变体
  • 图文结合: 结合图片和文字提示
• 注意: 支持常见图片格式 (PNG, JPG, JPEG, WebP)

会话管理参数

--sessionId

• 说明: 多轮对话的会话标识符
• 类型: 字符串
• 必需: 否
• 示例: --sessionId task-abc123
• 使用场景:
  • 需要保持上下文的连续对话
  • 批量处理同一主题的多个任务
  • 需要 Gemini 记住之前的交互
• 最佳实践:
  • Agent 应生成唯一的 session ID (如 UUID 或基于任务的 hash)
  • 同一批次任务使用相同 session ID
  • 不同主题使用不同 session ID
• 注意: 会话数据存储在本地，不会过期

--list-sessions

• 说明: 列出所有已保存的会话
• 类型: 布尔标志
• 必需: 否
• 输出: 最多 100 个会话，按更新时间倒序排列
• 使用场景: 查看历史会话，决定是否复用

输出格式参数

--json

• 说明: 以 JSON 格式输出结果
• 类型: 布尔标志
• 必需: 否
• 输出格式:

  {
    "text": "生成的文本内容",
    "imagePath": "/path/to/image.png",
    "sessionId": "task-abc123"
  }
  

• 使用场景: 需要程序化解析输出时
• 注意: 默认输出为纯文本

认证相关参数

--login

• 说明: 仅执行登录流程刷新 cookies，然后退出
• 类型: 布尔标志
• 必需: 否
• 使用场景:
  • Cookie 过期需要重新登录
  • 切换 Google 账号
  • 预先完成认证避免后续中断
• 注意: 会打开浏览器窗口，需要手动完成登录

--cookie-path

• 说明: 自定义 cookie 文件存储路径
• 类型: 文件路径
• 必需: 否
• 默认值: 系统数据目录下的 cookies.json
• 使用场景: 多账号管理或自定义存储位置

--profile-dir

• 说明: 指定 Chrome 配置文件目录
• 类型: 目录路径
• 必需: 否
• 使用场景: 使用特定 Chrome 配置文件

帮助参数

--help (别名: -h)

• 说明: 显示帮助信息
• 类型: 布尔标志

模型

• gemini-3-pro - 默认，最新模型
• gemini-2.5-pro - 上一代 pro 版本
• gemini-2.5-flash - 快速、轻量级

认证

首次运行会打开浏览器进行 Google 认证。Cookies 会被缓存以供后续运行使用。

支持的浏览器（按顺序自动检测）:

• Google Chrome
• Google Chrome Canary / Beta
• Chromium
• Microsoft Edge

如需要，可使用 GEMINI_WEB_CHROME_PATH 环境变量覆盖。

# 强制刷新 cookie
npx -y bun ${SKILL_DIR}/scripts/main.ts --login

登录说明:

• 浏览器打开后会一直等待，直到你完成登录
• 没有超时限制，你可以慢慢处理多因素认证等步骤
• 登录成功后，浏览器会在 3 秒后自动关闭

环境变量

变量	说明
GEMINI_WEB_DATA_DIR	数据目录
GEMINI_WEB_COOKIE_PATH	Cookie 文件路径
GEMINI_WEB_CHROME_PROFILE_DIR	Chrome 配置文件目录
GEMINI_WEB_CHROME_PATH	Chrome 可执行文件路径

代理配置

如果需要代理访问 Google 服务（例如在中国），请在运行前设置 HTTP_PROXY 和 HTTPS_PROXY 环境变量:

# 使用本地代理的示例
HTTP_PROXY=http://127.0.0.1:7890 HTTPS_PROXY=http://127.0.0.1:7890 npx -y bun ${SKILL_DIR}/scripts/main.ts "你好"

# 使用代理生成图像
HTTP_PROXY=http://127.0.0.1:7890 HTTPS_PROXY=http://127.0.0.1:7890 npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只猫" --image cat.png

# 使用代理刷新 cookie
HTTP_PROXY=http://127.0.0.1:7890 HTTPS_PROXY=http://127.0.0.1:7890 npx -y bun ${SKILL_DIR}/scripts/main.ts --login

注意: 环境变量必须与命令内联设置。Shell 配置文件设置（如 .bashrc）可能不会被子进程继承。

示例

生成文本响应

npx -y bun ${SKILL_DIR}/scripts/main.ts "法国的首都是什么?"

生成图像

npx -y bun ${SKILL_DIR}/scripts/main.ts "一张金毛猎犬幼犬的逼真照片" --image puppy.png

获取 JSON 输出用于解析

npx -y bun ${SKILL_DIR}/scripts/main.ts "你好" --json | jq '.text'

从提示文件生成图像

# 将 system.md + content.md 连接作为提示
npx -y bun ${SKILL_DIR}/scripts/main.ts --promptfiles system.md content.md --image output.png

多轮对话

# 使用唯一 ID 开始会话（agent 生成此 ID）
npx -y bun ${SKILL_DIR}/scripts/main.ts "你是一个有帮助的数学导师。" --sessionId task-abc123

# 继续对话（记住上下文）
npx -y bun ${SKILL_DIR}/scripts/main.ts "2+2 等于多少?" --sessionId task-abc123
npx -y bun ${SKILL_DIR}/scripts/main.ts "现在乘以 10" --sessionId task-abc123

# 列出最近的会话（最多 100 个，按更新时间排序）
npx -y bun ${SKILL_DIR}/scripts/main.ts --list-sessions

批量处理最佳实践:

• 当处理一个目录下的多个文件时，建议使用同一个 session ID
• 这样可以保持对话连续性，Gemini 能记住之前的上下文
• 示例：为目录生成固定的 session ID

# 为目录生成固定的 session ID（使用目录路径的 hash）
DIR_PATH="/path/to/project"
SESSION_ID=$(echo -n "$DIR_PATH" | md5sum | cut -d' ' -f1)

# 批量处理该目录下的文件，使用同一个 session ID
npx -y bun ${SKILL_DIR}/scripts/main.ts "生成第一张图" --sessionId "$SESSION_ID" --image img1.png
npx -y bun ${SKILL_DIR}/scripts/main.ts "生成第二张图" --sessionId "$SESSION_ID" --image img2.png
npx -y bun ${SKILL_DIR}/scripts/main.ts "生成第三张图" --sessionId "$SESSION_ID" --image img3.png

会话文件存储在 ~/Library/Application Support/pw-skills/gemini-web/sessions/<id>.json 中，包含:

• id: 会话 ID
• metadata: 用于继续的 Gemini 聊天元数据
• messages: {role, content, timestamp, error?} 数组
• createdAt, updatedAt: 时间戳

扩展支持

通过 EXTEND.md 进行自定义配置。

检查路径 (优先级顺序):

1. .pw-skills/pw-danger-gemini-web/EXTEND.md (项目级)
2. ~/.pw-skills/pw-danger-gemini-web/EXTEND.md (用户级)

如果找到，在工作流之前加载。扩展内容会覆盖默认值。

常见错误和解决方案

认证相关错误

错误: "Cookie expired" 或 "Authentication failed"

• 原因: Cookie 已过期或无效
• 解决方案:

  # 重新登录刷新 cookie
  npx -y bun ${SKILL_DIR}/scripts/main.ts --login
  

错误: "Browser not found"

• 原因: 系统中未找到支持的浏览器
• 解决方案:
  • 安装 Chrome、Chromium 或 Edge
  • 或使用环境变量指定浏览器路径:

    GEMINI_WEB_CHROME_PATH=/path/to/chrome npx -y bun ${SKILL_DIR}/scripts/main.ts --login
    

错误: "Login timeout" 或登录窗口一直等待

• 原因: 登录流程未完成
• 解决方案:
  • 确保在浏览器中完成完整的登录流程
  • 处理多因素认证 (如果启用)
  • 登录成功后浏览器会在 3 秒后自动关闭
  • 没有超时限制，可以慢慢完成登录

网络相关错误

错误: "Connection refused" 或 "Network error"

• 原因: 无法访问 Google 服务 (常见于中国大陆)
• 解决方案: 配置代理

  HTTP_PROXY=http://127.0.0.1:7890 HTTPS_PROXY=http://127.0.0.1:7890 \
  npx -y bun ${SKILL_DIR}/scripts/main.ts "你好"
  

• 注意: 环境变量必须与命令内联设置

错误: "Rate limit exceeded"

• 原因: 请求频率过高触发限流
• 解决方案:
  • 降低请求频率
  • 在请求之间添加延迟
  • 避免短时间内大量请求

图像相关错误

错误: "Failed to save image" 或 "Directory not found"

• 原因: 目标目录不存在
• 解决方案:

  # 确保目录存在
  mkdir -p /path/to/output
  npx -y bun ${SKILL_DIR}/scripts/main.ts "一只猫" --image /path/to/output/cat.png
  

错误: "Image generation failed"

• 原因: Gemini 无法根据提示生成图像
• 解决方案:
  • 检查提示是否清晰明确
  • 避免违反内容政策的提示
  • 尝试重新表述提示
  • 使用不同的模型 (如 gemini-3-pro)

错误: "Reference image not found"

• 原因: 参考图像路径不存在
• 解决方案:
  • 检查文件路径是否正确
  • 使用绝对路径避免相对路径问题
  • 确保文件格式受支持 (PNG, JPG, JPEG, WebP)

会话相关错误

错误: "Session not found"

• 原因: 指定的 session ID 不存在
• 解决方案:
  • 使用 --list-sessions 查看可用会话
  • 确保 session ID 拼写正确
  • 首次使用会自动创建新会话

错误: "Session corrupted"

• 原因: 会话文件损坏
• 解决方案:

  # 删除损坏的会话文件
  rm ~/Library/Application\ Support/pw-skills/gemini-web/sessions/<session-id>.json
  # 或在 Linux 上
  rm ~/.local/share/pw-skills/gemini-web/sessions/<session-id>.json
  

其他错误

错误: "Bun not found"

• 原因: 系统中未安装 Bun
• 解决方案: npx -y bun 会自动下载 Bun，无需手动安装

错误: "Permission denied"

• 原因: 没有写入权限
• 解决方案:
  • 检查输出目录权限
  • 检查数据目录权限
  • 使用有权限的路径

最佳实践

Agent 使用建议

1. Session ID 管理

• 为每个独立任务生成唯一的 session ID
• 使用有意义的命名: task-<uuid> 或 project-<hash>
• 同一批次任务复用 session ID 保持上下文
• 示例:

  # 为目录生成固定 session ID
  SESSION_ID=$(echo -n "/path/to/project" | md5sum | cut -d' ' -f1)
  

2. 错误处理

• 始终检查命令退出码
• 使用 --json 输出便于解析结果
• 捕获并记录错误信息
• 示例:

  if ! output=$(npx -y bun ${SKILL_DIR}/scripts/main.ts "test" --json 2>&1); then
    echo "Error: $output"
    exit 1
  fi
  

3. 代理配置

• 在中国大陆环境自动添加代理环境变量
• 检测网络错误时提示用户配置代理
• 示例:

  # 检测是否需要代理
  if [[ $(curl -s -o /dev/null -w "%{http_code}" https://gemini.google.com) != "200" ]]; then
    echo "提示: 可能需要配置代理访问 Google 服务"
  fi
  

4. 批量处理

• 使用相同 session ID 处理相关任务
• 在请求之间添加适当延迟避免限流
• 使用 --json 输出便于批量解析
• 示例:

  for file in *.txt; do
    npx -y bun ${SKILL_DIR}/scripts/main.ts \
      --promptfiles "$file" \
      --sessionId "$SESSION_ID" \
      --image "${file%.txt}.png" \
      --json
    sleep 2  # 避免限流
  done
  

图像生成建议

1. 提示词优化

• 使用清晰、具体的描述
• 包含风格、色彩、构图等细节
• 避免模糊或抽象的表述
• 好的示例: "一张逼真的金毛猎犬幼犬照片，阳光明媚的草地背景，浅景深"
• 差的示例: "一只狗"

2. 模型选择

• 高质量图像: 使用 gemini-3-pro
• 快速预览: 使用 gemini-2.5-flash
• 复杂场景: 使用 gemini-3-pro

3. 参考图像使用

• 图生图: 提供清晰的参考图像和变化描述
• 图生文: 提供具体的描述要求
• 示例:

  # 基于参考图生成变体
  npx -y bun ${SKILL_DIR}/scripts/main.ts \
    --prompt "生成一个卡通风格的变体，保持主体不变" \
    --reference original.jpg \
    --image cartoon.png
  

多轮对话建议

1. 上下文管理

• 首次对话设置系统提示或角色
• 后续对话复用 session ID
• 示例:

  # 第一轮: 设置角色
  npx -y bun ${SKILL_DIR}/scripts/main.ts \
    "你是一个专业的图像描述专家" \
    --sessionId img-desc-001
  
  # 后续轮次: 描述图像
  npx -y bun ${SKILL_DIR}/scripts/main.ts \
    --prompt "描述这张图片" \
    --reference photo.jpg \
    --sessionId img-desc-001
  

2. 会话清理

• 定期清理不再需要的会话
• 使用 --list-sessions 查看会话列表
• 手动删除会话文件:

  # macOS
  rm ~/Library/Application\ Support/pw-skills/gemini-web/sessions/<id>.json
  
  # Linux
  rm ~/.local/share/pw-skills/gemini-web/sessions/<id>.json
  

性能优化

1. 减少不必要的请求

• 合并相关提示到一次请求
• 使用 --promptfiles 组合多个文件
• 避免重复生成相同内容

2. 并行处理

• 独立任务可以并行执行
• 使用不同 session ID 避免冲突
• 注意限流限制

3. 缓存策略

• Cookie 会自动缓存，无需每次登录
• 会话数据持久化，可复用上下文
• 生成的图像保存到本地，避免重复生成

安全建议

1. 凭证管理

• Cookie 文件包含敏感信息，注意保护
• 不要将 cookie 文件提交到版本控制
• 定期刷新 cookie 保持安全性

2. 内容审查

• 遵守 Google 内容政策
• 避免生成违规内容
• 注意版权和隐私问题

3. 数据隐私

• 会话数据存储在本地
• 提示内容会发送到 Google 服务器
• 不要在提示中包含敏感信息

故障排查清单

遇到问题时，按以下顺序检查:

1. 检查网络连接

   curl -I https://gemini.google.com
   

   • 如果失败，配置代理

2. 检查认证状态

   npx -y bun ${SKILL_DIR}/scripts/main.ts --login
   

   • 重新登录刷新 cookie

3. 检查浏览器

   which chrome || which chromium || which microsoft-edge
   

   • 确保安装了支持的浏览器

4. 检查文件权限

   ls -la ~/Library/Application\ Support/pw-skills/gemini-web/
   

   • 确保有读写权限

5. 检查输出目录

   mkdir -p /path/to/output && ls -la /path/to/output
   

   • 确保目录存在且可写

6. 查看详细错误

   npx -y bun ${SKILL_DIR}/scripts/main.ts "test" 2>&1 | tee error.log
   

   • 保存完整错误日志

7. 测试基本功能

   # 测试文本生成
   npx -y bun ${SKILL_DIR}/scripts/main.ts "你好"
   
   # 测试图像生成
   npx -y bun ${SKILL_DIR}/scripts/main.ts "一只猫" --image test.png
   

技术限制

已知限制:

• 这是非官方 API，可能随时失效
• 没有官方支持或 SLA 保证
• 可能存在未知的限流限制
• API 变更可能导致功能中断
• 图像生成质量取决于 Gemini 模型能力

不支持的功能:

• 视频生成
• 音频生成
• 实时流式输出
• 批量 API 调用
• Webhook 回调

性能特征:

• 文本生成: 通常 2-5 秒
• 图像生成: 通常 10-30 秒
• 登录流程: 取决于用户操作速度
• 会话加载: 几乎即时

更新日志

查看项目 Git 历史了解最新变更:

cd ${SKILL_DIR}
git log --oneline --decorate