gemini-skill

name	gemini-skill
description	当用户想通过 Google Gemini 生成文本、生成图片、或提到"Gemini"/"问问Gemini"时触发。支持文本问答和图片创建，使用浏览器自动化与 Gemini 网页交互。

Gemini AI 技能

通过浏览器自动化与 Google Gemini 交互，支持文本生成和图片创建。

默认复用已有 Chrome 实例（通过 CDP 协议连接 localhost:9222）。如果 Chrome 未启动或未启用远程调试，自动回退到启动新浏览器实例。

CDP 模式启动

Chrome 的 --remote-debugging-port 要求使用非默认 --user-data-dir。推荐将默认 profile 复制到独立目录：

# CDP profile 路径
CDP_PROFILE="$HOME/chrome-cdp-profile"

# 如果 CDP profile 不存在，从默认 profile 复制（保留登录状态、扩展、书签）
if [ ! -d "$CDP_PROFILE" ]; then
  cp -a "$HOME/Library/Application Support/Google/Chrome" "$CDP_PROFILE"  # macOS
  # cp -a "$HOME/.config/google-chrome" "$CDP_PROFILE"                   # Linux
  rm -f "$CDP_PROFILE"/Singleton*  # 清除锁文件
fi

# 启动 Chrome（macOS）
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \
  --remote-debugging-port=9222 \
  --user-data-dir="$CDP_PROFILE"

# 启动 Chrome（Linux）
# google-chrome --remote-debugging-port=9222 --user-data-dir="$CDP_PROFILE"

Agent 自动处理：如果用户要求使用 CDP 但 ~/chrome-cdp-profile 不存在，Agent 应自动执行以下步骤：

1. 关闭已运行的 Chrome（killall "Google Chrome" / killall chrome）
2. 从默认 profile 复制到 ~/chrome-cdp-profile
3. 删除锁文件（Singleton*）
4. 用上述命令启动 Chrome
5. 等待 CDP 端口就绪（curl -s http://localhost:9222/json/version）

复用已有实例时，用户的 Google 登录会话直接可用，无需单独认证。

核心规则：必须使用 run.py

所有命令必须通过 python scripts/run.py [脚本名] 执行，不可直接调用脚本。

run.py 自动处理：创建 .venv -> 安装依赖 -> 激活环境 -> 执行脚本。

核心工作流

1. 检查认证状态

python scripts/run.py auth_manager.py status

2. 认证（首次使用）

python scripts/run.py auth_manager.py setup

浏览器会自动打开，用户需手动登录 Google 账号。告知用户："浏览器窗口将打开，请登录 Google 账号"。

3. 文本生成

python scripts/run.py ask_gemini.py --question "你的问题"
python scripts/run.py ask_gemini.py --question "..." --show-browser  # 调试模式

参数：

• --question（必需）：要问 Gemini 的问题
• --show-browser：显示浏览器窗口用于调试

4. 图片生成

python scripts/run.py generate_image.py --prompt "图片描述"
python scripts/run.py generate_image.py --prompt "..." --output ./my_images
python scripts/run.py generate_image.py --prompt "..." --headless
python scripts/run.py generate_image.py --prompt "..." --debug

参数：

• --prompt（必需）：图片描述
• --output：输出目录（默认当前目录）
• --headless：隐藏浏览器运行
• --debug：调试模式

输出格式：gemini_image_1_[时间戳].png

认证管理

python scripts/run.py auth_manager.py setup    # 初始设置（浏览器可见）
python scripts/run.py auth_manager.py status   # 检查状态
python scripts/run.py auth_manager.py reauth   # 重新认证
python scripts/run.py auth_manager.py clear    # 清除认证

决策流程

用户请求 → 检查 CDP(curl localhost:9222) → 未就绪则准备 CDP profile 并启动 Chrome → 执行对应脚本 → 返回结果
         → CDP 不可用时回退：检查认证(status) → 未认证则 setup → 执行脚本

数据存储

所有数据存储在 ~/.claude/skills/gemini-skill/data/：

• auth_info.json - 认证状态
• browser_state/ - 浏览器 cookies 和会话

受 .gitignore 保护，不会提交到 git。

配置

可选 .env 文件：

HEADLESS=false
SHOW_BROWSER=false
STEALTH_ENABLED=true
TYPING_WPM_MIN=160
TYPING_WPM_MAX=240
PAGE_LOAD_TIMEOUT=30000

局限性

• 免费 Google 账户有速率限制
• 图片生成可能需要几分钟
• 依赖 Gemini 网页界面可用性
• CDP 模式下 patchright 反检测补丁不生效（连接的是用户自己的 Chrome）
• 非 CDP 回退模式下无会话持久性（每次查询 = 新浏览器）

参考文档

详细信息请查阅 references/ 目录：

• api_reference.md - 所有脚本的详细 API 文档
• troubleshooting.md - 常见问题和解决方案
• usage_patterns.md - 使用模式和工作流示例
• AUTHENTICATION.md - 认证架构的技术细节

Support

If you encounter any issues with this plugin, please report them following our Support Guide. Your feedback helps improve the community experience!