Gemini Flow

1) 登录校验

最小校验项：

页面存在可输入提问的输入框
右上角有用户头像或账户入口

若未登录：提示用户先在 openclaw profile 浏览器中登录。

2) 模型策略

优先级：

Gemini 3.1 Pro
当前页面可见的次优 Pro/Advanced 模型

若切换失败，保留默认并告知用户。

3) 按钮状态检测

.send-button-container 内的按钮通过 aria-label 区分三种状态：

空闲（idle）：aria-label 为麦克风相关，按钮 disabled，输入框为空。
可发送（ready）：aria-label 为"发送"/"Send"，输入框有内容。
生成中（loading）：aria-label 为"停止"/"Stop"，Gemini 正在输出。

使用方式：

GeminiOps.getStatus() → 返回 {status: 'idle'|'ready'|'loading', label, disabled}
GeminiOps.pollStatus() → 返回 {status, label, pageVisible, ts}，毫秒级返回，供调用端分段轮询

CDP 保活轮询（重要）

禁止在页面内做长 Promise 等待（旧版 waitForComplete 已移除）。

正确做法：调用端每 8~10 秒 evaluate 一次 GeminiOps.pollStatus()，自行累计耗时并判断超时。这确保 CDP WebSocket 通道持续有消息流量，避免被网关判定空闲而断开连接。

4) 生图结果获取

Gemini 一次只生成一张图片，流程上只关心最新生成的那张，历史图片不做处理。

调用 GeminiOps.getLatestImage() 获取最新一张生成图片。

DOM 结构

<div class="image-container ...">
  <button class="image-button ...">
    <img class="image loaded" src="https://lh3.googleusercontent.com/..." alt="AI 生成">
  </button>
  <div class="button-icon-wrapper">
    <mat-icon fonticon="download" data-mat-icon-name="download" class="button-icon ..."></mat-icon>
  </div>
</div>

图片定位

选择器：img.image.loaded
image class = Gemini 的图片元素
loaded class = 图片已渲染完成（未加载完的不会有此 class）
两个 class 同时存在才算有效图片
DOM 中可能存在多张历史图片，取最后一个即为最新生成

下载按钮定位

从 img 向上找到最近的 .image-container 祖先容器
在容器内查找 mat-icon[fonticon="download"]（即下载原图按钮）
getLatestImage() 返回 hasDownloadBtn 字段标识是否有下载按钮

API

GeminiOps.getLatestImage() → 获取最新一张图片信息

{
  "ok": true,
  "src": "https://lh3.googleusercontent.com/...",
  "alt": "AI 生成",
  "width": 1024,
  "height": 1024,
  "hasDownloadBtn": true
}

GeminiOps.downloadLatestImage() → 点击最新图片的下载原图按钮

{"ok": true, "src": "https://lh3.googleusercontent.com/..."}

回退

ok === false → 页面可能还在渲染，等几秒再调一次
连续两次失败 → 做 snapshot 排查页面状态
hasDownloadBtn: false → 回退到直接用 src URL 下载

5) 用户提示文案（建议）

开始生图：
- 已收到，正在用 Gemini 给你绘图中 🎨
生成中超时：
- 还在渲染中，我继续盯着，马上回你。
完成：
- 画好了，给你发图啦～

3.2 KiB Raw Blame History Unescape Escape