Files

knowen af4ae449c8 feat(gemini): 新增下载完整尺寸图片功能

2026-03-20 20:02:19 +08:00

5.5 KiB

Raw Blame History

name, description

name	description
gemini-skill	通过 Gemini 官网（gemini.google.com）执行生图、对话等操作。用户提到"生图/画图/绘图/nano banana/nanobanana/生成图片"等关键词时触发。操作方式分三级优先级：首选 MCP 工具 → 次选 Skill 脚本 → 最次连接 Skill 浏览器手动操作（需用户授权）。禁止自行启动外部浏览器访问 Gemini。

Gemini Skill

⚠️ 操作优先级（必须遵守）

与 Gemini 的一切交互，按以下优先级选择方式：

🥇 首选：调用 MCP 工具 — 直接调用本 Skill 暴露的 MCP 工具完成操作，覆盖绝大多数场景
🥈 次选：运行 Skill 脚本 — 当 MCP 工具无法满足需求时，可运行本 Skill 项目中提供的脚本来完成
🥉 最次：连接 Skill 管理的浏览器 — 仅当前两种方式都无法解决时，可通过 gemini_browser_info 获取 CDP 连接信息，主动连接到本 Skill 管理的浏览器进行操作。此方式必须先征得用户同意

绝对禁止：自行启动新的浏览器实例访问 Gemini 页面（如使用 OpenClaw 浏览器、另起 Puppeteer 等），这会导致会话冲突。

浏览器 Daemon 未运行时 MCP 工具会自动拉起，无需任何手动操作。

📡 进度同步

MCP 工具调用（尤其是生图、等待回复等）可能耗时较长。每隔 15 秒必须主动向用户发送一条进度消息，告知当前操作状态（如"正在等待 Gemini 生成图片…"、"图片仍在加载中，已等待 30 秒…"），避免用户长时间挂起收不到任何反馈。

触发关键词

生图任务：生图、画、绘图、海报、nano banana、nanobanana、image generation、生成图片
若请求含糊，先确认用户是否需要生图

使用方式

本 Skill 通过 MCP Server 暴露工具，AI 直接调用即可。

浏览器启动、会话管理、图片提取、文件保存等流程已全部封装在工具内部。

可用工具

核心生图（封装完整流程）：

工具名	说明	入参
`gemini_generate_image`	完整生图流程：新建会话→发prompt→等待→提取图片→保存本地	`prompt`，`newSession`（默认false），`referenceImages`（参考图路径数组，默认空）

会话管理：

工具名	说明	入参
`gemini_new_chat`	新建一个空白对话	无
`gemini_temp_chat`	进入临时对话模式（不保留历史记录）	无

模型切换：

工具名	说明	入参
`gemini_switch_model`	切换 Gemini 模型	`model`（`pro` / `quick` / `think`）

文本对话：

工具名	说明	入参
`gemini_send_message`	发送文本消息并等待回答完成	`message`，`timeout`（默认120000ms）

图片操作：

工具名	说明	入参
`gemini_upload_images`	上传图片到输入框（仅上传不发送，可配合 send_message）	`images`（路径数组）
`gemini_get_images`	获取会话中所有已加载图片的元信息	无
`gemini_extract_image`	提取指定图片的 base64 并保存到本地	`imageUrl`（从 get_images 获取）
`gemini_download_full_size_image`	下载完整尺寸的高清图片，默认最新一张，可指定索引	`index`（可选，从0开始，从旧到新）

文字回复提取：

工具名	说明	入参
`gemini_get_all_text_responses`	获取会话中所有文字回复（仅文字，不含图片）	无
`gemini_get_latest_text_response`	获取最新一条文字回复	无

登录状态：

工具名	说明	入参
`gemini_check_login`	检查是否已登录 Google 账号	无

诊断 & 恢复：

工具名	说明	入参
`gemini_probe`	探测页面各元素状态（输入框、按钮、模型等）	无
`gemini_reload_page`	刷新页面（卡住或异常时使用）	`timeout`（默认30000ms）
`gemini_browser_info`	获取浏览器连接信息（CDP 端口、wsEndpoint 等）	无

典型用法

快速生图（一步到位）：

调用 gemini_generate_image，传入 prompt → 返回本地图片路径

灵活组合（细粒度控制）：

gemini_new_chat — 新建会话
gemini_switch_model → pro — 切换到高质量模型
gemini_upload_images — 上传参考图
gemini_send_message — 发送描述词
gemini_get_images → gemini_extract_image — 获取并保存图片

排障：

gemini_probe — 看看页面元素有没有就位
gemini_reload_page — 页面卡了就刷新
gemini_browser_info — 获取 CDP 信息自行连接调试

MCP 客户端配置

{
  "mcpServers": {
    "gemini": {
      "command": "node",
      "args": ["<项目绝对路径>/src/mcp-server.js"]
    }
  }
}

也可通过 npm run mcp 手动启动。

失败处理

工具内部已包含重试逻辑。若仍然失败，返回值的 isError: true 和错误信息会告知原因：

生成超时 — 建议用户简化描述词后重试
Daemon 未启动 — 工具会自动拉起，若仍失败可手动 npm run daemon
页面异常 — 可调用 gemini_browser_info 查看浏览器状态排查

参考

详细执行与回退：references/gemini-flow.md
关键词与路由：references/intent-routing.md

5.5 KiB Raw Blame History Unescape Escape