Gemini网页端图文生成

该技能封装了 Gemini Web 网页版接口逆向调用流程，支持无需官方付费 API Key 即可调用 Gemini 3 Pro、Flash、Thinking 等模型。支持纯文本问答、基于多轮会话上下文的连续追问、利用提示词生成图像，以及上传参考图片进行视觉理解与多模态再创作。运行前包含免责授权检查，并通过本地 Chromium 内核浏览器捕获并自动维护 Google 会话 Cookie。

它会先理解你的原始内容和目标，再按清晰的步骤完成处理。你不需要学习复杂命令，也不用理解背后的技术细节。

常见场景

它能帮你做什么？

命令行多模态图像生成：输入提示词或配合参考图片，直接在终端生成并保存高质量图像文件，作为本地设计素材或占位图。

多轮上下文问答与推理：通过指定 Session ID 维持多轮长对话历史，调用 Gemini 3 Flash Thinking 等模型完成复杂的思维链逻辑推导与内容撰写。

下游 Agent 技能的图文后端支撑：作为其他自媒体排版、图文报告生成 Skill 的底层依赖，自动提供图像生成与参考图分析能力。

三步完成

怎么使用

1安装 Skill

把右侧安装请求发给你的 AI。

2说清楚目标

告诉 AI 你想完成什么，或直接贴入内容。

3检查结果

按需要继续调整语气、范围或格式。

复制就能用

你可以直接这样说

“调用 gemini-3-pro 模型，使用提示词“A cute cyberpunk cat in neon city”生成一张名为 cat.png 的图片”

“传入参考图 architecture.png 并让 Gemini 详细分析该建筑的结构风格与光影层次”

“基于现有会话 session-101 追问：“请结合上一轮总结的方案，编写具体的落地执行甘特图””

适用人群

适合谁？

需要高质量免费 Gemini 多模态与绘图能力的开发者搭建多 Agent 管道并寻求图像生成后端的 AI 工作流设计者希望在终端命令行直接与 Gemini 进行多轮对话的技术爱好者

上手门槛

使用难度

进阶

需要了解任务流程，页面已整理好使用步骤。

兼容范围

支持哪些 AI？

Codex可直接使用

Claude Code可直接使用

OpenClaw可直接使用

Hermes可直接使用

国内 Agent可直接使用

中文用户增强

Skill Px 做了什么？

中文说明简化使用方式补充中文案例整理安装流程降低理解难度

Gemini网页端图文生成.Skill