Gemini网页端图文生成
接收提示词或参考图片,通过浏览器认证复用Gemini网页端模型能力,输出文本回复或生成的AI图像文件。
功能与用途
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。
适用场景
- 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。
适用人群
- 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
使用步骤
- 首次使用时通过交互确认接受逆向 Web 接口使用免责声明,生成授权配置文件
- 初次发起请求时根据提示在自动打开的浏览器中完成 Google 账号登录并缓存 Cookie
- 通过命令行传入 prompt 提示词、图片输出路径或参考图片路径发起生成
- 如需上下文记忆,可传入固定的 --sessionId 参数进行多轮对话追踪
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-23
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
依赖与权限
- GEMINI_WEB_CHROME_PATH
- GEMINI_WEB_COOKIE_PATH
- 读取用户主动提供的内容