AI Skill 大全

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

  1. 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
  2. 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
  3. 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
  4. 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。

查看 MCP 接入说明

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

同类 Skill