用途:该技能封装 Google Gemini API,用于在 OpenClaw 中实现多模态输入、长上下文处理,以及函数调用、grounding、代码执行等集成能力,适合需要大规模上下文或多媒体处理的复杂任务。
主要能力:支持文本、图像、音频等多模态输入;上下文最长可达 100 万 token;可通过 tools 参数定义并动态调用外部函数;可通过 grounding 配置接入实时数据;可生成并执行代码片段。文本生成主端点为 https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent。
使用方式:先设置环境变量 export GEMINI_API_KEY=your_key,再在 OpenClaw 中通过技能 ID "gemini" 引用。API 调用使用 HTTP POST,请求头携带 Authorization: Bearer $GEMINI_API_KEY,请求体为 JSON。示例:curl -X POST -H "Authorization: Bearer $GEMINI_API_KEY" -H "Content-Type: application/json" -d '{"contents": [{"parts": [{"text": "Hello"}]}]}' https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent。多模态可在 parts 中加入 inlineData(如 base64 图像)。函数调用在 payload 中加入 "tools": [{"functionDeclarations": [...]}]。集成时可使用 skill load gemini,并通过 skill link gemini to other_skill 关联其他技能。
适用场景:长对话、图文音频分析、代码生成、数据 grounding、聊天机器人、内容分析与自动化脚本等。简单纯文本任务可选用更轻量模型。
限制与错误处理:需具备外网访问能力;密钥应通过环境变量设置,不要硬编码。需关注 401(鉴权)、429(限流,可加指数退避重试)等状态码,并解析响应体错误信息。代码执行需注意安全,建议用 try-catch 包裹。资料未提供具体收费、价格与平台支持细节。