用途:该技能通过逆向工程的 Gemini Web API 提供文本生成与图像生成,支持参考图像做图生图或图生文,并通过 sessionId 保持多轮对话上下文。
主要能力:文本生成;图像生成并保存到本地;附加本地参考图像进行视觉输入;持久化会话实现连续对话;支持 --json 结构化输出;可列出已保存会话。
使用方式:脚本位于技能的 scripts/ 子目录,入口为 scripts/main.ts,通过 npx -y bun 运行。首次使用需完成免责声明同意检查,同意文件按平台存放于 pw-skills/gemini-web/consent.json,需 accepted: true 且 disclaimerVersion 为 1.0。首次运行会打开浏览器完成 Google 认证并缓存 cookies,可用 --login 刷新。常用命令示例:npx -y bun ${SKILL_DIR}/scripts/main.ts "你好,Gemini";图像生成 npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只可爱的猫" --image cat.png;参考图 npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "描述这张图片" --reference a.png;多轮对话加 --sessionId。模型可选 gemini-3-pro(默认)、gemini-2.5-pro、gemini-2.5-flash。
适用场景:需要以命令行方式调用 Gemini 做文本或图像生成、图生图变体、批量处理同一主题任务并保持上下文。
限制:属非官方逆向接口,Google 变更 API 时可能无通知失效,无官方支持或保证;不支持视频、音频、实时流式输出、批量 API 与 Webhook;图像生成质量取决于模型能力;访问 Google 服务受限时需内联设置 HTTP_PROXY 与 HTTPS_PROXY;提示内容会发送至 Google 服务器,cookie 文件含敏感信息需妥善保护。