用途:该技能通过逆向工程的 Gemini Web API 生成文本与图像,支持参考图视觉输入和多轮对话。
主要能力:文本生成、按提示词生成图像、参考图视觉输入、多轮会话(--sessionId)、JSON 输出(--json)、会话列表(--list-sessions)。模型可选 gemini-3-pro(默认)、gemini-3-flash、gemini-3-flash-thinking、gemini-3.1-pro-preview。
使用方式:脚本位于技能目录的 scripts/ 子目录,入口为 scripts/main.ts,需将 ${SKILL_DIR} 替换为实际路径。示例:npx -y bun ${SKILL_DIR}/scripts/main.ts "Your prompt";图像生成加 --image cat.png;参考图用 --reference image.png;多轮会话用 --sessionId session-abc。首次使用需确认免责声明,同意后写入 consent.json(含 accepted:true 与 disclaimerVersion "1.0"),随后首次运行会打开浏览器完成 Google 认证并缓存 Cookie。可通过 EXTEND.md 配置默认模型、代理与数据目录,支持环境变量如 GEMINI_WEB_DATA_DIR、HTTP_PROXY 等。
适用场景:需要以命令行方式调用 Gemini 进行文本或图像生成、带参考图的视觉任务及多轮对话的自动化流程。
限制:基于逆向工程 API,使用前必须确认免责声明;依赖 Google 账号登录与 Cookie;具体收费、配额与稳定性资料暂未提供。