Google Gemini 生图

通过 OpenClaw Browser Tool 操控已登录 Google 账号的浏览器，在 Gemini 网页端生成并下载图片。

前置条件

• 浏览器已登录 Google 账号
• OpenClaw Browser Tool 可用（确保 openclaw browser status 正常）
• profile 使用 user 连接已打开的 Chrome

执行流程

1. 打开 Gemini 页面

browser(action="open", profile="user", url="https://gemini.google.com")

也可以直接打开已有对话链接复用图片：

browser(action="open", profile="user", url="https://gemini.google.com/app/\x3C对话ID>")

2. 点击「制作图片」

snapshot 找到按钮 ref，然后 click：

browser(action="snapshot", profile="user", compact=true)
// 找到「制作图片」按钮的 ref，然后 click
browser(action="act", profile="user", request={"kind": "click", "ref": "\x3Cref>"})

新对话会先展示风格选择界面（单色/色块/跑跑等），可以直接忽略，在输入框输入 prompt 即可。

3. 输入 Prompt 并发送

browser(action="act", profile="user", request={"kind": "type", "ref": "\x3Ctextarea ref>", "text": "你的Prompt"})
browser(action="act", profile="user", request={"kind": "press", "key": "Enter"})

⚠️ Prompt 规则：

• 避免使用"唱""弹奏"等动词关键词，否则 Gemini 会误触发音乐生成而非图片生成
• 改为纯视觉描述，如"wearing a microphone headset"而非"singing with a microphone"
• 需要文字时直接在 prompt 中写明，如 The text "畢士傾訴" appears on a banner

4. 等待图片生成

⚠️ 关键：不要用 act(kind="wait")！

act(kind="wait") 在 CDP 层面没有真正的"等待页面变化"机制，它只是在等 WebSocket 响应，8 秒无响应就会超时并导致整个 browser tool session 不可用。

正确做法：用 exec sleep 等待后再 snapshot

exec: sleep 20 && echo "done"
// 等待 exec 完成后
browser(action="snapshot", profile="user", compact=true)

生成完成标志：页面出现「下载完整尺寸的图片」「复制图片」「分享图片」等按钮。

如果 snapshot 显示还在生成中（有 "Creating your image..." 按钮），再 sleep 一轮。

5. 下载图片

点击「下载完整尺寸的图片」按钮：

browser(action="act", profile="user", request={"kind": "click", "ref": "\x3C下载按钮ref>"})

等待下载完成后检查下载目录：

sleep 5 && ls -lt ~/Downloads/Gemini_Generated_Image* | head -3

6. 去水印

Gemini 生成的图片带有水印，使用 GeminiWatermarkTool 去除。

安装（macOS / Linux）：

brew install allenk/tap/gwt

或从 GitHub Releases 下载二进制文件。

已知可用路径（若 brew 不可用）：

~/.claude/skills/gwt/bin/GeminiWatermarkTool

使用：

gwt --force -i \x3C输入图片> -o \x3C输出图片>

7. 发送到飞书（可选）

使用 send-feishu-image 技能：

import sys
sys.path.insert(0, "~/.openclaw/workspace/skills/send-feishu-image")
from send_feishu_image import send_image
result = send_image(
    image_path="/path/to/output.png",
    user_id="ou_7abe0c2af8a0f7b5b1c1171bcd8707d8",
    caption="图片说明"
)

已知问题

完成后

• 关闭不用的标签页：browser(action="close", targetId="\x3CID>")