豆包 OpenCLI 技能包

通过 opencli 浏览器桥接复用 Edge 中已登录的豆包会话，提供 CLI 自动化操作。

功能一览

前置条件

• Edge 已登录 https://www.doubao.com/chat
• opencli 已安装（npm install -g @jackwener/opencli）
• opencli 浏览器桥接扩展 已在 Edge 中安装

⚠️ 用户默认浏览器是 Microsoft Edge（非 Chrome），记录在 TOOLS.md。

脚本说明

1. doubao_toolkit.ps1 — 工具箱

多功能 CLI 工具箱，包装 opencli doubao 命令：

# 检查连接状态
.\scripts\doubao_toolkit.ps1 status

# 向豆包提问
.\scripts\doubao_toolkit.ps1 ask "你的问题"

# 交互式对话
.\scripts\doubao_toolkit.ps1 chat

# 图像生成（自动下载到 output/doubao_images/）
.\scripts\doubao_toolkit.ps1 image "一只橘猫，水彩风格"

# 会议相关
.\scripts\doubao_toolkit.ps1 meetings            # 查看会议列表
.\scripts\doubao_toolkit.ps1 summary \x3Cid>        # 获取会议摘要

# 备份 / 批量
.\scripts\doubao_toolkit.ps1 backup              # 备份所有对话
.\scripts\doubao_toolkit.ps1 batch \x3Cfile.txt>    # 批量提问

注意：history 命令在豆包新版 UI 下可能不可用，会影响 meetings、summary、backup 等依赖 history 的功能。

2. doubao_image_gen.ps1 — 图像生成

独立的图像生成脚本，通过 opencli browser 自动化豆包 AI 创作页面的文生图流程：

.\scripts\doubao_image_gen.ps1 "提示词"              # 仅生成，显示链接
.\scripts\doubao_image_gen.ps1 "提示词" -download     # 生成并下载到本地

工作流程：

1. 打开 https://www.doubao.com/chat/create-image
2. 自动定位输入框（动态 ref 号）
3. 填入提示词，点击 #flow-end-msg-send 发送按钮
4. 等待 ~15-20s 生成完成
5. 从页面提取 4 张图片的 URL
6. 用 Invoke-WebRequest 下载到 output/doubao_images/

输出文件：

• output/doubao_images/doubao_YYYYMMDD_HHmmss_N.jpg — 下载的图片
• output/doubao_images/gen_log_YYYYMMDD_HHmmss.md — 生成记录（含图片链接）

3. doubao_podcast_gen.ps1 — AI 播客生成

独立的 AI 播客生成脚本，通过 opencli browser 自动化豆包 AI 播客的生成和下载，自动裁剪开头广告：

# 📝 文字模式（主题/文章/大纲/脚本）
.\scripts\doubao_podcast_gen.ps1 -Text "介绍人工智能的发展历史"
.\scripts\doubao_podcast_gen.ps1 -Text "IaaS PaaS SaaS 三种云计算服务模式的区别和应用场景"

# 🔗 网页模式（输入链接，豆包自动抓取）
.\scripts\doubao_podcast_gen.ps1 -Url "https://example.com/article"

# 📄 文件模式（上传 PDF，仅支持 .pdf）
.\scripts\doubao_podcast_gen.ps1 -File "C:\docs\我的文章.pdf"

# 自定义参数
.\scripts\doubao_podcast_gen.ps1 -Text "你的主题" -WaitPlay 30 -TrimSeconds 0

输入方式（三选一）：

• -Text：文字输入，支持主题、完整文章、大纲、脚本
• -Url：网页链接输入，豆包自动抓取网页内容生成播客
• -File：PDF 文件上传（仅 .pdf），豆包根据文档内容生成播客

工作流程：

1. 打开 https://www.doubao.com/chat
2. 自动定位并点击 AI 播客 按钮（动态 ref）
3. 输入内容（文字/网页链接/PDF文件，三选一）
4. 点击发送按钮 #flow-end-msg-send
5. 等待播客生成完成（~10-60秒，文件模式可能更久）
6. 自动点击播放按钮
7. 持续播放等待下载按钮可用（默认等待 40 秒）
8. 点击下载按钮 [593]/[591]（向下箭头 SVG）
9. 文件自动保存到 Edge 默认下载目录
10. 搬运到 output/doubao_podcasts/
11. 自动裁剪开头 4 秒广告（使用 ffmpeg）

重要发现：

• 下载按钮的 class 包含 downloadBtn-Iyn2FU，通过 span[role=img] 的父 div[tabindex] 定位
• ⚠️ 关键：opencli browser click 命令无法触发下载按钮，必须使用 JS 原生事件（dispatchEvent 触发 mousedown + mouseup + click + pointerdown）
• 点击下载后 自动保存 到系统 Downloads 目录，不弹出保存对话框
• 下载文件格式为 .wav，文件名以播客标题命名
• 下载按钮需要播放 20-40 秒后才变为可用（不可用时点击无反应）
• 输出文件使用时间戳命名（AI新闻播客_20260511_173500.wav），避免覆盖旧文件
• 下载检测改用文件快照对比（名称+大小+修改时间），不再依赖文件名比对
• 示例输出：output/doubao_podcasts/云计算服务模式的差异与场景.wav（28MB，9分51秒）

自动裁剪广告：

• 脚本默认使用 ffmpeg 裁剪音频开头 4 秒（豆包播客开头通常有品牌广告）
• 通过 -TrimSeconds 参数自定义裁剪秒数，设为 0 则跳过裁剪
• 裁剪后原文件被替换，最终输出的就是去广告版本
• 需要系统已安装 ffmpeg（否则跳过裁剪，保留原文件）

输出文件：

• output/doubao_podcasts/\x3C播客标题>.wav — 下载的播客音频文件（已自动裁剪开头广告）

4. doubao_ppt_gen.ps1 — PPT 生成（实测验证 ✅）

AI PPT 生成脚本，通过 opencli browser 自动化豆包 PPT 生成与下载流程。

# 按主题生成（推荐）
.\scripts\doubao_ppt_gen.ps1 -Topic "人工智能发展史"

# 按大纲生成
.\scripts\doubao_ppt_gen.ps1 -Outline "1. 引言`n2. 技术原理`n3. 应用场景`n4. 未来展望"

# 按草稿文档生成
.\scripts\doubao_ppt_gen.ps1 -DraftFile "C:\docs\my_draft.md"

# 通过工具箱
.\scripts\doubao_toolkit.ps1 ppt "人工智能发展史"

实测数据（2026-05-11）：

• 生成 20 页 PPT 耗时：15 分 47 秒
• 生成 23 页 PPT 耗时：13 分 01 秒
• 下载文件大小：~3.4 MB（PPTX 格式）
• 下载方式：工具栏下载按钮 → 选择 PPTX → 自动保存到 Downloads

PPT 工作流程（实测验证）：

1. 打开 https://www.doubao.com/chat
2. 不要点击 PPT 快捷按钮 — 直接在普通聊天模式的 textarea 中输入提示词
3. 点击发送按钮 #flow-end-msg-send（只在普通聊天模式存在，PPT 快捷模式无发送按钮）
4. 5 阶段进度监控（每 15 秒检查一次）：
   • 阶段 1：思考状态 + 素材收集（最长阶段，AI 联网搜索参考资料）
   • 阶段 2：思考优化 + 补充收集（1-2 分钟）
   • 阶段 3：生成原创图片（1-5 分钟，AI 生成封面/背景/配图）
   • 阶段 4：PPT 合成与渲染（5-6 分钟，左右分栏模式）
   • 阶段 5：已完成（检测到 "已完成PPT生成" 标志）
5. 生成完成后，点击 PPT 卡片（封面图或标题区域）→ 打开左右分栏编辑器
6. 点击工具栏"下载"按钮 → 弹出菜单（PPTX / PDF）
7. 选择 PPTX → 文件自动保存到系统 Downloads 目录
8. 搬运到 output/doubao_ppt/ 目录

关键发现（实测）：

• ⚠️ PPT 快捷按钮模式没有发送按钮 — 必须在普通聊天模式发送
• 发送按钮 ID：#flow-end-msg-send（普通聊天模式）
• PPT 编辑器是一个 iframe（/partner/ccm-slides-v3/），但下载按钮在主页面的 DOM 中，不在 iframe 内
• 下载按钮特征：data-dbx-name="button"，文本"下载"，aria-haspopup="menu"
• 格式选择菜单项特征：role="menuitem"，文本"PPTX"
• 不需要确认保存对话框 — 文件自动保存到 Downloads 目录
• 每次页面加载后元素 ref 号会变化，脚本使用动态查找而非硬编码

参数说明：

播客脚本 doubao_podcast_gen.ps1 参数说明：

阶段日志示例：

[11:15:30] [PHASE] [1/5] 打开豆包聊天页...
[11:15:35] [PHASE] [2/5] 触发 PPT 生成...
[11:15:40] [PHASE] [3/5] 监控生成进度...
[11:15:55]  ┌─ 进入阶段1: 思考状态 + 素材收集 [11:15:55]
[11:17:30]  └─ 阶段1完成，耗时 95s
[11:17:30]  ┌─ 进入阶段2: 思考优化 + 补充收集 [11:17:30]
[11:18:45]  └─ 阶段2完成，耗时 75s
[11:18:45]  ┌─ 进入阶段3: 生成原创图片 [11:18:45]
[11:22:10]  └─ 阶段3完成，耗时 205s
[11:22:10]  ┌─ 进入阶段4: PPT合成与渲染 [11:22:10]
[11:28:30]  ✅ PPT 生成完成！总耗时 765s
[11:28:33] [4/5] 下载 PPT...
[11:28:36]  -> 点击 PPT 标题打开编辑器...
[11:28:41]  -> 找下载按钮...
[11:28:41]  -> 点击下载按钮...
[11:28:43]  -> 选择 PPTX 格式...
[11:28:46]  ✅ 下载成功: C:\Users\xxx\Downloads\xxx.pptx
[11:28:46] [5/5] 搬运到输出目录...
[11:28:46]  ✅ 已搬运到: output/doubao_ppt/ppt_20260511_112846.pptx

输出文件：

• output/doubao_ppt/ppt_YYYYMMDD_HHmmss.pptx — 下载的 PPT 文件
• output/doubao_ppt/logs/ppt_log_YYYYMMDD_HHmmss.md — 详细阶段日志

已知问题

• history 命令不可用：豆包新版 UI 下 opencli doubao history 返回空，导致 meetings、summary、backup 等功能受限。
• 图像生成页面的发送按钮 ID：#flow-end-msg-send，在页面重新加载后输入框 ref 号会变化，脚本使用正则动态匹配。
• ask 命令的 JSON 输出：opencli doubao ask -f json 的输出可能包含更新提示等非 JSON 文本，已使用 2>$null 过滤。

⚠️ 经验教训（后续修改务必注意）

完整经验文档见 knowledge/doubao-podcast-bug-fix.md

1. 不要信任 ref 号

opencli browser 的 ref 号是动态分配的，每次页面加载都不同。永远用 class/文本/位置定位元素，而非硬编码 ref。

2. 不要信任 click 返回值

clicked: true 不代表操作生效了。对于复杂 UI（如下载按钮），用 JS 原生事件更可靠：

el.dispatchEvent(new MouseEvent('mousedown', {bubbles: true}));
el.dispatchEvent(new MouseEvent('mouseup', {bubbles: true}));
el.dispatchEvent(new MouseEvent('click', {bubbles: true}));
el.dispatchEvent(new PointerEvent('pointerdown', {bubbles: true}));

3. 输出文件永远用时间戳命名

避免同名文件覆盖导致内容混淆。格式：AI新闻播客_20260511_173500.wav

4. 下载检测用快照对比

仅靠文件名不够，要同时检查大小和修改时间。记录下载前的快照，对比真正的变化。

5. JS eval 比 ref 号更可靠

opencli browser eval 直接操作真实 DOM，不受 ref 号变化影响。

6. 窗口必须最大化

豆包页面在窗口不够大时部分按钮（如 AI 播客）可能不显示。用 JS 最大化：

window.moveTo(0,0); window.resizeTo(window.screen.availWidth, window.screen.availHeight);

未来扩展方向

• 支持比例/风格/模型参数的自定义
• 参考图上传功能
• AI 抠图/擦除/重绘等图片编辑模式
• 视频生成（豆包已支持）
• 批量图片生成