baoyu-gemini-web

Gemini Web 客户端

支持：

• 文本生成
• 图像生成（下载并保存）
• 上传参考图像（附加图像以执行视觉任务）
• 在同一执行器实例中进行多轮对话（keepSession）
• 实验性视频生成（generateVideo）——Gemini 可能返回异步占位内容；下载可能需要通过 Gemini 网页界面完成

快速开始

npx -y bun scripts/main.ts "Hello, Gemini"
npx -y bun scripts/main.ts --prompt "Explain quantum computing"
npx -y bun scripts/main.ts --prompt "A cute cat" --image cat.png
npx -y bun scripts/main.ts --promptfiles system.md content.md --image out.png

# Multi-turn conversation (agent generates unique sessionId)
npx -y bun scripts/main.ts "Remember this: 42" --sessionId my-unique-id-123
npx -y bun scripts/main.ts "What number?" --sessionId my-unique-id-123

执行器选项（以编程方式使用）

此技能通常通过 createGeminiWebExecutor(geminiOptions) 使用（参见 scripts/executor.ts）。

GeminiWebOptions 中的关键选项：

• referenceImages?: string | string[] 上传本地图像作为参考图像（视觉输入）。
• keepSession?: boolean 重用 Gemini 的 chatMetadata，以便在多次调用之间继续同一对话（如果希望参考图像在多条消息之间保留，则必须启用）。
• generateVideo?: string 生成视频并尽力下载到指定路径。Gemini 可能会返回 video_gen_chip（异步）；这种情况下，必须打开 Gemini 网页界面下载结果。

注意：

• generateVideo 不能与 generateImage / editImage 组合使用。
• 当 keepSession=true 且设置了 referenceImages 时，每个执行器实例只会上传一次参考图像。

命令

文本生成

# Simple prompt (positional)
npx -y bun scripts/main.ts "Your prompt here"

# Explicit prompt flag
npx -y bun scripts/main.ts --prompt "Your prompt here"
npx -y bun scripts/main.ts -p "Your prompt here"

# With model selection
npx -y bun scripts/main.ts -p "Hello" -m gemini-2.5-pro

# Pipe from stdin
echo "Summarize this" | npx -y bun scripts/main.ts

图像生成

# Generate image with default path (./generated.png)
npx -y bun scripts/main.ts --prompt "A sunset over mountains" --image

# Generate image with custom path
npx -y bun scripts/main.ts --prompt "A cute robot" --image robot.png

# Shorthand
npx -y bun scripts/main.ts "A dragon" --image=dragon.png

输出格式

# Plain text (default)
npx -y bun scripts/main.ts "Hello"

# JSON output
npx -y bun scripts/main.ts "Hello" --json

选项

选项	描述
--prompt <text>、-p	提示词文本
--promptfiles <files...>	从文件读取提示词（按顺序拼接）
--model <id>、-m	模型：gemini-3-pro（默认）、gemini-2.5-pro、gemini-2.5-flash
--image [path]	生成图像并保存到指定路径（默认：generated.png）
--sessionId <id>	多轮对话的会话 ID（Agent 会生成唯一 ID）
--list-sessions	列出已保存的会话（最多 100 个，按更新时间排序）
--json	以 JSON 格式输出
--login	仅刷新 Cookie，然后退出
--cookie-path <path>	自定义 Cookie 文件路径
--profile-dir <path>	Chrome 配置文件目录
--help、-h	显示帮助

CLI 说明：scripts/main.ts 支持文本生成、图像生成，以及通过 --sessionId 进行多轮对话。参考图像和视频生成功能通过执行器 API 提供。

模型

• gemini-3-pro - 默认模型，最新版本
• gemini-2.5-pro - 上一代专业版模型
• gemini-2.5-flash - 快速、轻量

身份验证

首次运行时会打开 Chrome，以便通过 Google 进行身份验证。Cookie 会缓存起来，供后续运行使用。

# Force cookie refresh
npx -y bun scripts/main.ts --login

环境变量

变量	描述
GEMINI_WEB_DATA_DIR	数据目录
GEMINI_WEB_COOKIE_PATH	Cookie 文件路径
GEMINI_WEB_CHROME_PROFILE_DIR	Chrome 配置文件目录
GEMINI_WEB_CHROME_PATH	Chrome 可执行文件路径

示例

生成文本回复

npx -y bun scripts/main.ts "What is the capital of France?"

生成图像

npx -y bun scripts/main.ts "A photorealistic image of a golden retriever puppy" --image puppy.png

获取 JSON 输出以供解析

npx -y bun scripts/main.ts "Hello" --json | jq '.text'

根据提示词文件生成图像

# Concatenate system.md + content.md as prompt
npx -y bun scripts/main.ts --promptfiles system.md content.md --image output.png

多轮对话

# Start a session with unique ID (agent generates this)
npx -y bun scripts/main.ts "You are a helpful math tutor." --sessionId task-abc123

# Continue the conversation (remembers context)
npx -y bun scripts/main.ts "What is 2+2?" --sessionId task-abc123
npx -y bun scripts/main.ts "Now multiply that by 10" --sessionId task-abc123

# List recent sessions (max 100, sorted by update time)
npx -y bun scripts/main.ts --list-sessions

会话文件存储在 ~/Library/Application Support/baoyu-skills/gemini-web/sessions/<id>.json 中，包含：

• id：会话 ID
• metadata：用于继续对话的 Gemini 聊天元数据
• messages：{role, content, timestamp, error?} 数组
• createdAt、updatedAt：时间戳