Google Gemini 生图

通过 OpenClaw Browser Tool（profile="user"）操控已登录 Google 账号的 Chrome 浏览器，在 Gemini 网页端生成并下载图片。

前置条件

• Chrome 已登录 Google 账号
• OpenClaw Gateway 正常运行
• OpenClaw Browser Tool 可用（profile="user" 连接已登录的 Chrome）

执行流程

1. 打开 Gemini 页面

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

记录返回的 targetId，后续所有操作都带上这个 targetId。

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/<对话ID>")

2. 点击「制作图片」

browser(action="snapshot", profile="user", targetId="<ID>", compact=true)
// 找到「制作图片」按钮的 ref，然后 click
browser(action="act", profile="user", targetId="<ID>", ref="<ref>", kind="click")

3. 输入 Prompt 并发送

在 textarea 中输入 prompt，然后按 Enter 发送：

browser(action="act", profile="user", targetId="<ID>", ref="<textarea ref>", kind="type", text="你的Prompt")
browser(action="act", profile="user", targetId="<ID>", ref="<textarea ref>", kind="press", key="Enter")

注意：prompt 中避免使用"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。

4. 等待图片生成

wait 操作后 snapshot 检查是否出现「下载完整尺寸的图片」按钮：

browser(action="act", profile="user", targetId="<ID>", kind="wait", timeMs=15000)
browser(action="snapshot", profile="user", targetId="<ID>", 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。

5. 下载图片

点击「下载完整尺寸的图片」按钮：

browser(action="act", profile="user", targetId="<ID>", ref="<下载按钮ref>", kind="click")

等待几秒后检查下载目录：

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

6. 去水印（可选）

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

安装（macOS / Linux）：

brew install allenk/tap/gwt

或从 GitHub Releases 下载二进制文件。

使用：

gwt --force -i <输入图片> -o <输出图片>

已知问题

完成后

• 关闭不用的标签页：browser(action="close", profile="user", targetId="<ID>")
• 如果后续还要用 browser tool，先 stop 再 start 重置 session