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#

text

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：

text

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

2. 点击「制作图片」#

snapshot 找到按钮 ref，然后 click：

text

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": "<ref>"})

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#

text

browser(action="act", profile="user", request={"kind": "type", "ref": "<textarea 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

text

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：

text

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

等待下载完成后检查下载目录：

bash

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）：

bash

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）：

text

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

使用：

bash

gwt --force -i <输入图片> -o <输出图片>

7. 发送到飞书（可选）#

使用 send-feishu-image 技能：

python

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#

问题解决方案act(kind="wait") 超时导致 browser tool 不可用永远不要用 act(kind="wait")，改用 exec sleep + snapshot 轮询snapshot 超时重启 Gateway（菜单栏 OpenClaw → Restart）标签页未找到browser(action="snapshot") 查看当前页面状态触发了音乐生成prompt 去掉"唱""弹"等词，改为纯视觉描述图片长时间未生成Gemini 模型较慢，sleep 20-25 秒再 snapshotgwt 安装失败（GitHub 不可达）检查 ~/.claude/skills/gwt/bin/GeminiWatermarkTool 是否已存在下载后找不到新文件注意文件名变化，用 ls -lt 按时间排序查看最新的

完成后#

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