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
CODEBLOCK0
也可以直接打开已有对话链接复用图片：
CODEBLOCK1
2. 点击「制作图片」
snapshot 找到按钮 ref，然后 click：
CODEBLOCK2
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
CODEBLOCK3
⚠️ 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 INLINECODE2
4. 等待图片生成
⚠️ 关键：不要用 act(kind="wait")！
INLINECODE4 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
CODEBLOCK4
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：
CODEBLOCK5
等待下载完成后检查下载目录：
CODEBLOCK6
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）：
CODEBLOCK8
使用：
CODEBLOCK9
7. 发送到飞书（可选）
使用 send-feishu-image 技能：
CODEBLOCK10
已知问题
| 问题 | 解决方案 |
|---|
| INLINECODE6 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 snapshot |
| gwt 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
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/<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: [})]
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:
