OpenClaw Gemini Web — OpenClaw Gemini 网页

OpenClaw Gemini 网页

通过 OpenClaw 的浏览器工具控制 Gemini 网页版界面。

这个 技能 面向浏览器驱动的 Gemini 网页交互，不是 Gemini API，也不是 Gemini 命令行工具。

这个 技能 覆盖的能力 复用 OpenClaw 独立浏览器档案中的 Gemini 登录状态 当 OpenClaw 已持有所需账号密钥时，执行尽力而为的自动登录 通过 scripts/totp.py 生成 TOTP / 2FA 验证码 在 Gemini 网页版中进行常规对话、追问和多轮聊天 上传文件和图片，让 Gemini 做分析或基于材料继续工作 执行文本分析、起草、总结、脑暴，以及浏览器辅助研究 续接或分叉 Gemini 线程，并在任务切换时重置为新线程 当用户需要视觉输出时，通过网页模式生成图片 将 Gemini 的输出下载到稳定的本地目录

图片只是这个 技能 支持的一种模式，不是唯一用途。

登录策略

OpenClaw 自身文档建议优先人工登录。请按下面顺序处理：

优先复用已经完成认证的 Gemini 标签页，或者 OpenClaw 托管浏览器档案中已有的 Gemini 登录状态。 如果 Gemini 还没登录，而 OpenClaw 当前已经持有所需凭据，就尝试一次尽力而为的自动登录。 如果 Google 出现 CAPTCHA、设备确认、可疑登录审查、手机号验证，或者任何无法安全自动完成的页面，立即停下，让用户在已经打开的浏览器窗口中手动完成。

如果用户已经明确说 OpenClaw 持有凭据，就不要再要求对方把账号密钥粘贴到聊天里。 不要把密码或 TOTP 密钥原样回显到日志、Markdown 或总结里。

Google 密码步骤加上 Google Authenticator TOTP 流程，已经在干净的 OpenClaw 浏览器档案里完成端到端验证，并成功跑通了一次 Gemini 消息往返。

凭据来源

OpenClaw 可以从当前任务上下文或环境变量中读取这些值：

GEMINI_网页_EMAIL GEMINI_网页_PASSWORD GEMINI_网页_TOTP_SECRET GEMINI_网页_TOTP_URI

如果 GEMINI_网页_TOTP_URI 和 GEMINI_网页_TOTP_SECRET 同时存在，优先使用 URI。

scripts/totp.py 支持以下任一种来源形式：

纯 Base32 密钥 otpauth://totp/... URI 带键名的 JSON 文件

常用示例：

python3 {baseDir}/scripts/totp.py --env GEMINI_网页_TOTP_SECRET python3 {baseDir}/scripts/totp.py --env GEMINI_网页_TOTP_URI python3 {baseDir}/scripts/totp.py --secret JBSWY3DPEHPK3PXP python3 {baseDir}/scripts/totp.py --uri 'otpauth://totp/Gemini:me@example.com?secret=JBSWY3DPEHPK3PXP&issuer=Gemini' python3 {baseDir}/scripts/totp.py --json-file ~/.secrets/gemini.json --json-key totp

使用脚本前，请先把 {baseDir} 解析成当前 技能 的目录路径。

浏览器工作流

• 打开 Gemini

使用 OpenClaw 的托管浏览器，不要用用户日常的个人浏览器档案。 打开 https://gemini.google.com/。 如果 Gemini 已经可以使用，就沿用当前标签页，并保留线程状态，除非用户明确要求新开线程。

• 判断登录状态

当输入框或聊天界面可见时，把 Gemini 视为已就绪。 当页面出现 Google 账号表单、账号选择器或登录按钮时，把它视为未登录。

• 尝试自动登录

只有在当前 OpenClaw 运行上下文里已经存在所需密钥时，才执行：

用 GEMINI_网页_EMAIL 填写邮箱账号 用 GEMINI_网页_PASSWORD 填写密码 如果页面要求输入 2FA 验证码： 用 scripts/totp.py 即时生成一枚验证码 立刻填入当前验证码

如果任一步登录流程变得不明确，或者 Google 临时改变了挑战步骤，就停下来，让用户在同一个浏览器窗口里手动完成。

Gemini 交互模式 常规对话 当用户还在打磨同一件事时，复用当前 Gemini 线程。 当用户希望保留上下文、但想探索另一个方向时，续接或分叉 Gemini 线程。 当用户明确说“new chat”“fresh thread”，或者任务显然已经换题时，开启新的 Gemini 线程。 在总结之前，要先等 Gemini 把回复完整生成完。 这条路径适合日常型请求，比如向 Gemini 提问、比较选项、脑暴、翻译、改写或解释材料。 文件与图片上传 当用户提供本地文档、截图、数据集或参考图时，把文件上传给 Gemini 进行分析。 如果任务依赖原始材料作为上下文，优先先上传文件，再发送主提示词。 上传完成后，再要求 Gemini 根据这些材料做总结、提取、比较、分类或改写。 如果 Gemini 拒绝某个文件类型或大小，要明确告诉用户，并请求替换文件，不要在上下文缺失的情况下擅自硬做。 文本分析、起草与研究 用 Gemini 网页版来总结长文本、起草回复、改写语气、列提纲、提取行动项，或者完成基于浏览器的后续研究分析。 当用户希望 OpenClaw 把 Gemini 当成思考搭子时，要在提示词里明确写清楚期望输出形态，比如要点列表、表格、邮件草稿、批判意见或最终答案。 如果 Gemini 返回了较长内容，就先帮用户总结重点；如果后续大概率还会继续追问，就保留当前线程。 图片生成 如果 Gemini 页面提供了图片生成开关或模式切换，先打开它，再发送提示词。 如果界面上看不到明确开关，就在主输入框中直接发送清晰的图片生成提示词。 当用户提供了本地参考图时，要在发提示词前先上传参考图。 生成结束后，检查返回的图片卡片，并下载最符合用户最新要求的那个结果。 迭代修正 遇到“更暖一点”“换个姿势”“更像参考图 2”这类修正时，保持在同一条线程里继续迭代。 如果第一次生成失败，先做一次提示词微调，再决定是否升级给用户处理。 如果 Gemini 因为反复迭代开始明显跑偏，就新开一条线程，并用更干净的表述重述最新确认过的提示词。 输出处理

默认下载目录：

./输出/gemini/YYYY-MM-DD/

如果用户提供了别的保存位置，就按用户给定路径处理。

下载后：

如果 Gemini 或浏览器先把文件存到了别处，立刻移动到目标文件夹。 根据提示词或用户给定名称，把文件改成稳定的、小写、连字符风格文件名。 在可能的情况下保留原始扩展名。 如果下载了多个变体，就用 -01、-02 这类后缀编号。

如果是批量反复生成的素材会话，只有当用户要求保留溯源信息，或者这一批内容已经大到值得记录时，才在同目录补一个简短的 会话-notes.md。

建议回复方式 告诉用户当前 Gemini 是已经登录，还是需要发起登录尝试。 如果自动化撞上 Google 的安全拦截，要明确说明，并把浏览器停在可接管状态。 每次成功完成一次 Gemini 交互后，都要汇报： 这次是新线程还是续接旧线程 Gemini 返回了哪一类结果 如果有下载文件，文件保存到了哪里 项目支持

如果用户问如何支持这个 技能 项目，引导到仓库的捐赠区块：

https://github.com/Etherstrings/OpenClaw-gemini-网页-技能#donate

必须停下并让用户接管的情况

出现以下任一情况时，必须停下并让用户介入：

CAPTCHA 手机确认提示 设备审查 / 可疑登录页面 恢复邮箱或手机号挑战 账号锁定 / 临时封禁 需要人工接受的条款或政策拦截页 触发示例 “帮我登录 Gemini，然后让它总结这篇文章。” “用 Gemini 网页版继续上次那条线程，把推理再往前推进一点。” “把这个 PDF 上传给 Gemini，让它提炼重点。” “在 OpenClaw 里打开 Gemini，用已经存好的凭据登录，然后帮我起草一份回复。” “把这些参考资料上传给 Gemini，让它给我出三个版本。” “帮我登录 Gemini，然后按这个提示词生成图片。”