☰

企业官网建设流程全解析

首页 / 建站日记 / 企业官网建设流程全解析
OpenCLI Gemini Adapter 实战指南：用浏览器会话在命令行驱动 Gemini Web
2026/9/19 22:15:24 网站建设 项目流程

OpenCLI Gemini Adapter 实战指南：用浏览器会话在命令行驱动 Gemini Web

【免费下载链接】OpenCLIMake Any Website into CLI & Use your logged-in browser by AI agent.项目地址: https://gitcode.com/gh_mirrors/ope/OpenCLI

本指南围绕 docs/adapters/browser/gemini.md 展开，系统讲解 OpenCLI 如何通过已登录的浏览器会话，把gemini.google.com消费版 Web UI 变成一套可脚本化的命令行接口（opencli gemini）。读完本文，你将掌握 Gemini 的对话问答、图像生成、模型枚举、Deep Research 启动与报告导出、历史会话管理等全部子命令的用法与参数，并理解其背后"驱动真实浏览器而非公共 API"的实现原理与注意事项。

Gemini 适配器是什么

Gemini 适配器是 OpenCLI 众多"网站适配器"之一，通过 Browser Bridge 扩展 与正在运行的 Chrome 通信，复用你已登录的浏览器会话操作 Gemini 网页。它不调用 Gemini 公共 API，而是直接驱动消费版网页：自动定位输入框（composer）、点击模型选择器、读取对话快照、等待回复生成。

该适配器对应源码位于 clis/gemini/，包含ask、image、models、new、deep-research、deep-research-result、status、history、detail、read共 10 个命令。核心工具函数集中在 utils.js（约 2700 行），其中定义了域名常量、composer 定位脚本、对话快照读取脚本、回复去噪逻辑等。

从 utils.js 可以看到适配器的目标域与入口页：

export const GEMINI_DOMAIN = 'gemini.google.com'; export const GEMINI_APP_URL = 'https://gemini.google.com/app';

所有opencli gemini命令的domain均指向该域名，并以Strategy.COOKIE策略（复用浏览器 Cookie 会话）和siteSession: 'persistent'（持久站点会话）运行。

环境要求（Prerequisites）

使用前需满足以下三个条件（对应原文档 Prerequisites 章节）：

  • Chrome 正在运行：适配器通过浏览器桥接控制已打开的 Chrome 实例；
  • 已登录gemini.google.com：命令复用的是登录态，不会替你处理账号密码；
  • 已安装 Browser Bridge 扩展：它是 OpenCLI 与浏览器页面之间的通信通道。

此外，可参考 入门指南 和 安装指南 完成 OpenCLI 本身的安装配置。

命令总览

CommandDescription
opencli gemini newStart a new Gemini web chat
opencli gemini ask <prompt> [--model <value>] [--thinking <level>]Send a prompt and return only the assistant reply
opencli gemini image <prompt>Generate images in Gemini and optionally save them locally
opencli gemini modelsList available Gemini models
opencli gemini deep-research <prompt>Start a Gemini Deep Research run and confirm it
opencli gemini deep-research-result <query>Export Deep Research report URL from a Gemini conversation
opencli gemini statusCheck Gemini web page availability and login state
opencli gemini history [--limit N]List visible Gemini conversation history from the sidebar
opencli gemini detail <id>Open a Gemini conversation by id, URL, or sidebar title and read its turns
opencli gemini readRead the turns visible in the current Gemini web conversation

从命令的access属性（定义于各命令注册处）可以看到权限划分：

  • 只读命令（access: 'read'）：new、models、status、history、detail、read、deep-research-result；
  • 写命令（access: 'write'）：ask、image、deep-research。

例如 new.js 注册为只读命令并输出Status/Action两列；ask.js 注册为写命令、默认纯文本输出；status.js 输出Status/Login/Url三列；history.js 输出Index/Id/Title/Url四列。

快速上手：十个命令的实战用法

原文档给出了完整的命令行示例，下面逐组展开并补充参数说明：

新建会话

opencli gemini new

该命令调用startNewGeminiChat(page)，优先点击侧边栏 "New chat" 按钮；若按钮不可用则回退为重新加载/app页面（源码见 new.js，对应startNewGeminiChat返回'clicked'或'navigate'两种动作）。命令完成后会输出Success / Clicked New chat或Success / Reloaded /app as fallback。

问答（ask）

# 发送 prompt，只返回助手回复 opencli gemini ask "Reply with exactly: HELLO" # 指定模型 opencli gemini ask "Explain quantum computing in one sentence" --model 2.5-flash # 新开会话并延长等待时间 opencli gemini ask "Summarize this design in 3 bullets" --new true --timeout 90 # 扩展思考模式 opencli gemini ask "Explain quantum computing" --thinking extended # 标准思考 + 新会话 opencli gemini ask "Hello" --new true --thinking standard # 模型 + 思考等级组合 opencli gemini ask "Explain quantum computing in one sentence" --model 2.5-pro --thinking extended # 新会话 + 指定模型 + 指定思考等级 opencli gemini ask "Summarize this design in 3 bullets" --new true --model 2.5-flash --thinking standard

ask的完整执行流程（源码见 ask.js）值得细说：

  1. 新会话先行：若--new true，先调用startNewGeminiChat新建会话；
  2. 参数预校验：--model必须符合规范 ID 格式（见下文），--thinking仅接受standard或extended；--timeout必须是正整数（默认 60 秒）；
  3. 模型/思考发现：当指定了--model或--thinking时，脚本点击模型选择器按钮、等待 React 渲染菜单、读取模型条目后关闭菜单；
  4. 模型选择：校验目标模型 ID 存在于发现列表中，然后调用selectGeminiModel选中；
  5. 思考等级选择：优先按目标模型（指定--model时为该模型，否则为当前页面模型）对应的thinkingValues校验，再调用selectGeminiThinking选择；
  6. 发送与等待：读取会话快照 →sendGeminiMessage发送 →waitForGeminiSubmission等待提交 →waitForGeminiResponse等待回复。

回复以💬前缀输出纯文本；若在超时内未获得回复，则返回💬 [NO RESPONSE] No Gemini response within <timeout>s.。回复文本会经过 utils.js 的sanitizeGeminiResponseText清洗，去除 "Gemini can make mistakes"、"Google Terms" 等页面噪音文案，并剥离与 prompt 相同的前缀部分。

图像生成（image）

# 生成图标，指定比例与风格 opencli gemini image "Generate a tiny cyan moon icon" --rt 1:1 --st icon # 仅在 Gemini 中生成，打印页面链接，不下载 opencli gemini image "A watercolor sunset over a lake" --sd true # 自定义图片保存目录 opencli gemini image "A flat illustration of a robot" --op ~/tmp/gemini-images

image命令（源码见 image.js）有几点实现细节：

  • 总是新会话：每次执行前都会调用startNewGeminiChat，确保从干净的对话开始（源码硬编码const startFresh = true）；
  • 比例与风格会拼进提示词：buildImagePrompt会把aspect ratio <ratio>与style <style>追加为 "Image requirements: ..." 段落（image.js）；
  • 比例白名单：--rt仅接受1:1、16:9、9:16、4:3、3:4、3:2、2:3，非法值回退为1:1（image.js）；
  • 输出目录解析：--op支持~展开与绝对/相对路径，默认~/tmp/gemini-images（image.js）；
  • 下载逻辑：等待图像 URL 出现 → 通过exportGeminiImages导出 base64 → 按 MIME 类型推断扩展名（png/webp/gif/jpg）→ 保存为gemini_<时间戳>[_N].<ext>；
  • 输出格式：不使用表格，纯文本输出status / file / link三元组，如✅ saved / 📁 ~/tmp/gemini-images/gemini_1717....png / 🔗 <链接>；--sd true时输出🎨 generated / 📁 - / 🔗 <链接>，仅保留对话链接不下载；
  • 超时：--timeout默认 240 秒，控制整个等待生成过程。

若未检测到生成的图片，命令会抛出EmptyResultError并提示打开对话链接人工确认（image.js）。

枚举模型（models）

# 列出可用模型 opencli gemini models # 以 JSON 输出，便于脚本处理 opencli gemini models -f json

models命令（源码见 models.js）是只读命令，其行为要点与原文档一致：

  • 从 Gemini Web UI 可见的模型选择器中动态发现可用模型，而不是硬编码列表；
  • 依次执行：点击模型选择器按钮 → 等待 React 渲染菜单（page.wait(1.0)）→ 读取菜单项并解析规范模型 ID → 关闭菜单；
  • 不会选择模型、更改思考等级、新建会话或提交任何提示词；
  • 解析逻辑（canonicalModelId，见 models.js）支持从显示文本中提取规范 ID，例如"3.1 flash-lite"→3.1-flash-lite、"2.5-flash-thinking"→2.5-flash-thinking、"Gemini 3.0 Pro experimental"→3.0-pro-experimental，也兼容带中文描述的条目（如"3.1 Flash-Lite 极速回答"）；
  • 输出两列：model（规范 ID，如2.5-flash、2.5-pro、2.5-flash-lite）与thinkingValues；
  • thinkingValues仅在 Gemini 直接在模型条目上暴露思考等级时才填充，否则为[]——当前 Gemini UI 通常只对当前激活模型显示思考控件，因此该命令不做全模型的推断（models.js 注释对此有明确说明）；
  • 当模型选择器无法打开时抛出命令错误（用于暴露 Gemini Web UI 的变更）；仅当选择器成功打开但没有任何模型条目时才返回空列表。

Deep Research 启动与报告导出

# 启动一次 Gemini Deep Research 运行并确认 opencli gemini deep-research "<研究主题>" # 从某个会话导出 Deep Research 报告 URL opencli gemini deep-research-result "<会话标题或 URL>"

deep-research（源码见 deep-research.js）的执行链路是：新建会话 → 通过工具菜单选择 "Deep Research"（默认工具标签列表见 utils.js 的GEMINI_DEEP_RESEARCH_DEFAULT_TOOL_LABELS，同时兼容英文 "Deep Research" 与中文 "深度研究"）→ 发送提示词 → 等待提交 → 等待确认按钮（默认标签 "Start research" / "开始研究" 等，见GEMINI_DEEP_RESEARCH_DEFAULT_CONFIRM_LABELS）→ 输出status / url。

实现上还包含多重容错：

  • 提交失败时自动重试一次（重新选工具、重新发送）；
  • 确认点击出现"假阳性"（仍在/app根 URL）时重试确认；
  • 若页面先渲染出研究计划卡片，会再次点击确认按钮（不重复发送 prompt，避免产生重复会话）；
  • 通过parseDeepResearchProgress解析回复文本，判断是否处于 "researching"（研究中）状态。

--tool与--confirm参数可覆盖默认标签；--timeout默认 180 秒，其中提交等待被内部限制在 6~20 秒。

deep-research-result（源码见 deep-research-result.js）用于导出报告：

  • query可选：可以是会话标题或URL，缺省时取最新会话；
  • --match contains|exact控制标题匹配模式，默认contains；
  • 若是 URL 且属于gemini.google.com/app/路径，直接跳转；否则先从侧边栏会话列表解析目标会话；
  • 等待导出后返回Docs 报告 URL；若研究仍在运行返回提示等待重试；若已完成但未找到 Docs URL，提示在 Gemini UI 中通过 "Share & Export → Export to Docs" 手动导出。

状态、历史、详情与阅读

# 检查页面可用性与登录状态 opencli gemini status # 列出侧边栏可见的历史会话（默认 20 条，最多 200 条） opencli gemini history [--limit N] # 按 id / URL / 侧边栏标题打开会话并读取轮次 opencli gemini detail <id> # 读取当前 Gemini 会话中可见的轮次 opencli gemini read
  • status：通过getGeminiPageState检测页面 URL、标题、登录态（是否存在 "Sign in" / "登录" 链接或 Google 登录跳转）、composer 是否可用。isSignedIn为true/false/null三态，null表示可见 composer 但未发现显式登录入口，按已登录处理（status.js）；
  • history：从侧边栏收集a[href*="/app"]链接并展开折叠的 "最近 / Recents" 分区（见 utils.js 的expandGeminiRecentScript），过滤掉无 ID 的 "New chat" 项，输出Index / Id / Title / Url；--limit必须为 1~200 的整数（history.js）；
  • read：读取当前页面可见的对话轮次，输出Index / Role / Text，Role取User或Assistant；无可读轮次时抛出EmptyResultError（read.js）。轮次提取脚本见 utils.js 的getTurnsScript，通过[data-testid*="message"]、[data-test-id*="message"]、[class*="message"]等选择器定位消息节点，并结合 DOM 顺序排序、按data-message-author-role等属性推断角色；
  • detail：接受会话 ID、完整 URL 或侧边栏标题，定位后打开并读取轮次。

参数详解

ask参数

OptionDescription
promptPrompt to send (required positional argument)
--modelGemini model to use (e.g.2.5-flash,2.5-pro). Useopencli gemini modelsto list available values.
--timeoutMax seconds to wait for a reply (default:60)
--newStart a new chat before sending (default:false)
--thinkingThinking level:standardorextended(omitted = leave unchanged)

关于--model的格式约束：源码中的validateAskModelValue（ask.js）规定了两条硬性规则：

  1. 必须包含版本号（匹配\d+\.\d+），因此pro、flash、flash-lite这类短别名一律被拒绝；
  2. 必须是X.Y-variant的规范格式（正则^\d+\.\d+-[a-z][a-z-]*$），例如2.5-flash、3.1-pro合法，2.5flash非法。

错误信息会明确提示："Short aliases like 'pro', 'flash', or 'flash-lite' are not supported. Use a canonical model id (e.g. '2.5-flash')."

关于--thinking：仅接受standard或extended（大小写不敏感），其余值直接抛ArgumentError。指定后，脚本会先按目标模型（或当前模型）的thinkingValues校验可用性，再调用selectGeminiThinking实际操作页面控件；若无法在 UI 中选中，会给出包含可用取值提示的错误。

关于--timeout：必须是正整数，等待回复期间先等提交（waitForGeminiSubmission），提交成功后再用剩余时间等回复（waitForGeminiResponse），两个阶段合计不超过--timeout秒（ask.js）。

image参数

OptionDescription
promptImage prompt to send (required positional argument)
--rtAspect ratio shorthand:1:1,16:9,9:16,4:3,3:4,3:2,2:3
--stOptional style shorthand, e.g.icon,anime,watercolor
--opOutput directory for downloaded images (default:~/tmp/gemini-images)
--sdSkip download and only print the Gemini page link

补充说明：

  • --rt为白名单校验，非法值静默回退为1:1；
  • --st为自由文本风格，会拼入提示词的 "Image requirements" 段；
  • --op支持~开头路径展开；未指定时保存到~/tmp/gemini-images，文件名形如gemini_<毫秒时间戳>.png，多图时追加_1、_2后缀；
  • --sd为布尔开关，开启后不下载，仅打印🎨 generated / 📁 - / 🔗 链接；
  • 另有未在文档表格中列出的--timeout（默认 240 秒），用于控制整个生成等待。

models输出列

ColumnDescription
modelCanonical model ID (e.g.2.5-flash,2.5-pro,2.5-flash-lite)
thinkingValuesPer-model thinking levels only when Gemini exposes them directly on the model entry; otherwise[]. The current Gemini UI usually exposes thinking controls for the active model, so this command does not infer support for every model.

补充行为要点（与源码一致）：

  • models从可见的 Gemini Web UI 模型选择器中动态发现可用模型；
  • 命令是只读的：不选择模型、不改变思考等级、不新建会话、不提交提示词；
  • 模型 ID 与后续gemini ask --model使用的规范格式一致；
  • 模型选择器无法打开时抛出命令错误（用于暴露 Gemini Web UI 变更）；仅当选择器打开但无模型条目时返回空列表。

关键行为细节

以下行为均可在源码中得到印证：

  • --new true与--model/--thinking的组合顺序：先创建新会话，再选择模型与思考等级，然后读取快照，最后提交提示词（ask.js 的注释与调用顺序明确说明了这一点）；
  • ask --model的可见副作用：选定模型后，该模型在 Gemini Web UI 中保持选中状态；省略--model时不会改变当前模型（ask.js）；
  • 其余命令不受--model影响：image、deep-research等命令不接受--model；
  • ask使用极简输出：只返回💬前缀的助手回复文本，而不是表格；
  • image同样使用纯文本输出：打印status / file / link而非表格；
  • image总是从全新会话开始（startFresh = true硬编码）；
  • --sd启用时：图像保留在 Gemini 中，只打印会话链接。

会话模型与持久化

原文档 Caveats 章节提到的一个关键机制是持久站点会话（persistent site session）。所有 Gemini 命令注册时都带有siteSession: 'persistent'（如 ask.js、image.js），含义是：连续的gemini ask/gemini image/gemini deep-research-result调用会继续使用同一个 Gemini 页面标签，而不是每次新建标签页。这样既减少了重复登录/加载开销，也让命令之间可以共享上下文。

若希望一次性标签（one-shot tab）执行，可以传入--site-session ephemeral。

实现原理：网页驱动的关键机制

为了让文章不仅"会用"，还能理解"为什么这样实现"，下面补充几个源码层面的核心机制：

1. composer 定位与操作。适配器通过一组选择器定位输入框（utils.js）：优先匹配.ql-editor[contenteditable="true"]，其次按aria-label包含 "Gemini" 或 "prompt for Gemini" 的[contenteditable]元素。定位成功后，会打上data-opencli-gemini-composer标记以去重，并通过焦点管理、InputEvent派发等模拟真实输入（prepareComposerScript/insertComposerTextFallbackScript）。发送时优先点击附近符合条件的发送按钮，否则回退为派发 Enter 键事件（submitComposerScript/dispatchComposerEnterScript）。

2. 快照与增量比对。readGeminiSnapshotScript会采集当前页面的 URL、对话轮次（turns）、文本行（transcriptLines）、composer 是否有文本、是否正在生成（通过是否存在 "Stop response / 停止回答" 控件判断）等状态（utils.js）。发送 prompt 前后各取一次快照，通过比对增量行/追加轮次来确定"哪些内容是本次回复"，从而精准提取助手输出。

3. 回复去噪。sanitizeGeminiResponseText会移除 "Gemini can make mistakes"、"Google Terms"、"Google Privacy Policy"、"Opens in a new window" 等常见页面噪音（utils.js 定义的正则列表），确保返回给脚本的是干净的回复文本。

4. 会话列表与标题定位。侧边栏会话通过a[href*="/app"]链接收集，并自动展开折叠的 "Recents / 最近" 分区；detail支持按标题匹配（contains/exact两种模式）定位会话，标题会先做空白归一化与小写化再匹配（utils.js）。

常见问题与注意事项（Caveats）

原文档明确了以下边界，使用时应特别留意：

  • 该适配器驱动的是 Gemini 消费版 Web UI，而非公共 API。这意味着它依赖页面的 DOM 结构，行为可能随 Gemini 前端更新而变化；
  • 依赖当前浏览器会话：若 Gemini 出现登录、同意（consent）、验证（challenge）、配额（quota）或其他门禁 UI，命令可能失败；
  • DOM 或产品变更风险：Gemini 页面变化可能破坏 composer 检测、新会话处理或图片导出行为。models命令在模型选择器无法打开时抛出错误，正是为了尽早暴露这类 UI 变更；
  • 持久会话：默认在同一个 Gemini 页面中连续操作，需要一次性标签时使用--site-session ephemeral。

结合测试用例进一步验证

仓库为 Gemini 适配器提供了较完整的测试覆盖，可作为行为契约参考：

  • commands.test.js：命令注册与参数契约测试；
  • ask.test.js：ask命令的模型校验、thinking 校验等行为测试（含validateAskModelValue的导出测试入口，见 ask.js）；
  • models.test.js：模型发现脚本与规范 ID 解析测试；
  • image.test.js、image-pipeline.test.js：图像生成管线测试；
  • deep-research.test.js、deep-research-result.test.js：Deep Research 启动与导出测试；
  • reply-state.test.js：回复状态/快照比对逻辑测试；
  • utils.test.js：工具函数（URL 解析、标题匹配、文本清洗、会话列表等）测试。

这些测试一方面固化了命令行为，另一方面也说明该适配器对 Gemini 网页 DOM 的强依赖——任何 UI 改版都可能需要同步调整脚本。

小结

OpenCLI 的 Gemini 适配器把浏览器会话变成了可编程接口：ask负责纯文本问答、image负责图像生成与本地保存、models动态枚举模型、deep-research/deep-research-result覆盖完整的研究闭环，status/history/detail/read则提供会话管理与只读巡检能力。它不依赖 Gemini API 密钥，仅需一个已登录的 Chrome 与 Browser Bridge 扩展即可工作，非常适合与 OpenCLI 的自动化管线、脚本任务结合使用。唯一需要留意的是它面向网页 DOM 的脆弱性——建议在 Gemini 页面改版后通过opencli gemini status与opencli gemini models快速探测适配器是否仍然可用。

【免费下载链接】OpenCLIMake Any Website into CLI & Use your logged-in browser by AI agent.项目地址: https://gitcode.com/gh_mirrors/ope/OpenCLI

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

标签： 网站建设 企业官网 项目流程 UI设计 前端开发

热门文章

文章分类

标签云

网站建设 响应式设计 用户体验 SEO优化 前端开发 小程序 电商平台 性能优化

相关文章

您可能感兴趣的其他内容

Roo Code 实战：TaoToken 跑通 Python 仓库依赖升级
2026/9/19 22:14:21 网站建设

Roo Code 实战：TaoToken 跑通 Python 仓库依赖升级

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …...

阅读更多 →
APQP执行骨架：从IATF 16949条款到产线落地的工程控制回路
2026/9/19 22:14:19 网站建设

APQP执行骨架：从IATF 16949条款到产线落地的工程控制回路

简介&#xff1a;本资源为某知名汽车零部件制造企业内部使用的APQP&#xff08;产品质量先期策划&#xff09;体系培训PPT&#xff0c;面向质量工程师、项目管理及IATF 16949体系实施人员&#xff0c;系统解析APQP五大阶段核心逻辑、多方论证小组运作机制、控制计划编制要点及与…...

阅读更多 →
styled-components React Native 指南：用 `accent-color` 统一 Switch 着色与第三方组件 tint 传递
2026/9/19 22:13:10 网站建设

styled-components React Native 指南：用 `accent-color` 统一 Switch 着色与第三方组件 tint 传递

styled-components React Native 指南&#xff1a;用 accent-color 统一 Switch 着色与第三方组件 tint 传递 【免费下载链接】styled-components Fast, expressive styling for React. Server components, client components, streaming SSR, React Native—one API. 项目地…...

阅读更多 →

需要专业的网站建设服务？

联系我们获取免费的网站建设咨询和方案报价，让我们帮助您实现业务目标

立即咨询