claude-drives-gemini v1.0 — 用 Gemini Pro 网页(CDP)出图 / 视频 / 音乐

Claude 只当导演:经 CDP 操控已登录的专用 Chrome(9223),用 Nano Banana(图 2816×1536)/ Veo(视频,界面标 "Omni")/ Lyria(乐)出活。产物全尺寸无损落盘,媒体字节绝不进上下文。

⭐ 一条命令(默认打法)

cd ~/.claude/skills/claude-drives-gemini/scripts
node gemini-gen.mjs <image|video|music> "<提示词>" <out> [--use-tool]

全内置:preflight(查/拉专用 Chrome+取 ws)→ 确保模式 Pro+扩展思考 → 直发提交 → 阶段感知等待 → 原生下载 → 关 tab。回执一行 JSON:{ok,type,file,dims,mb,mode,resubmits,seconds};失败含 stage(chrome/submit/wait/genfail/download/wait-infra/run)与可补捞的 tid。

• 阶段感知重试,绝不盲目重提交:「无法生成」明确拒绝→同 tab 安全重发 1 次(未产出不烧额度);视频直发连拒→自动降级 --use-tool;超时→只延长等待;下载失败→只重下载并保留 tab。
• 耗时预期(Pro 扩展思考):图 1–3 分钟、乐 1–2 分钟、视频 2–5 分钟。比 Flash 慢数倍且思考期无任何页面迹象——是质量的代价,不是卡死,别中途放弃。
• 多个产物一律串行跑,复用 ws:WS=$(node gemini-wsurl.mjs) 后每次传 --ws "$WS"。

提示词契约(直发,必守)

• 必须带明确生成动词:「直接生成/制作一段…图片/视频/音乐」+「不要解释」。描述性措辞会被误路由(实测"适合阅读的钢琴曲"被当点歌弹 YouTube Music)。
• 视频需要 9:16 竖屏 / 风格模板(面板内建 18 款)→ 加 --use-tool 走工具面板。

铁律(违背 = 失败)

1. 媒体只落盘、只回元数据;绝不 base64 进上下文(6MB 图 ≈ 50 万 token)。质检只看 384px 缩略图,或派子 agent 看了回文字结论。
2. 高清 = 原生下载钮(真 2816×1536),不是截图(页面 <img> 只是 1408 半分辨率预览)。
3. 额度先评估再出活:Veo App 仅 3 条/天;触顶降级并告知用户,不闷头重试 → references/quota-tiers.md。
4. 水印诚实:可见水印用官方开关关(Gemini 网页 设置→媒体水印→关闭,一次即可,覆盖图/视频/乐);SynthID 隐形水印仍在且去不掉,如实告知用户。
5. 串行不并行、节流出活(防封号)→ references/runtime-env.md。

渐进式披露(按需读,别全读)

什么时候	读哪个
stage=chrome / 登录墙 / 代理·端口·下载目录 / 模式与耗时 / 防封号·无人值守	references/runtime-env.md
选择器失效、Gemini 改版 → 重探 + 自愈 + 回写(技能自我进化)	references/gemini-ui.md
额度触顶 → 各模态降级路线	references/quota-tiers.md
水印:官方开关位置 / SynthID / 无开关账号的兜底	references/dewatermark.md
分步命令链、单步调试、全部脚本用法	scripts/README.md
换机/首装:setup 向导 · 零额度冒烟	setup/init.mjs · scripts/smoke.mjs

失败速查(看 JSON.stage)

• chrome:跑 launchers/start-chrome.cmd|sh(没有就先 node setup/init.mjs 生成);页面 ERR 多半是本地代理没开(runtime-env)。
• genfail:两次明确拒绝——换提示词表述再试。
• wait/download 且带 tid:产物可能已在页面,node gemini-download.mjs "$WS" <tid> <type> <out> 补捞(下载目录按 ws 端口自动判断;实测有效),完了关 tab。
• wait-infra/run:基础设施/未分类错误,看 error 文本。
• 登录墙:跑 launchers/login-chrome.cmd|sh 人工续期(勿在调试端口窗口登录),详见 runtime-env。