[Feature]: 希望能支持 gemini website, 可以生成图片，视频和音乐

[kaneruan]

Feature Description

[Feature]: 希望能支持 gemini website, 可以生成图片，视频和音乐

Use Case

小红书+gemini 自动化运营

Proposed Solution

No response

Alternatives Considered

No response

[Astro-Han]

你好！这个可以通过插件系统实现，用 AI 助手就能快速开发。参考 插件指南 了解开发方式。也可以让你的 AI 阅读 适配器开发指南。

[nevertoday]

看到支持gemini ask 之类的命令了， 可惜返回不了任何结果。 烦人。

[Astro-Han]

诊断结论

opencli gemini ask 目前有多个脆弱点。

目前至少确认有这几个问题：

1. fillAndSubmitComposerScript 使用了 document.execCommand('insertText')，我实测在当前 Gemini 页面里会返回 false，文本可能没有真正写入输入框。

2. 发送按钮选择器写死成了英文 button[aria-label="Send message"]，但当前中文界面下并不一定存在这个按钮，因此按钮发送分支也可能失效。

3. 我还复现到过更早的失败，直接报 Could not find Gemini composer，说明输入框选择器或页面就绪时机本身也不够稳。

当前 Gemini 适配器对页面 DOM 和本地化文案耦合过紧，输入、发送按钮、页面时序这几个环节都可能出问题。

[nevertoday]

更换语言版本， 也不得行， 奇怪。 是不是我多Gemini 账号登录了， 我不确定是哪个Gemini 账号

[Astro-Han]

不是，确实是有 bug，我已经在尝试修复了。

[Astro-Han]

@nevertoday 已经在 #735 中修复。

[nevertoday]

怎么可以这么牛。 膜拜。

[nevertoday]

使用上了， 但是所有问题，都在同一个对话中进行， 有点污染， 不会自动新建对话。

[Astro-Han]

使用上了， 但是所有问题，都在同一个对话中进行， 有点污染， 不会自动新建对话。

这个可以跟 agent 说，要求新建会话，使用：

opencli gemini ask "你的问题" --new true

这个指令就可以实现。

[nevertoday]

还请教一个问题， 默认Gemini的网址是：
https://gemini.google.com/u/0/app

但是实际有多个账号同时登录
https://gemini.google.com/u/1/app
https://gemini.google.com/u/2/app
https://gemini.google.com/u/3/app

有没有办法指定网址，或者网址集...

[Astro-Han]

这个是可以实现的，目前 opencli gemini ask 本身是复用你已登录浏览器的 cookie，但是 Gemini 入口目前写死成默认地址，没有给用户指定 /u/1/app、/u/2/app 这类入口的能力。

可以设计一个方案：

1. 先支持单次指定 Gemini 入口 URL
   例如：
   opencli gemini ask "你好" --url https://gemini.google.com/u/2/app

2. 不传 --url 时，保持当前默认行为

3. --new true 也继续在这个指定 URL 下工作，不跳回默认地址

这样能解决“同一浏览器里多账号登录时，想明确指定本次使用哪个 Gemini 账号”的核心问题，而且不需要改动现有的 cookie 复用模型。

不过这个大幅超过目前 issue 的范围了，我建议是单独开一个 feature 的 issue。

[nevertoday]

先苟着算了， 感觉最终，但是想吧这个东西做成 api 调用出来， 比啥反代都稳定。

[gucasbrg]

Gemini image: no-images even though images exist in DOM

Environment: opencli v1.6.1, Chrome 146, macOS 26.2

Problem: opencli gemini image "a cute cat" returns ⚠️ no-images, but the image IS generated and visible in Chrome.

Root cause confirmed via CDP:

We connected directly to the Gemini tab via Chrome DevTools Protocol (ws://127.0.0.1:9222/devtools/page/...) and ran Runtime.evaluate with the same query as getGeminiVisibleImageUrls():

{
  "src": "blob:https://gemini.google.com/8d368d5b-d7c7-40d7-8bd7-b87354ef00c5",
  "w": 1024,
  "h": 559,
  "alt": "AI 生成",
  "inMain": true,
  "visible": true,
  "parent": "image-button ng-star-inserted"
}

The image meets ALL filter criteria in getGeminiVisibleImageUrls():

• In <main>: ✅
• Visible (>32px): ✅
• naturalWidth >= 128: ✅ (1024×559)
• Not avatar/logo/icon: ✅

But: When the same JS runs via Browser Bridge (chrome.debugger.sendCommand → Runtime.evaluate), it returns empty arrays:

• document.querySelectorAll("img").length → 0
• document.querySelector("main") → null

Hypothesis: The Browser Bridge extension attaches to the tab via chrome.debugger, but by the time waitForGeminiImages() polls (every 3s for up to 120s), Gemini may have a different execution context or the debugger attachment interferes with Gemini's SPA rendering.

Direct CDP WebSocket connection sees the full DOM. Browser Bridge's chrome.debugger connection does not.

Suggested investigation: Compare chrome.debugger.sendCommand(tabId, "Runtime.evaluate", { expression: ... }) vs direct WebSocket CDP Runtime.evaluate on gemini.google.com — they should return the same results but don't.