Gemini Web Automation Skill：零 API 费用，给你的 AI Agent 装上 Gemini Pro 深度思考能力

如果你在用 Claude Code 或类似 AI 编程 Agent，一定遇到过这个问题：**默认模型日常够用，但遇到写技术方案、设计架构、头脑风暴这种需要深度的任务时，总觉得差一口气。**

Gemini 3.1 Pro with Extended Thinking 在深度推理上依然是目前的顶尖水平之一。但你不可能为了偶尔用一次就开一个 API 订阅——速率限制、费用、配置成本，都不划算。

**Gemini Web Automation Skill** 解决的就是这个问题。

核心特性

• **零 API 费用**：通过浏览器自动化操作 gemini.google.com，不走 API，无速率限制，完全免费
• **深度思考能力**：自动切换到 Gemini Pro + Extended Thinking 模式，处理复杂推理任务
• **Agent 原生集成**：设计为 AI Agent 的 Skill——你的 Agent 会自动判断何时该用 Gemini，日常问题用默认模型处理
• **多会话隔离**：不同工作目录自动拥有独立会话，互不干扰，同时跑多个项目也没问题
• **图片分析**：支持上传图片，让 Gemini 分析截图、图表等等
• **后台运行**：登录后自动最小化到后台，不弹出窗口打扰工作流

• 快速上手

  安装只需要三步：

  # 1. 克隆到技能目录
  cp -r gemini-web-automation-skill ~/.claude/skills/
  
  # 2. 配置环境变量
  cd ~/.claude/skills/gemini-web-automation-skill
  cp .env.example .env
  # 国内用户配置代理：PROXY_SERVER=http://127.0.0.1:7890
  
  # 3. 首次登录
  python scripts/bootstrap.py

  首次登录一次，之后会话自动持久化，Agent 调用时无需人工干预。

  日常使用很简单，Agent 会自动调度。你也可以直接命令行测试：

  python scripts/chat.py "写一个微服务架构的技术方案"
  python scripts/chat.py "分析这张架构图" -a diagram.png

  它能做什么

  | 场景 | 效果 |

  |------|------|

  | 头脑风暴 / 方案设计 | Gemini Pro + Extended Thinking，深度推理 |

  | 写架构文档 / Plan / PRD | 长篇结构化输出，思考全面 |

  | 需要看图分析 | Gemini Flash，默认模型无视觉能力时的完美补充 |

  | 快速问答 / 简单代码生成 | 不走 Gemini，用默认模型省时间 |

  工作原理

  
  Agent 遇到复杂任务 → 自动调用 gemini-web-automation-skill
    └─ chat.py (CDP 连接 Chrome)
         ├─ 环境检查 → 网络检测 → 代理检测
         ├─ 会话管理 → session 文件持久化 URL
         ├─ 页面管理 → 复用已有标签页 / bootstrap 残留页 / 新建
         ├─ 模型切换 → 自动切到 Pro + Extended Thinking
         ├─ 发送 Prompt → 可选附带图片
         └─ 流式回复 → 结构化 JSON 返回给 Agent

  优缺点客观分析

  **优点：**

• 完全免费，没有 API 费用和速率限制
• 零配置复杂度——安装后 Agent 自动使用，无需手动操作
• 会话隔离设计精良，多项目同时使用互不干扰
• 登录态持久化，一次登录长期复用

• **局限性：**

• 依赖 Chrome 浏览器，需要保持 Chrome 进程运行
• 国内用户需要配置代理才能访问 Gemini
• 页面结构变动可能导致选择器失效（有维护文档兜底）
• 首次需手动登录（`bootstrap.py` 一次即可）

• 姊妹项目

  如果你更常用 ChatGPT，还有一个同样的项目——[GPT Web Chat Skill](https://github.com/lainXXX/gpt-web-chat-skill)，同样的架构，目标换成 chatgpt.com。两个 Skill 可以共存于同一个 Chrome 实例。

  相关链接

• GitHub 地址：[https://github.com/lainXXX/gemini-web-automation-skill](https://github.com/lainXXX/gemini-web-automation-skill)
• 配合使用的 ChatGPT 版：[https://github.com/lainXXX/gpt-web-chat-skill](https://github.com/lainXXX/gpt-web-chat-skill)