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_SERVERhttp://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)