Baoyu Danger Gemini Web 是一款通过逆向工程 Google Gemini Web API 实现的命令行工具，旨在为开发者提供直接调用 Gemini 模型生成文本和图像的能力。该工具无需依赖官方 API 密钥，而是通过模拟浏览器行为获取认证状态，支持多轮对话、视觉输入以及参考图像生成等高级功能。其设计初衷是简化与 Gemini 模型的交互流程，尤其适合需要在脚本或自动化环境中集成 AI 能力的用户。首次使用时，系统会自动打开浏览器完成 Google 账号登录，后续操作则基于本地缓存的 Cookie 进行身份验证，确保安全性和便捷性。 工具的核心运行逻辑围绕 TypeScript 脚本展开，所有功能均通过 `scripts/` 目录下的 `.ts` 文件实现，包括主入口 `main.ts` 和底层的 `gemini-webapi` 模块封装。用户可通过简单的命令行参数调用文本生成、图像创作或结合图片进行内容理解等多种任务。例如，使用 `–prompt` 指定文本提示，`–image` 输出图像文件，或通过 `–reference` 引入参考图辅助生成。此外，工具支持会话管理（`–sessionId`），允许在多次调用间保持上下文连续性，非常适合构建交互式 AI 应用原型。配置方面，用户可通过项目级或用户级的 `EXTEND.md` 文件自定义默认模型、代理设置及数据存储路径，增强了灵活性与可维护性。 Baoyu Danger Gemini Web 特别适用于希望脱离云端服务限制、在本地环境快速测试 Gemini 能力边界的开发者和研究人员。无论是用于创意写作辅助、技术文档自动生成，还是作为多模态 AI 系统的底层组件，它都能以轻量级方式提供强大支持。由于其完全基于开源协议分发且无需付费订阅，也成为预算有限但需要高质量 AI 输出的个人创作者的理想选择。需要注意的是，该工具涉及对官方 Web API 的逆向分析，使用前需明确接受相关免责条款，并遵守 Google 的服务政策。
核心功能特点
- 支持文本生成、图像创建及视觉输入处理三大核心AI能力
- 通过浏览器自动登录机制获取认证，无需手动配置API密钥
- 支持多轮对话会话保持，便于构建连续交互场景
- 可引用参考图像进行内容理解或风格化图像生成
- 提供灵活的配置选项，支持自定义模型、代理和数据存储路径
- 命令行接口简洁直观，易于集成到自动化工作流中
适用场景
Baoyu Danger Gemini Web 特别适合那些希望在本地或私有环境中利用 Gemini 大模型能力，而不受官方 API 配额或网络访问限制的终端用户。例如，内容创作者可以将其用于快速生成文章草稿、社交媒体文案或故事开头，显著提升创作效率；开发者则可在不依赖第三方云服务的情况下，构建原型系统来测试多模态交互逻辑，如结合用户上传的图片生成描述或提出改进建议。对于教育领域的研究者而言，该工具提供了低成本的实验平台，可用于探索 Gemini 在不同语言任务或视觉推理上的表现边界。 另一个典型应用场景是自动化脚本集成。假设你正在编写一个爬虫程序，需要实时解析网页截图中的关键信息，此时可以通过 `–reference` 参数传入截图文件，让模型理解图像内容并返回结构化数据。又或者，在 DevOps 流程中，你可以用此工具自动生成日志摘要、错误报告说明，甚至根据代码片段撰写注释文档，从而减少人工干预。由于支持会话 ID 管理，这些任务可以被拆解为多个独立命令，在分布式系统中并行执行而不会互相干扰。 此外，该工具对隐私敏感型用户也具有吸引力。所有认证信息仅缓存在本地，不会上传至外部服务器，确保了敏感数据的安全性。配合可选的代理配置（HTTP_PROXY/HTTPS_PROXY），它还能帮助位于网络受限区域的用户绕过地理封锁，稳定访问 Google 服务。无论是小型创业项目、个人博客运维，还是企业内部知识库建设，Baoyu Danger Gemini Web 都能以高度可控的方式赋能 AI 技术的落地应用。