surreal-pop-collage（超现实波普拼贴 · Gemini 网页端自动生图）

把照片变成超现实波普拼贴画，并通过 nekoro-browser 自动化在 Gemini 网页端完成「上传原图 → 填提示词 → 发送 → 生成 → 零确认下载 → 归档」的全流程。

本 skill 是工作流型：核心不是"自己画图"，而是驱动 Gemini 网页端生图。生图提示词模板见同目录 prompt_template.md。

0. 触发与适用

触发条件（满足任一即启用本 skill）：

用户上传照片并要求"超现实波普拼贴 / 不可能巨物海报 / 撞色拼贴 / Gemini 生图"。
用户指定处理某个目录（如 originals/）里的照片为波普拼贴风格。
用户提到"用 Gemini 画图 / 固定会话 e6bbee6b131ceda6 生图"。

环境依赖（前置自检）：

已连接 nekoro-browser MCP（提供 reload_extension / ensure_tab / page_info / js / click / upload_file / fill_input / sleep 等工具）。
Chrome 已关闭「下载前询问每个文件的保存位置」（一次性永久设置；见 §3）。
目标会话固定为 https://gemini.google.com/app/e6bbee6b131ceda6（严禁新开窗口）。

1. 关键结论速查

事项	正确做法
进入对话	固定会话里连续传图：不开新对话，当前输入框直接传下一张
上传图片	点 `上传和工具`(aria-label) → `上传文件`(文本按钮) 触发真实 file input，再 `upload_file`
分析+写词	先分析原图、生成完整英文提示词并确认（步骤 A0），再上传
粘贴提示词	`fill_input(sel=".ql-editor.textarea.new-input-ui", text=完整英文提示词)`
验证图已挂	查 `img.gem-attachment` / `.gem-attachment img`（class 含 `gem-attachment gds-label-l gem`）
发送	找 `发送` 按钮 `aria-label="发送"` 用 `.click()`（contenteditable 内按 Enter 只换行）
保存图片	关闭下载询问位置 → 点`下载完整尺寸的图片` → 图直接落盘 Downloads → 取最新 `*.jpg` 复制成品
卡死恢复	daemon 超时先 `reload_extension()` 自愈，再用 `ensure_real_tab()` 重连

2. 端到端 SOP（批次循环外壳）

批次主循环（处理 originals/ 内全部待处理图）：
  WHILE originals/ 中还有未处理原图:
    1. 取"下一张"原图（逐张，见规则 §6.5）
    2. 执行 步骤 A0 → B → C → D → E（单张完整流程）
    3. 校验：成品已落盘 processed_outputs/ + 原图已移至 handled/
    4. 若失败：进入 §5 异常分支，重试或标记待重传
    5. 写/更新 当日任务记录 md（见 §7）
  循环结束 → 输出成品汇总

步骤 A — 固定会话连续传图（不开新对话）

无需"发起新对话"。固定地址 e6bbee6b131ceda6 一直复用，上一张生成下载完后，
直接在当前输入框传下一张即可。每轮开始先确认 editor.innerText.length≈1（已清空）。

步骤 A0 — 分析原图并生成完整提示词（先写词，再执行，强制）

⚠️ 严格逐一处理，禁止一次性批量预读：每轮只针对"当前这张即将上传的原图" 做图分析 + 写提示词，不要在开工时把 originals/ 里所有图一次性全读出来分析。

在上传图片之前，必须先完成"看图→写词"这一步，且要把写好的完整英文提示词
真正填进浏览器输入框（步骤 C），不能跳过。本轮只处理这一张。

1) 分析原图（仅当前这张）：识别照片主体、动作/姿态、环境、背景人物，
   以及可保留/可处理的细节。
   - 当前模型不直接支持图片视觉识别，可用以下任一方式读取：
     a. 把图片用 Python(PIL) 缩放到 ~900px 后，再用 read_file 读取；
     b. 或在浏览器里 file:// 打开原图截图查看。
   - 每次只压缩/读取"即将上传的那一张"，处理完即可删掉该临时文件。
2) 写出完整英文提示词：基于 `prompt_template.md` 模板，
   仅把唯一占位符 [照片内容的真实描述] 替换为对当前照片的一句话英文描述，
   其余段落（REALITY ANCHOR / FLAT PAINTED WORLD / THE ONE IMPOSSIBLE GIANT /
   SMALL ELEMENTS & DOODLES / STYLE）原样保留。
   - 替换好后整段暂存，下一步上传图片后直接填进输入框。
3) ⚠️ 必须先把提示词写出来并确认，再去点上传/发送；禁止"先传图后补词"或"无词直接发"。
4) ⚠️ 当前这张完成全流程（下载落盘 + 原图移 handled/）后，才进入下一张的步骤 A0。

步骤 B — 上传图片（关键）

1) js: button[aria-label="上传和工具"] → .click()
2) 等 2 秒（菜单项需渲染，首次可能空，多等）
3) js: button[aria-label^="上传文件"] 或 文本="上传文件" → .click()   // 触发真实 file input
4) 等 1 秒
5) upload_file(sel="input[type=file]", path="<绝对路径，双反斜杠>")
6) 验证：js 查 img.gem-attachment, .gem-attachment img 数量 ≥1
   = 当前待发送消息的附件缩略图已挂上（class 形如 gem-attachment gds-label-l gem）。
   ⚠️ 不要查 editor 内的 img（contenteditable 内永远是 0，会误判"没挂上"）。

步骤 C — 粘贴提示词（已填好的完整英文提示词）

用 fill_input 工具最稳（走原生 value setter + input/change 事件，contenteditable 可用）：
  fill_input(sel=".ql-editor.textarea.new-input-ui", text=<步骤 A0 生成好的完整英文提示词>)
- 即 prompt_template.md 那种"占位符已替换好"的完整文本（约 1100~1300 字符，含换行 \n），
  Gemini 正常识别。不要贴本 SKILL.md 的全文（含中文规则/注释），只贴纯英文 prompt。
- 验证：editor.innerText.length ≈ 所填完整提示词的字符数。
> 注意 Gemini 用 TrustedHTML，绝不能 innerHTML=...。

步骤 D — 发送

1) 发送前再确认：attCount≥1（图挂着） + editorLen≈所填完整提示词字符数（词在）
2) js: button[aria-label="发送"] → .click()
3) 验证：发送后 editor.innerText.length 变回 ~1（被清空）= 真正发出

⚠️ 在 .ql-editor contenteditable 里按 Enter 只会换行，不会发送。 ⚠️ 若发送后 editor 仍保留完整提示词字符数，说明发送没触发（图可能没真正挂上），需重传。

步骤 E — 等待生成 + 零确认下载（最终版）

前置（一次性，永久生效）：在 Chrome 设置里关闭
  「下载前询问每个文件的保存位置」(Ask where to save each file before downloading)。

1) 等 30 秒（Gemini 出 1 张生成图；第1张还会带原图附件，blob 数+2）
2) 验证：img[src^="blob:"] 数量比发送前 +2（原图附件 + 生成图）
3) 点【最后一张】生成图的 `下载完整尺寸的图片` 按钮：
   js: const dl=[...document.querySelectorAll('button[aria-label="下载完整尺寸的图片"]')];
       dl[dl.length-1].click();
4) 等 3~5 秒，检查 Downloads 最新 .jpg（文件名形如 Gemini_Generated_Image_xxxx.jpg）
5) 取该 jpg，copy 为成品（见 §4 PowerShell 片段）
6) 复制完成后删掉 Downloads 里的源 jpg，保持目录整洁。
7) 归档原图：把本次处理过的原图从 originals/ 移动到 handled/ 目录（不存在则先创建）。

3. 下载机制（零确认的关键）

Gemini 生成图是 blob: URL，无标准 <a download> 直接可点；点击 下载完整尺寸的图片 按钮触发浏览器下载。
关键前置：必须在 Chrome 设置里关闭「下载前询问每个文件的保存位置」。关闭后：
- 点下载按钮 → 图直接以 .jpg 完整尺寸落盘到默认 Downloads 目录；
- 不再弹原生"另存为"框 → 不会阻塞后续下载；
- 不再产生 .tmp 中转文件；文件名形如 Gemini_Generated_Image_xxxx.jpg。
⚠️ 禁用 dialog_off：开启 dialog_off 后 nekoro 会 download canceled 取消下载。
⚠️ wait_for_download 不可用：会报 download canceled。改用"点按钮 + 等 3~5 秒 + 查 Downloads 最新 .jpg + copy"这套。
落盘的 .jpg 已是完整 JPEG（头 ff d8 尾 ff d9），直接 copy /b 重命名即可。

4. 可复用代码片段（nekoro-browser `js` 工具）

// ① 清空输入框
const e=document.querySelector('.ql-editor.textarea.new-input-ui');
e.focus(); while(e.firstChild) e.removeChild(e.firstChild);
e.dispatchEvent(new InputEvent('input',{bubbles:true}));

// ② 逐行填入（把 text 换成你的完整英文 prompt）
const text=`...你的完整英文提示词...`;
const lines=text.split('\n');
lines.forEach(ln=>{const p=document.createElement('p');p.textContent=ln;e.appendChild(p);});
e.dispatchEvent(new InputEvent('input',{bubbles:true}));

// ③ 验证图片缩略图已进对话
!!document.querySelector('img[src*="blob:"]')

// ④ 发送
[...document.querySelectorAll('button')].find(b=>b.getAttribute('aria-label')==='发送').click();

// ⑤ 找生成图的下载按钮
const im=[...document.querySelectorAll('img')].filter(i=>i.src.startsWith('blob:'))[0];
let p=im.closest('div');
for(let k=0;k<6;k++){p=p.parentElement; const b=[...p.querySelectorAll('button')].find(x=>(x.getAttribute('aria-label')||'').includes('下载完整尺寸')); if(b){b.click();break;}}

浏览器命令（PowerShell，建议写成 .ps1 文件用 powershell -ExecutionPolicy Bypass -File xxx.ps1 执行）：

powershell

# 取 Downloads 最新的一张 Gemini 生成图，复制到成品目录并删除源文件
$src = Get-ChildItem "$env:USERPROFILE\Downloads\Gemini_Generated_Image_*.jpg" |
        Sort-Object LastWriteTime -Descending | Select-Object -First 1
$dest = "C:\Users\mashaobo\CodeBuddy\20260814135857\processed_outputs\目标名.jpg"
Copy-Item $src.FullName $dest
Remove-Item $src.FullName -Force
Write-Host "saved -> $dest"

PowerShell 内联变量 $ 易被 shell 转义吞掉，务必写成 .ps1 文件执行。文件名含随机 GUID，一律用通配 Gemini_Generated_Image_*.jpg + 取最新，不要写死。

5. 异常分支（自愈与重试）

异常现象	诊断	处理
attached tab 跑偏（停在别的页如 127.0.0.1:3080）	nekoro attached tab 切错页	`page_info()` 确认 url；不对则用 `switch_tab({tab_id})` 或 `ensure_tab({url:"https://gemini.google.com/app/e6bbee6b131ceda6"})` 切回；`list_tabs` 辅助定位
daemon 超时 / 卡死	CDP 偶发卡死	先 `reload_extension()` 自愈 → `ensure_real_tab()` 重连 → `ensure_tab` 回固定会话；重连后 `page_info()` 确认 url
发送后 editor 仍保留完整提示词字符数	图没真正挂上 / 发送未触发	查 `img.gem-attachment` 数量；若=0 回步骤 B 重传；重传前先清空 editor
下载文件不落盘 / download canceled	开了 `dialog_off` 或用了 `wait_for_download`	关闭 `dialog_off`，改用"点按钮+等+查最新"；确认 Chrome 已关下载询问位置
生成中误点下载（blob 数+2 未稳定）	时机过早	等 blob 数稳定（≥发送前+2）再点下载按钮
成品大小为 0 / 不完整	复制时机过早	等 3~5 秒确认文件写入完成再 copy；copy 后校验文件头 `ff d8` 尾 `ff d9`

重试纪律：单张最多重试 2 次；仍失败则把原图保留在 originals/，在任务记录 md 备注"未处理/待重传"，继续下一张，不阻塞批次。

6. 注意事项 / 强制规则

固定会话 e6bbee6b131ceda6 连续传图不开新对话；每轮开始前确认 editor.innerText.length≈1（已清空），避免旧上下文残留。
发送前必须做三项验证：缩略图存在（img.gem-attachment）+ 输入框有文本 + 发送后输入框清空。
Gemini 页面 CDP 偶发卡死，优先 reload_extension() 自愈，不要暴力反复导航。
模型当前不支持截图视觉确认（capture_screenshot 被过滤），所有验证靠 DOM 文本/属性判断。
路径用双反斜杠；含中文的文件名在 node 命令里会乱码，尽量用 cmd/certutil 或通配处理。
保存环节前置条件（一次性永久）：Chrome 关闭「下载前询问每个文件的保存位置」。
保存环节不要开启 dialog_off、不要调用 wait_for_download：二者都会让 nekoro 判定 download canceled 导致文件不落盘。
每次完成任务后，新建一个日期命名的 md 文档（见 §7），记录本次生成结果及文件位置。
归档已处理原图：每张原图处理完成（成品已落盘 processed_outputs/）后，立即把 originals/ 下的该文件移动到 handled/ 目录（不存在则新建）。
先分析写词、再执行上传（强制）：处理每张原图前，必须先完成步骤 A0。禁止"先传图后补词"。
逐张即时分析，禁止一次性批量预读（强制）：必须逐张处理——每轮只对"即将上传的当前这张" 做图分析 + 写词，这张完成全流程后才进入下一张。

7. 任务完成记录文档规范（强制）

规则：每次完成一批/一次生图任务后，必须新建一个以日期命名的 md 文档，记录本次生成的结果及文件位置。

路径：工作区根目录 c:\Users\mashaobo\CodeBuddy\20260814135857\
文件名：YYYY-MM-DD_任务记录.md（同日多次可追加或加序号 _序号）
必须包含：
1. 任务时间（日期与时段）
2. 任务说明（处理几张、来源目录、模板）
3. 生成结果表（原图已移至 handled/）：
  原图（已移至 handled/）成品路径大小备注
  handled/xxx.jpg processed_outputs/xxx.jpg x.xx MB 是否一次成功
  处理失败未移动的原图保留在 originals/，备注"未处理/待重传"。
4. 关键环境/前置（如"Chrome 已关闭下载询问位置""固定会话 e6bbee6b131ceda6"）
5. 问题与解决（如有）
6. 成品文件位置汇总（绝对路径）
7. 原图归档汇总（从 originals/ 移到 handled/ 的文件）

原图（已移至 handled/）	成品路径	大小	备注
`handled/xxx.jpg`	`processed_outputs/xxx.jpg`	x.xx MB	是否一次成功

8. 设计约束（与 prompt_template.md 联动）

生图提示词必须保证以下风格纪律（详见 prompt_template.md）：

现实锚：照片主体去色保留，人物脸不扭曲/不换脸；背景路人可简化处理。
平涂世界：背景替换为 2–3 个高饱和撞色平涂色形，无渐变、无立体阴影。
唯一巨物：只选一个普通元素放大到荒诞尺度，不能有第二个巨物。
小元素与涂鸦：3–5 个成群小元素沿弧线分布 + 2–3 条白色手绘涂鸦线，禁孤立装饰。
硬禁忌：第二个巨物、色形渐变、立体阴影、相框包围、满版纹理、中文进 prompt、水印。

9. 安装

将本目录（surreal-pop-collage/）整体放入 skills 目录即可，结构应为：

surreal-pop-collage/
├── SKILL.md            # 本文件：触发 + SOP + 异常分支 + 规则
└── prompt_template.md  # 生图提示词纯模板（唯一占位符）

surreal-pop-collage（超现实波普拼贴 · Gemini 网页端自动生图） ​

0. 触发与适用 ​

1. 关键结论速查 ​

2. 端到端 SOP（批次循环外壳） ​

步骤 A — 固定会话连续传图（不开新对话） ​

步骤 A0 — 分析原图并生成完整提示词（先写词，再执行，强制） ​

步骤 B — 上传图片（关键） ​

步骤 C — 粘贴提示词（已填好的完整英文提示词） ​

步骤 D — 发送 ​

步骤 E — 等待生成 + 零确认下载（最终版） ​

3. 下载机制（零确认的关键） ​

4. 可复用代码片段（nekoro-browser js 工具） ​

5. 异常分支（自愈与重试） ​

6. 注意事项 / 强制规则 ​

7. 任务完成记录文档规范（强制） ​

8. 设计约束（与 prompt_template.md 联动） ​

9. 安装 ​