doubao-skills

通过 Playwright 连接已登录的 Chrome，实现豆包 AI 图片生成和视频生成自动化。一次登录后永久复用会话。

核心架构

用户描述 → Skill → Playwright CDP → 已登录 Chrome → 豆包 Web → 提取结果 → JSON 返回
                                            ↑
                                  首次登录后自动复用会话

关于等待与「少轮询」：脚本在浏览器内用 waitForFunction（秒级 polling）等待 DOM 就绪，不再用「短间隔 while + 反复 evaluate」；视频等待默认不频繁写 stderr（避免无意义日志；需要时可设 DOUBAO_VERBOSE=1）。对 AI Agent：应一次执行 node image.js / node video.js 并等待进程结束，不要在对话里反复追问进度，以免浪费对话 token。生成结束后脚本会把文件落到 localPaths 所指路径。

如何判断「当前会话里已经生成好」（无需你粘贴会话链接）：豆包在提交文生图/文生视频后，常会把页面切到 /thread/<会话id> 会话路由。脚本在页面内同时看两件事：① 地址栏是否已进入 /thread/（meta.threadPageReached / meta.pageUrl）；② 是否不再显示「生成中」类状态，且结果区出现可抓取的图片或视频 URL。在已检测到 /thread/ 时，同一套 DOM 条件会更快满足「稳定」判定（少等一轮 polling）。若产品未跳转 thread、仍停在 create-image / create-video，则只依赖 DOM，逻辑仍可用。

返回值格式（JSON）

图片生成成功

{
  "success": true,
  "prompt": "一只在竹林里喝茶的熊猫，水彩风格",
  "options": { "ratio": "1:1", "count": 1 },
  "imageUrls": ["https://..."],
  "imageCount": 1,
  "localPaths": ["C:\\\\Users\\\\...\\\\Desktop\\\\doubao-image_20260327-120000_描述_1.png"],
  "timestamp": "2026-03-27T10:55:00.000Z",
  "meta": {
    "generationDone": true,
    "doneReason": "stable",
    "threadPageReached": true,
    "pageUrl": "https://www.doubao.com/thread/...",
    "attempt": 1
  }
}

视频生成成功

{
  "success": true,
  "prompt": "熊猫在竹林中漫步，镜头缓慢推进",
  "options": { "ratio": "16:9", "duration": 5, "outputDir": "C:\\\\Users\\\\...\\\\Desktop", "saveToDisk": true },
  "videoUrl": "https://...",
  "thumbnailUrl": "https://...",
  "downloadUrl": "https://...",
  "localPaths": { "videoPath": "C:\\\\...\\\\doubao-video_....mp4", "thumbnailPath": "C:\\\\...\\\\_thumb.jpg" },
  "timestamp": "2026-03-27T10:55:00.000Z",
  "meta": {
    "generationDone": true,
    "doneReason": "stable",
    "threadPageReached": true,
    "pageUrl": "https://www.doubao.com/thread/...",
    "attempt": 1
  }
}

失败时

{
  "success": false,
  "error": "NOT_LOGGED_IN",
  "message": "请先在 Chrome 中登录豆包，然后重试"
}

前置条件

1. 安装依赖

cd scripts
npm install

2. 首次登录（仅需一次）

方式 A：手动启动 Chrome

# Windows
Start-Process -FilePath "C:\Program Files\Google\Chrome\Application\chrome.exe" `
  -ArgumentList "--remote-debugging-port=9222","--user-data-dir=C:\Users\你的用户名\AppData\Local\Google\Chrome\User Data","--profile-directory=Default" `
  -PassThru -WindowStyle Normal

方式 B：自动检查并启动

node scripts/ensure_chrome.js

然后在打开的 Chrome 中手动登录豆包。登录成功后无需再次操作，后续调用自动复用该会话。

3. 后续使用

• 保持 Chrome 后台运行（最小化即可）
• 或每次调用前运行 ensure_chrome.js 自动检查

使用方式

触发条件

不触发的情况：

• 用户明确指定 Midjourney / SD / Sora / 可灵等其他平台
• 图片/视频的编辑、处理需求（非生成）

命令行调用

图片生成：

# 基础用法（默认 1:1，生成1张）
node scripts/image.js "一只在竹林里喝茶的熊猫，水彩风格"

# 指定比例和数量
node scripts/image.js "赛博朋克城市夜景" --ratio=16:9 --count=4

# 保存到指定目录（默认用户桌面；也可设环境变量 DOUBAO_OUTPUT_DIR）
node scripts/image.js "水彩风景" --output-dir="D:\\素材\\豆包"

# 仅要 URL、不下载文件
node scripts/image.js "抽象画" --no-download

视频生成：

# 基础用法（默认 16:9，5秒；完成后视频/封面下载到桌面）
node scripts/video.js "一只熊猫在竹林中漫步，镜头缓慢推进，治愈风格"

# 指定比例和时长
node scripts/video.js "panda walking in bamboo forest" --ratio=9:16 --duration=10

# 保存到指定目录
node scripts/video.js "城市夜景" --output-dir="D:\\素材\\豆包"

# 仅 JSON 中的 URL，不下载到磁盘
node scripts/video.js "短片" --no-download

# 长时等待时每分钟一条 stderr 进度（默认静默，减少无意义输出）
$env:DOUBAO_VERBOSE="1"; node scripts/video.js "长视频"

参数说明

image.js

video.js

脚本说明

scripts/image.js

豆包图片生成脚本，负责：

• 连接 Chrome CDP
• 导航到 doubao.com/chat/create-image
• 检测登录状态
• 输入 prompt 并提交
• 使用 page.waitForFunction（约 2s polling）等待图片生成完成，避免 while + 短 sleep 的密集轮询；若地址栏进入 /thread/ 与 DOM 同时满足，可更快判定完成
• 提取图片 URL 列表；默认在浏览器关闭前用 page.request 下载到桌面或 --output-dir
• JSON 返回 imageUrls 与 localPaths，meta.threadPageReached / meta.pageUrl 反映是否进入会话路由

scripts/video.js

豆包视频生成脚本，负责：

• 连接 Chrome CDP
• 导航到 doubao.com/chat/create-video
• 检测登录状态
• 输入 prompt 并提交
• 使用 page.waitForFunction（约 5s polling）等待视频就绪；默认不频繁打印 stderr（DOUBAO_VERBOSE=1 时可每分钟一条）；与图片相同，在页面内检测 /thread/ 与结果区视频/封面
• 提取视频 URL / 封面图 / 下载链接；默认下载视频与封面到本地
• JSON 返回 localPaths（含 videoPath、thumbnailPath），meta.threadPageReached / meta.pageUrl 同上

scripts/utils_output.js

输出目录解析与本地保存（桌面 / DOUBAO_OUTPUT_DIR / --output-dir），优先用 Playwright 的 page.request 下载以复用 Cookie。

scripts/ensure_chrome.js

Chrome 会话管理脚本，负责：

• 检查 Chrome CDP（端口 9222）是否就绪
• 检查豆包登录状态
• 自动查找并启动 Chrome（如未启动）
• 跨平台支持（Windows / macOS / Linux）

环境变量：

故障排查

文件结构

doubao-skills/
├── SKILL.md              # 技能说明（本文件）
├── README.md             # 用户文档
└── scripts/
    ├── package.json      # 依赖声明
    ├── image.js          # 图片生成脚本
    ├── utils_output.js   # 输出目录与本地下载
    ├── video.js          # 视频生成脚本
    └── ensure_chrome.js  # Chrome 会话管理

执行示例

调用图片生成时，执行以下命令：

node scripts/image.js "提示词" [--ratio=比例] [--count=数量] [--output-dir=目录] [--no-download]

调用视频生成时，执行以下命令：

node scripts/video.js "提示词" [--ratio=比例] [--duration=秒数] [--output-dir=目录] [--no-download]

解析 JSON 结果：

const result = JSON.parse(output);
if (result.success) {
  // 图片
  console.log('图片URL:', result.imageUrls);
  console.log('本地文件:', result.localPaths);
  // 视频
  console.log('视频URL:', result.videoUrl);
  console.log('本地视频/封面:', result.localPaths);
}