我想薅一把“视频生成”的羊毛，把 Google Gemini 网页版每天三次的免费生成机会做成一个 Skill，给 AI 自动调用。结果没想到，这事儿耗费了我相当多的时间，最后还没什么产出。

拦路虎：账号与指纹

第一个拦路虎是指纹浏览器和账号问题。
AI 控制的浏览器没办法直接用我的账号，而没有我的账号，也就薅不到视频生成的羊毛。如果每次都要我手动登录一下，那这个自动化 Skill 就完全失去了意义。纠结了半天，我还是妥协了，手动给它登录了账号保存状态，想着至少先跑通一次看看。

然后问题又出现了：模拟点击的技术实现。
Antigravity 用的这套模拟点击，似乎是它自带的或者是 Puppeteer 的能力，我也不太懂。给我的感觉是，Clawdbot 大概率是用不了这个 Skill 的（因为环境依赖太重）。

但我还是想着：“哪怕是一次性代码，跑通一次也不错。”

混乱的执行过程

我的逻辑是这样的：

1. 我给 AI 发图；
2. AI 自动打开 Gemini 网页；
3. 自动上传图片 + 定制提示词；
4. 得到结果图（中间还因为提示词不对，只出图不视频，让我确认了好几次）；
5. 自动回到浏览器发送“视频生成”指令；
6. 结束下载。

过程真的非常痛苦：

• 效率极低，巨烧 Token。
• 像无头苍蝇一样乱撞。 因为我不懂底层技术，也没跟 AI 讲清楚，它经常做一些意义不明的操作（比如找不到窗口、点击位置奇怪）。
• 环境脆弱。 这个 Skill 写出来我估计连 AI 自己都没法复用。我试着让 Clawdbot 用了一下，第一步“打开浏览器”就卡住了。以后真的得给 Skill 设置一个执行标准，现在的 Skill 感觉它们根本不会用。

最后的反思

我也深刻意识到了，这种基于模拟点击的网页自动化，性价比极低，且极其脆弱。网页改个版，脚本就废了。

或许继续钻研下去，朝着类似“影刀”那种 RPA 方向做，是可以实现的。但仔细想想，这个功能其实我也不是非用不可。为了这每天三次机会，投入这么多精力不值得。

创造真的十分困难。 对于我这种普通用户来说，或许学会使用 GitHub 就已经足够了。
学会去“白嫖”大佬们的经验，去了解别人是怎么解题的，哪怕是简单的“接口逆向”或者“RPC调用”。
比起费力不讨好地造轮子，学会“用轮子”才更稳定，也更聪明。