YT Agent — Gemini CLI Agent

自動化搜尋摘要 + 影片生成的 CLI 工具。搜尋摘要透過 Gemini API 完成，影片生成則透過 Playwright 模擬真人操作 Gemini Web 介面。

專案結構

yt_agent/
├── .gitignore
├── gemini-agent-plan.md          # 專案規劃文件
└── gemini-cli-agent/
    ├── main.py                   # CLI 入口（Typer）
    ├── agent.py                  # 主要 pipeline 邏輯
    ├── task_builder.py           # Prompt 組裝 & 意圖判斷
    ├── requirements.txt          # Python 依賴
    ├── .gitignore
    ├── tasks/
    │   ├── __init__.py
    │   ├── search_summarize.py   # Gemini API 搜尋摘要
    │   └── video_generate.py     # Playwright 瀏覽器自動化影片生成
    ├── output/                   # 摘要/影片輸出（git ignored）
    └── .browser_profile/         # 瀏覽器登入狀態（git ignored）

執行流程

使用者指令
    │
    ▼
┌─────────────────────┐
│  Gemini API 搜尋摘要  │  ← 每次都執行（search_summarize.py）
└─────────┬───────────┘
          │
          ▼
┌─────────────────────┐
│  Gemini 意圖判斷      │  ← 判斷是否需要生成影片（task_builder.py）
└─────────┬───────────┘
          │ 需要影片
          ▼
┌─────────────────────┐
│  Playwright 開啟瀏覽器 │  ← 模擬真人操作 Gemini Web（video_generate.py）
│  → 輸入 prompt       │
│  → 等待回應完成       │
│  → 下載影片/截圖      │
└─────────────────────┘

安裝

cd gemini-cli-agent

# 安裝 Python 依賴
pip install -r requirements.txt

# 安裝 Playwright 瀏覽器
playwright install chromium

環境設定

在 gemini-cli-agent/ 目錄下建立 .env 檔案：

GEMINI_API_KEY=你的_Gemini_API_Key

⚠️ .env 已被 .gitignore 排除，不會被推送到 GitHub。

使用方式

所有指令都在 gemini-cli-agent/ 目錄下執行：

cd gemini-cli-agent

指令一：完整 pipeline（搜尋摘要 + 影片生成）

python main.py run "幫我搜尋最新的 AI 新聞並生成一段短影片"

• 先透過 Gemini API 搜尋並產生摘要
• Gemini 自動判斷是否需要影片
• 若需要，會開啟瀏覽器自動在 Gemini Web 輸入 prompt 生成影片
• 摘要自動存到 output/summary_YYYYMMDD_HHMMSS.txt

可選參數

# 指定摘要輸出路徑
python main.py run "搜尋 AI 新聞" --output my_summary.txt

指令二：從摘要檔案直接生成影片

python main.py video-from-file output/summary_20260427_144705.txt

• 跳過搜尋步驟，直接讀取現有摘要
• 開啟瀏覽器在 Gemini Web 介面生成影片

影片生成說明

影片生成使用 Playwright 瀏覽器自動化，模擬真人操作 Gemini Web：

1. 首次執行需要在彈出的瀏覽器中手動登入 Google 帳號
2. 登入狀態會保存在 .browser_profile/，後續執行不需重新登入
3. 程式會自動在輸入框輸入 prompt、送出、等待回應
4. 完成後自動下載影片（mp4）或截圖保存結果（png）

輸出檔案

所有輸出存放在 output/ 目錄：

檔案格式	說明
summary_*.txt	搜尋摘要文字檔
video_*.mp4	Gemini 生成的影片
result_*.png	回應結果截圖（無影片時）