Gemini Scraper API

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install gemini-scraper-api
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 gemini-scraper-api。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

Gemini Scraper API 是一项 Openclaw Skills 集成，可通过 Scavio 查询 Google Gemini，并以一致、机器可读的格式获取助手的回复。它会返回完整的 Markdown 格式答案、引用的来源 URL、推荐产品、平台元数据、耗时和积分使用情况。
此技能专为 AI 可见度、生成式引擎优化、品牌监测、引用分析和声量占比研究而设计。其响应结构与 ChatGPT scraper 端点一致，因此可以实用地构建一个解析器，用于监测多个 AI 助手。

应用场景

查看 Gemini 对某个产品类别、品牌、服务或一般问题给出的推荐。
验证品牌、产品或网站是否出现在 Gemini 的答案中。
查找 Gemini 针对某个主题引用了哪些 URL。
使用一组重复提示监测 AI 可见度和声量占比。
从 Gemini 回复中提取产品推荐和购物结果。
使用配套的
chatgpt-scraper-api
技能，将 Gemini 结果与 ChatGPT 进行比较。
将结构化 Gemini 结果输入代理、LangChain、CrewAI、AutoGen、仪表板或报告工作流。

工作原理

在 prompt 字段中准备一个买家式问题，长度保持在 1 到 4,000 个字符之间。
使用 SCAVIO_API_KEY bearer token 对 Scavio Gemini 端点发送经过身份验证的 POST 请求。
等待 Gemini 作答；请求通常需要 10–40 秒，因此 HTTP 超时应至少设置为 90 秒。
读取 data.answer.markdown 获取 Gemini 的完整答案。
读取 data.sources[] 收集引用的 URL，并读取 data.shopping[] 收集推荐产品。
跟踪 credits_used、credits_remaining 和 response_time，以监测运行状况和预算。
衡量 AI 可见度时，对每条提示执行多次，因为答案会有所不同；应报告提及率，而不要将单次回复视为固定观点。
保留并引用返回的 Markdown 和来源，以便用户核实 Gemini 实际说了什么。

配置指南

创建 Scavio 账户并获取 API 密钥。新账户包含 50 个免费积分，无需提供支付卡。
在 Openclaw Skills 运行时所用的环境中导出密钥：
export SCAVIO_API_KEY=sk_live_your_key
向 Gemini 端点发送请求：
curl -X POST "https://api.scavio.dev/api/v1/gemini/prompt" \ -H "Authorization: Bearer $SCAVIO_API_KEY" \ -H "Content-Type: application/json" \ --max-time 120 \ -d '{"prompt":"What are the best running shoes for beginners?"}' 不要将 API 密钥放入源代码管理；在生产环境中，应通过环境变量或密钥管理器加载密钥。
每个已回答的提示需预留 5 个积分。失败的提示免费；积分耗尽时，API 会返回带有账户充值 billing_url 的 402。
将请求超时设置为至少 90 秒。Openclaw 元数据指定超时时间为 120 秒，throttle 值为 1。

数据架构

API 会返回一个顶层响应对象，其中包含运行元数据和 data 负载。
Field Type Meaning
data.platform string 对于此技能，始终为 gemini。
data.prompt string 提交的提示。
data.model string or null 可用时提供的模型标识符；也可能为 null。
data.answer.markdown string Gemini 的完整答案；若存在 Markdown 表格，也会包含在内。
data.sources[] array Gemini 返回的引用 URL。
data.shopping[] array 推荐产品和可用的商务元数据。
data.search_queries[] array 对于此端点，始终为空。
response_time integer 响应时长，通常以毫秒表示。
credits_used integer 此请求消耗的积分；已回答的提示消耗 5 个积分。
credits_remaining integer Scavio 账户剩余积分。
每个来源可能包含 url、title、snippet、source 和 published_at；目前 Gemini 会返回 URL，而其他来源元数据字段为 null。每个购物项目可能包含 title、url、price、image_url 和 merchant。
此技能的元数据分类包括 Gemini、Google Gemini、AI 可见度、GEO、生成式引擎优化、品牌监测、LLM 引用、答案引擎、声量占比、代理、结构化数据、JSON、LangChain、CrewAI 和 AutoGen。

高级特性

生成通用响应结构，适合与 ChatGPT 监测工作流共用解析器。
支持重复执行提示，以获得统计上更可靠的提及率和声量占比测量结果。
提供引用 URL，用于来源审计、竞争对手研究和内容差距分析。
提取购物推荐，用于产品可见度和商务监测。
保留 Gemini 的原始 Markdown 答案，包括对比表格，而不是将其压缩成摘要。
通过结构化 JSON 与 LangChain、CrewAI 和 AutoGen 等代理框架及自动化技术栈集成。
提供明确的积分、响应时间、throttle 和超时元数据，以支持受控自动化。
、
、
、
响应提供可执行的故障处理方式，包括重试指导和
Retry-After
支持。
强制执行重要防护措施：提示限制为 4,000 个字符，答案不会缓存，并且不得将单次运行结果描述为 Gemini 永久不变的观点。

name: gemini-scraper-api description: Send a prompt to Google Gemini and get the answer it gives as structured JSON - the full Markdown answer, the URLs it cites and the products it recommended. Same shape as the ChatGPT skill, for AI visibility, GEO and brand monitoring across assistants. 5 credits per answered prompt. version: 1.0.0
tags: gemini, gemini-scraper, google-gemini, ai-visibility, geo, generative-engine-optimization, brand-monitoring, llm-citations, answer-engine, share-of-voice, agents, langchain, crewai, autogen, structured-data, json, ai-agents