doubao-skills：通过Chrome CDP让AI自动调用豆包图片视频生成能力安装与使用指南

豆包的文生图和文生视频能力非常强大，但官方并没有开放公共API。如果你想在自己的AI Agent或自动化工作流中调用豆包的生成能力，doubao-skills 就是你需要的工具——它通过Playwright连接已登录的Chrome浏览器，以CDP协议操控豆包网页端，实现图片和视频的自动化生成，一次登录永久复用。

项目背景

随着AI大模型和Agent技术的发展，越来越多的开发者希望将各种AI能力整合到自己的工作流中。豆包作为字节跳动推出的AI助手，其内置的Seedream文生图模型和Seedance文生视频模型在国内属于第一梯队，生成质量高、速度快、免费额度充足。然而，豆包官方目前只在网页端和App端开放了这些功能，并没有提供对应的API接口，这使得开发者难以将豆包的生成能力集成到自动化流程中。

doubao-skills 由开发者"风之馨"创建，它巧妙地利用了Chrome的远程调试协议（CDP），通过Playwright框架连接到一个已经登录豆包的Chrome浏览器实例。这样一来，脚本就可以模拟用户操作，在豆包网页中自动输入提示词、等待生成完成、然后提取生成结果的URL。整个过程对用户透明，只需要在首次使用时登录一次豆包账号，之后登录状态会持久化保存。

这个项目的定位是一个"中间人"桥接程序——它本身不生成图片或视频，而是作为下游AI Agent与上游豆包网页之间的桥梁。输出格式为纯JSON，非常方便其他程序解析和集成。无论是想批量生成图片素材，还是在自己的AI工作流中加入豆包的视频生成能力，doubao-skills都能提供稳定可靠的自动化通道。

核心特性

• 🎨 图片生成自动化 — 支持文生图，可指定多种比例（1:1、16:9、9:16、4:3、3:4）和数量（1-4张），返回图片URL列表。
• 🎬 视频生成自动化 — 支持文生视频，可选横屏16:9或竖屏9:16，时长5秒或10秒，自动轮询等待生成完成。
• 🔐 一次登录永久复用 — 利用Chrome的用户数据目录持久化登录状态，登录一次后后续无需重复操作。
• 📦 纯JSON输出 — 所有结果通过stdout以JSON格式输出，方便AI Agent和其他程序直接解析集成。
• 🔧 自动重试机制 — 生成失败时自动重试，默认最多3次，提高自动化任务的成功率。
• ⏱️ 自动等待轮询 — 视频生成通常需要1-5分钟，脚本会自动轮询直到生成完成，无需人工干预。
• 🌐 跨平台支持 — Windows、macOS、Linux全平台通用，只要能运行Chrome和Node.js即可。
• 🩺 环境自检脚本 — 内置 ensure_chrome.js 脚本，一键检查Chrome连接和豆包登录状态。

环境要求

详细部署步骤

第一步：安装 Node.js

如果你还没有安装Node.js 18或更高版本，请先安装：

# Windows（使用winget）
winget install OpenJS.NodeJS.LTS

# macOS（使用Homebrew）
brew install node@18

# Ubuntu/Debian
curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt install -y nodejs

# 验证安装
node --version
# 应输出 v18.x.x 或更高版本

第二步：下载项目代码

# 克隆仓库
git clone https://github.com/ai-fzx/doubao-skills.git
cd doubao-skills/scripts

# 安装npm依赖
npm install

依赖主要是Playwright，用于控制浏览器。安装过程会自动下载所需的浏览器驱动。

第三步：以调试模式启动Chrome

这是最关键的一步——Chrome必须以远程调试模式启动，开放9222端口，脚本才能通过CDP连接。

Windows（PowerShell）：

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

macOS（Terminal）：

"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
--remote-debugging-port=9222 \
--user-data-dir="$HOME/.config/google-chrome-doubao" \
--profile-directory=Default &

Linux：

google-chrome \
--remote-debugging-port=9222 \
--user-data-dir="$HOME/.config/google-chrome-doubao" \
--profile-directory=Default &

参数说明：

• --remote-debugging-port=9222：开启CDP调试端口，默认9222
• --user-data-dir：指定Chrome用户数据目录，用于持久化登录状态
• --profile-directory=Default：使用默认配置文件

注意：建议使用独立的user-data-dir，避免与日常使用的Chrome配置冲突。

第四步：登录豆包账号

在刚刚打开的Chrome窗口中，访问 doubao.com，登录你的豆包账号。

登录一次后，由于使用了自定义的user-data-dir，登录状态会被持久化保存，后续使用无需重复登录。

第五步：验证环境配置

cd doubao-skills/scripts
node ensure_chrome.js

如果看到以下输出，说明环境配置成功：

✅ Chrome连接成功
✅ 豆包已登录，一切就绪！

如果提示 NOT_LOGGED_IN，请回到Chrome窗口确认豆包是否已登录。如果提示 CDP connection failed，请检查Chrome是否以调试模式启动，9222端口是否被占用。

常见坑与解决办法

问题1：提示CDP connection failed

Chrome没有以调试模式运行。请完全关闭所有Chrome窗口，然后按照第三步的命令重新启动。注意必须先完全退出Chrome（包括后台进程），再用调试模式启动。

问题2：提示NOT_LOGGED_IN

Chrome中没有登录豆包。请在调试模式打开的Chrome窗口中手动访问doubao.com并登录，登录成功后重新运行验证脚本。

问题3：9222端口被占用

如果9222端口已被其他程序占用，可以换用其他端口（如9223）：

# 启动Chrome时使用其他端口
--remote-debugging-port=9223

# 然后设置环境变量
export DOUBAO_CDP_URL=http://127.0.0.1:9223

问题4：图片或视频URL为空

这通常是因为豆包网页结构发生了变化，导致页面选择器（selector）失效。可以尝试刷新豆包页面后重试，或到GitHub Issues反馈问题，等待作者更新选择器。

使用方法示例

生成图片

# 基础用法 - 生成1张1:1比例的图片
node scripts/image.js "一只在竹林里喝茶的熊猫，水彩风格"

# 指定16:9横屏比例
node scripts/image.js "赛博朋克城市夜景，霓虹灯光，电影感" --ratio=16:9

# 一次生成4张图片（最多4张）
node scripts/image.js "古风仕女，工笔画风格" --count=4

# 竖屏9:16 + 4张（适合手机壁纸）
node scripts/image.js "森林精灵，奇幻风格" --ratio=9:16 --count=4

输出示例（JSON格式）：

{
  "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://p9-flow-imagex-sign.byteimg.com/xxxxx~tplv-obj.image"
  ],
  "imageCount": 1,
  "timestamp": "2026-03-27T13:45:00.000Z",
  "meta": { "generationDone": true, "doneReason": "stable", "attempt": 1 }
}

生成视频

# 基础用法（默认16:9横屏，5秒时长）
node scripts/video.js "一只熊猫在竹林中漫步，镜头缓慢推进，治愈风格"

# 竖屏短视频（抖音/小红书格式）
node scripts/video.js "都市女孩走在街头，傍晚金光，慢动作" --ratio=9:16

# 指定10秒时长
node scripts/video.js "星空延时摄影，银河流动，壮美" --duration=10

# 完整参数 - 横屏16:9 + 5秒
node scripts/video.js "赛博朋克城市雨夜，飞行汽车穿梭" --ratio=16:9 --duration=5

输出示例：

{
  "success": true,
  "prompt": "一只熊猫在竹林中漫步",
  "options": { "ratio": "16:9", "duration": 5 },
  "videoUrl": "https://v3-web.douyinvod.com/xxxxx.mp4",
  "thumbnailUrl": "https://p9-flow-imagex-sign.byteimg.com/xxxxx.jpg",
  "downloadUrl": "https://xxxxx",
  "timestamp": "2026-03-27T13:50:00.000Z",
  "meta": { "generationDone": true, "doneReason": "stable", "attempt": 1 }
}

注意：视频生成通常需要1-5分钟，请耐心等待。脚本会自动轮询直到完成。

参数速查表

常见问题FAQ

Q：为什么要用Chrome CDP而不是直接调用豆包API？

A：豆包图片和视频生成功能目前没有开放公共API。通过CDP操控已登录的浏览器是目前最稳定、最可靠的自动化方案，不需要申请API Key，也不产生额外费用。

Q：视频生成需要多长时间？

A：通常1-5分钟，取决于豆包服务器的负载情况。脚本默认最多等待6分钟，如果超时会返回错误。

Q：生成的图片URL有有效期吗？

A：有的。豆包返回的图片URL通常是带签名的CDN临时链接，有过期时间。建议生成后尽快下载保存到本地。

Q：支持图生图或参考图生成吗？

A：当前版本只支持文生图和文生视频，图生图功能预计在后续版本中支持。

Q：可以批量生成多条提示词吗？

A：目前不支持批量模式，需要逐条调用。每次调用会新建一个对话，互不干扰。

跳转链接

• 🔥 GitHub仓库：https://github.com/ai-fzx/doubao-skills
• 📖 项目文档：官方README
• 🐛 问题反馈：GitHub Issues
• 🌐 豆包官网：https://www.doubao.com
• 📚 Playwright文档：https://playwright.dev