AI Image Gen

通过执行 scripts/generate_image.py 调用 Gemini Flash Image API 生成图片。支持文生图、图生图、风格转换,覆盖标准/2K/4K 三档分辨率与 10 种画面比例。

范围外(本技能不做): 视频生成、模型微调训练、本地推理部署、图像超分辨率重建。

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

export API_KEY="your_api_key_here"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统。

认证与配置

脚本通过环境变量读取 API 配置,永不硬编码 Key 到脚本文件。

export IMAGE_GEN_API_KEY="your_api_key"
export IMAGE_GEN_BASE_URL="https://code.newcli.com/gemini"  # 可选,默认即此值

校验配置是否就绪:

[ -n "${IMAGE_GEN_API_KEY:-}" ] && echo ok || echo missing

若 Key 缺失,引导用户通过 Gemini Image 服务渠道申请并配置环境变量,完成后重新发起生成请求。

安全红线: 永不接受/回显/存储来自聊天输入的 Key;永不将 Key 写入日志或图片元数据。

核心能力

文生图

执行文生图操作,处理用户输入并返回结果。

输入: 用户提供文生图所需的参数和指令。

输出: 返回文生图的处理结果。

• 执行文生图操作，处理输入数据并返回结果
• 验证执行结果，确认输出符合预期格式
• 参考文生图相关配置参数进行设置

图生图

执行图生图操作,处理用户输入并返回结果。

输入: 用户提供图生图所需的参数和指令。

输出: 返回图生图的处理结果。

• 执行图生图操作，处理输入数据并返回结果
• 验证执行结果，确认输出符合预期格式
• 参考图生图相关配置参数进行设置

风格转换

执行风格转换操作,处理用户输入并返回结果。

输入: 用户提供风格转换所需的参数和指令。

输出: 返回风格转换的处理结果。

• 执行风格转换操作，处理输入数据并返回结果
• 验证执行结果，确认输出符合预期格式
• 参考风格转换相关配置参数进行设置

能力覆盖范围

本skill还覆盖以下能力场景: 的图像生成、支持文生图、多分辨率与、种比例、图像生成专业版、通过执行脚本调用、API、完成图像生成与编、核心能力、支持主体、构图等维度描述、基于参考图像与文、本提示进行二次创、将图片转换为水彩、赛博朋克、吉卜力、写实摄影、中国工笔等艺术风、多分辨率、满足印刷与大型展、多比例、适用场景、广告海报与电商商、品图批量生产、社交媒体头像、壁纸素材生成、设计团队创意资产、快速沉淀与风格化、出版印刷高分辨率、图像输出。这些能力在上述核心功能中均有对应处理逻辑。

输出格式

执行结果以Markdown格式返回,包含操作状态(成功/失败)、处理摘要和具体输出数据。失败时返回错误码和错误信息,便于定位问题。

可用模型

默认模型 gemini-3.1-flash-image-2k-16x9(2K 分辨率,16:9 横屏)。

标准分辨率

2K 分辨率(推荐)

4K 分辨率

使用流程

校验配置

确认 IMAGE_GEN_API_KEY 已设置,否则引导用户配置。

选择模型

根据用途选择比例与分辨率: 社交头像选 1:1,横版海报选 16:9 或 21:9,印刷输出选 4K。

优化提示词

将用户描述扩展为详细提示词,覆盖主体、场景、光线、风格、色调、构图。

执行生成

调用 scripts/generate_image.py 生成图片并落盘。

展示结果

读取生成的图片文件路径并回传给用户。

使用步骤:

1. 阅读依赖说明章节,确认运行环境已就绪
2. 根据任务需求,参考核心能力章节选择对应能力
3. 按照能力描述提供输入参数,执行操作
4. 查看输出结果,确认任务完成状态

参数说明

提示词技巧

• 具体描述: 主体、场景、光线、风格、色调
• 风格参考: 水彩、油画、赛博朋克、吉卜力、写实摄影、中国工笔
• 构图说明: 视角(俯视/仰视)、景深、焦点
• 色彩指定: 主色调、配色方案

适用场景

不适用于: 视频生成、模型训练、图像超分重建、需要精确像素级控制的排版。

案例展示

案例一： 中国风主题海报

场景: 创作者需要生成一幅中国风后羿射日主题的宽幅海报

python3 scripts/generate_image.py 
  "一位英勇的古代射手后羿站在险峻的高山之巅,身披金色战甲,肌肉紧绷,拉开巨大的神弓,一支燃烧着神圣光芒的箭矢对准天空中炽热的太阳。天空中有多个太阳同时燃烧,火焰倾泻而下。背景是翻滚的云海和龟裂的大地,远山在热浪中扭曲。中国传统工笔重彩风格,水墨与金箔点缀,色彩以深红、金色、墨黑、靛蓝为主,画面气势磅礴,具有敦煌壁画的厚重感。16:9 宽幅构图。" 
  --model gemini-3.1-flash-image-2k-16x9 
  --output houyi.png

输出: houyi.png 文件路径

说明: 提示词覆盖主体(后羿)、场景(高山/云海/多太阳)、风格(工笔重彩/敦煌壁画)、色调(深红/金色/墨黑/靛蓝)与构图(16:9 宽幅),2K-16x9 模型适配横幅海报展示。

案例二： 4K 科技产品主视觉

场景: 广告公司需为线下活动制作 4K 高清主视觉海报

python3 scripts/generate_image.py 
  "一场科技产品发布会的主视觉,深蓝色宇宙背景,中心是发光的产品轮廓,几何光线辐射四周,极简未来主义风格,高对比度,金属质感" 
  --model gemini-3.1-flash-image-4k-16x9 
  --output poster_4k.png

输出: poster_4k.png 文件路径

说明: 4K-16x9 模型输出印刷级分辨率,适合大型展板与印刷物料。极简未来主义风格描述确保画面留白与光线层次。

案例三： 商品图风格化转换

场景: 电商团队需将一张产品照片转换为水彩风格营销素材

python3 scripts/generate_image.py 
  "将这张产品照片转换为水彩画风格,保持构图不变,柔和笔触,淡雅色调,纸张纹理" 
  --image-input product.jpg 
  --model gemini-3.1-flash-image-2k 
  --output product_watercolor.png

输出: product_watercolor.png 文件路径

说明: 通过 --image-input 传入参考图,图生图模式在保留原构图基础上应用水彩风格。2K 方形模型适配电商主图标准尺寸。

异常处理

常见问题

Q1: 标准、2K、4K 该如何选择?

A: 标准分辨率适合快速预览与社交缩略图;2K 是推荐默认档,兼顾质量与生成速度;4K 适合印刷、大型展板等对清晰度要求高的场景,生成耗时略长。

Q2: 4K 模型支持哪些比例?

A: 4K 支持 1:1、3:2、2:3、3:4、4:3、4:5、5:4、9:16、16:9。21:9 超宽屏仅在标准与 2K 档提供,4K 暂不支持。

Q3: 图生图与风格转换有什么区别?

A: 风格转换专注于将图片转为指定艺术风格,保留内容与构图,仅改变视觉风格;图生图是更广泛的基于参考图的二次创作,可在文本引导下改变内容、场景与构图。

Q4: 参考图有什么格式要求?

A: 支持 JPG/PNG 本地文件,建议为高清原图(小于 10MB)。低质量或低分辨率参考图会影响生成效果,可能导致风格化结果模糊。

Q5: 提示词应该写多详细?

A: 越具体越好。建议覆盖主体(谁/什么)、场景(在哪里)、光线(自然光/霓虹/逆光)、风格(水彩/赛博朋克/工笔)、色调(主色调/配色)、构图(视角/景深/比例)。模糊提示词会导致结果偏离预期。

Q6: 生成的图片版权归属如何?

A: 图片版权以 Gemini Image 服务方条款为准。商业使用前请确认服务条款,本技能仅负责生成调用,不代为处理版权登记与授权。

错误处理

已知限制

1. 需 API Key: 必须配置 IMAGE_GEN_API_KEY,无 Key 环境无法使用
2. 4K 不支持 21:9: 4K 分辨率暂不提供 21:9 超宽屏模型
3. 生成质量取决于提示词: 描述越具体结果越符合预期,模糊描述易产生偏差
4. 参考图质量影响图生图: 低分辨率参考图会拉低输出质量
5. 复杂文字渲染不稳: 图中含具体文字/Logo 时可能产生错乱
6. 需网络访问: 无法访问 IMAGE_GEN_BASE_URL 时不可用