image图像生图（支持banana、gpt-image-2）

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

让Claw通过第三方中转 API 生成高质量图片，兼容大部分以New API、One API搭建的中转站，支持调用2026年4月最新发布的gpt-image-2生图模型。中转推荐：xy.poloapi.com

✨ API Image

功能概述

✨ API Image是一项面向实际任务的技能，主要用于通过 API 接口生成图片，不绑定任何中转服务商，支持 Gemini 、 OpenAI DALL-E 、最新的GPT-Image-2 模型，开箱即用；✨ 核心特性；

核心要点

🌐 多模型支持；
自动识别模型家族，支持 Gemini、DALL-E、GPT-Image等；
🖼️ 参考图支持；

使用与执行

Gemini 天然支持多张参考图输入，适合图片编辑、风格融合；📐 智能参数映射；自动将宽高比。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。

结果检查与注意事项

实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。该技能适合用于一次性任务，也可以接入自动化工作流，与其他技能或上层代理配合完成更完整的业务链路；在组合使用时，应明确每一步的输入输出关系，并避免不同步骤之间出现参数冲突。

✨ API Image

通过 API 接口生成图片，不绑定任何中转服务商，支持 Gemini、OpenAI DALL-E、最新的GPT-Image-2 模型，开箱即用。

✨ 核心特性

特性	说明
🌐 多模型支持	自动识别模型家族，支持 Gemini、DALL-E、GPT-Image等
🖼️ 参考图支持	Gemini 天然支持多张参考图输入，适合图片编辑、风格融合
📐 智能参数映射	自动将宽高比映射为对应模型支持的尺寸
🔧 开箱即用	安装后用户只需要把 API 信息发给智能体，自动完成配置
🛡️ 安全通用	技能不内置任何 API Key、服务地址、模型名称，完全由用户配置
⏱️ 合理超时	默认 5 分钟超时，适配图片生成的长时间等待
🎯 错误友好	提前配置检查、清晰错误提示，避免不必要的请求扣费

📖 支持的模型

模型家族	识别关键字	支持特性
Gemini	`gemini`	参考图、温度参数、宽高比、分辨率 (512/1K/2K/4K)
DALL-E	`dall-e` / `dalle`	尺寸 (1024x1024 / 1792x1024 / 1024x1792)、画质 (standard/hd)、风格 (vivid/natural)
GPT-Image	`gpt-image`	尺寸 (1024x1024 / 1536x1024 / 1024x1536)、画质 (low/medium/high/auto)、背景 (transparent/opaque/auto)、多图 (1-10张)
Banana	`banana`	标准 OpenAI 兼容参数

📖 安装使用

🚀 安装后第一步

安装完成后，将以下信息发给你的智能体即可完成配置：

- API Key: 你的令牌密钥
- Base URL: 你的中转站请求地址
- Model: 模型名称（请根据中转站命名方式填写）
- API Type: google  # 可选值: google, openai（也可以不填，自动识别）

智能体帮你完成配置，之后会生成一张测试图片验证接口连通性。

⌨️ 命令行使用（手动）

# 检查配置
./skills/api-image/scripts/api_image.py check

# 纯文本生成（通用）
./skills/api-image/scripts/api_image.py generate "你的提示词" -o output.png -r 16:9

# Gemini 专用参数
./skills/api-image/scripts/api_image.py generate "你的提示词" -o output.png -r 16:9 -R 2K -t 0.9

# DALL-E 专用参数
./skills/api-image/scripts/api_image.py generate "你的提示词" -o output.png -r 16:9 -q hd --style vivid

# GPT-Image 专用参数
./skills/api-image/scripts/api_image.py generate "你的提示词" -o output.png -r 16:9 -q high --background transparent -n 4

# 参考图生成（仅 Gemini）
./skills/api-image/scripts/api_image.py reference ref1.png ref2.png -p "把这两张图融合成一张新图" -o output.png

⚙️ 参数说明

通用参数

参数	说明
`-p/--prompt`	提示词/编辑指令 (参考图生成必填)
`-o/--output`	输出图片文件名/路径 (默认 `output.jpg`)，多图时支持 `{i}` 占位符
`-r/--aspect-ratio`	图片宽高比，例如 `1:1`/`16:9`/`9:16`/`4:3`/`3:4`
`--api-type`	API 类型 (`google`/`openai`)，默认从模型自动识别
`--base-url`	API 基础地址，默认从配置读取
`--model`	模型名称，默认从配置读取
`--api-key`	API Key，默认从配置读取
`--timeout`	请求超时（秒，默认 `300`）

Gemini 专用

参数	说明
`-t/--temperature`	温度 (0-1，默认 `0.9`)
`-R/--resolution`	图片分辨率，可选 `512`/`1K`/`2K`/`4K`

OpenAI DALL-E 专用

参数	说明
`-s/--size`	图片尺寸，例如 `1024x1024`/`1792x1024` (优先使用 `--aspect-ratio`)
`-q/--quality`	画质，可选 `standard`/`hd`
`--style`	风格，可选 `vivid` (鲜艳)/`natural` (自然)

GPT-Image 专用

参数	说明
`-s/--size`	图片尺寸，例如 `1024x1024`/`1536x1024` (优先使用 `--aspect-ratio`)
`-q/--quality`	画质，可选 `low`/`medium`/`high`/`auto`
`--background`	背景，可选 `transparent`/`opaque`/`auto`
`--moderation`	内容审核，可选 `auto`/`low`
`-n/--number`	生成图片数量，支持 1-10 张

🔧 技术实现细节（供开发者参考）

模型识别逻辑

Gemini: 模型名包含 gemini → 使用 Google 协议，标准 Gemini 格式
DALL-E: 模型名包含 dall-e 或 dalle → 使用 OpenAI 协议，DALL-E 特有参数
GPT-Image: 模型名包含 gpt-image → 使用 OpenAI 协议，GPT-Image 特有参数
Banana: 模型名包含 banana → 使用 OpenAI 协议，标准参数

Gemini imageConfig

Gemini 支持通过 image_config 设置：

aspect_ratio: 1:1, 1:4, 1:8, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 8:1, 9:16, 16:9, 21:9
image_size: 512, 1K, 2K, 4K