图像生成

当您需要根据文本提示生成一个或多个图像文件，或使用 Gemini 编辑一个或多个现有图像时，请使用此技能。

前提条件

• ~/.openclaw/openclaw.json 中必须将 $.skills.entries["gemini-image-generation"].enabled 设置为 true。

• ~/.openclaw/openclaw.json 中必须包含 $.skills.entries["gemini-image-generation"].env，且该对象需具备以下键值对：

• GEMINI_API_KEY（必需）

• GEMINI_MODEL_ID（必需）

• GEMINI_BASE_URL（可选）

• 示例 ~/.openclaw/openclaw.json：

{
  ......,
  "skills": {
    "entries": {
      "gemini-image-generation": {
        "enabled": true,
        "env": {
          "GEMINI_API_KEY": "sk-xxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx",
          "GEMINI_MODEL_ID": "gemini-3.1-flash-image-preview",
          "GEMINI_BASE_URL": "https://custom-endpoint.com"
        }
      }
    }
  },
  ......
}

• 工作区环境中必须已安装 Node.js。
• 在技能根目录下执行一次 npm install 以安装依赖项。

适用场景

• 用户要求根据文本提示生成新图像。
• 用户要求对一个或多个现有图像进行修改、重绘风格、扩展或其他形式的编辑。
• 用户希望将生成的图像保存为工作区中的文件。
• 该任务应通过可复用的 OpenClaw 技能完成，而非临时编写的 SDK 代码。

操作流程

1. 将用户请求转换为一条清晰明确的图像生成提示（prompt）。
2. 若用户提供源图像，请选择或确认工作区中对应的输入文件路径（可为单个或多个路径）。
3. 若用户指定了目标宽高比或图像尺寸，请分别通过 --aspectRatio 和 --imageSize 参数传入。
4. 除非用户已指定输出路径，否则需在工作区内选择一个输出路径。
5. 对于文生图（text-to-image）任务，运行 generate-image.mjs，并传入 --prompt、--output 及可选的图像配置参数。
6. 对于图像编辑任务，运行 edit-image.mjs，并传入 --prompt、一个或多个 --input 值、--output 及可选的图像配置参数。
7. 从环境变量中读取 GEMINI_API_KEY 和 GEMINI_MODEL_ID。
8. （可选）若使用自定义端点，可从环境变量 GEMINI_BASE_URL 中读取基础 URL。
9. 将保存后的图像路径（一个或多个）返回给用户。
10. 每次返回图像路径后，还需额外输出 MEDIA:（例如：MEDIA:outputs/gemini-native-image.png），以便图像在对话中以内联方式显示。

命令示例

node ./skills/gemini-image-generation/scripts/generate-image.mjs --prompt "Create a picture of a nano banana dish in a fancy restaurant with a Gemini theme" --output "outputs/gemini-native-image.png"

node ./skills/gemini-image-generation/scripts/generate-image.mjs --prompt "Create a wide cinematic food photo of a nano banana dish in a fancy restaurant with a Gemini theme" --output "outputs/gemini-wide.png" --aspectRatio "16:9" --imageSize "2K"

node ./skills/gemini-image-generation/scripts/edit-image.mjs --prompt "Turn this cat into a watercolor illustration eating a nano-banana in a fancy restaurant under the Gemini constellation" --input "inputs/cat.png" --output "outputs/cat-watercolor.png" --aspectRatio "5:4" --imageSize "2K"

node ./skills/gemini-image-generation/scripts/edit-image.mjs --prompt "Create an office group photo of these people making funny faces" --input "inputs/person-1.jpg" --input "inputs/person-2.jpg" --input "inputs/person-3.jpg" --output "outputs/group-photo.png"

注意事项

• 脚本会以 TEXT: 开头打印模型输出的文本内容，以 IMAGE: 开头打印每个已保存图像的路径。
• 技能执行完毕后，务必为每个生成的图像路径输出 MEDIA:，以确保图像与对应路径一同在对话中以内联方式渲染。
• 最终返回的 JSON 摘要仅包含生成的图像路径及可选的图像配置信息；提示词、模型 ID 和源图像路径等敏感/冗余字段不会回显至日志中。
• 保存的文件扩展名由模型返回的图像 MIME 类型决定。若用户指定的输出路径后缀与实际类型不一致，脚本将保留文件名主体，并按实际返回类型写入文件。
• 若模型返回多张图像，脚本将依次保存为 name-1.png、name-2.png 等形式。
• edit-image.mjs 支持重复使用 --input 标志。您也可向单个 --input 参数传入逗号分隔的路径列表。
• edit-image.mjs 会根据输入文件扩展名（.png、.jpg、.jpeg 或 .webp）自动推断源图像 MIME 类型。如需显式指定，可统一使用一个 --mime-type 参数，或为每个 --input 单独配对一个 --mime-type。
• 两个脚本均支持 --aspectRatio 和 --imageSize 参数，也支持其短横线格式（kebab-case）：即 --aspect-ratio 和 --image-size。
• 脚本仅在至少提供上述任一参数时，才向 API 发送 config.imageConfig 字段。