codex-market-app/gen-image/SKILL.md

---
name: gen-image
description: 调用大模型中转站的 OpenAI 图片接口生图（文生图、图生图/编辑、局部重绘、透明背景）。触发词：生图、生成图片、画一张、AI 画图、文生图、图生图、生成插画/头像/海报/封面/视频封面/标题图/图标、image generation、根据这张图改、做封面。需要外部 API 生成位图图像时使用；纯 HTML/SVG/矢量设计不适用。
---

# gen-image · 生图

通过大模型中转站，直接调用 OpenAI 图片接口生成位图图像。支持**文生图**、**图生图/编辑**、**局部重绘（mask）**、**透明背景**。

核心是零依赖脚本 `scripts/gen_image.py`（纯 Python 标准库，无需 pip install）。

> **核心原则 · 原话直传（最高优先级，覆盖下方一切"打磨/扩写"措辞）。** 被触发后，把用户这段话**原样**作为提示词传给脚本——不改写、不扩写、不翻译、不加风格/构图/画质关键词。你只需要判断一件事：用户**是不是要生图**；是，就转发原话。用户没说的风格，不要替他编；用户给的标题/文字，一个字都不要动。只有当用户**明确**说"帮我润色/扩写提示词"时才加工。理由：图像模型本身懂自然语言，外面这层多一次"加工"只会改坏用户要保留的内容（尤其标题）、并让产出不可控。


## 何时用 / 不用

- ✅ 用户要「生成一张图 / 画一张 / AI 出图 / 做个头像/海报/插画/图标」
- ✅ 用户给了一张图要「基于它改 / 换背景 / 局部重绘」→ 图生图
- ❌ 用户要 HTML 原型、幻灯片、矢量图标、CSS 效果 → 用 `huashu-design` 或直接写代码
- ❌ 用户要图表/数据可视化 → 用 `dataviz`

## ⚠️ 带文字的封面 / 海报 / 标题图（重点）

用户说「做个 **B站/抖音/视频封面**」「**带标题的海报**」「封面 + 标题是 XXX」时，**整个任务就是一次生图调用**——不要拆成「生个背景图 + 我自己用 SVG/HTML 把文字画上去」两步。正确做法是一条命令把标题写进提示词、整张图让模型一起生成。

**正确流程：**
1. 把用户给的**标题原文原样**写进提示词，连同用户说的其它要求一起原话直传——不要自己补风格/背景词。
2. 尺寸默认用横图 `--size 1536x1024`（视频封面标配）；用户指定了其它比例则照用户的。
3. 一次性运行所加载技能目录的 `gen.sh`，如 `"<skill-root>/gen.sh" "原话提示词" --size 1536x1024 --quality high` 出成品。**不要**在用户工作区用 `./gen.sh` 猜测路径，也不要后续用代码去叠文字。
4. 中文标题风险**如实告诉用户**再交付：图像模型渲染中文常有错字/乱码，建议用户验收后若文字有误，用「图生图 + 局部重绘」把标题区域 mask 掉重画，或改用极短标题。

**示例：** 用户说「帮我生成一个 B 站视频封面图，标题是《从零搭建个人知识库》」。
✅ 正确（原话直传，用户没说的不编）：
```bash
"<skill-root>/gen.sh" "B站视频封面图，标题是《从零搭建个人知识库》" --size 1536x1024 --quality high
```
❌ 错误（不要自己补词，更不要拆成两步）：给用户的提示词擅自加上 "neural network background / high contrast / eye-catching" 等用户没说的风格词；或者先 `./gen.sh "某背景"` 生成背景图、再用 SVG/HTML 自己去拼中文标题——这两种都是 agent 自行发挥，必须避免。

> 反面案例：曾出现「用户要 B 站封面，agent 却只生成一张背景图、标题自己画」「agent 擅自给用户提示词加一堆风格词」两种跑偏，根因都是 agent 多做了"加工"。记住：**被触发即原话直传**。

## 首次使用：配置凭证（每个用户用自己的中转站账号）

生图需要**用户自己的**中转站地址和 API Key（各自的号、各付各费）。这个技能**不内置任何 key**。

第一次生图前，检查是否已配置：

```bash
test -f "$(dirname "$0")/.env" && echo "已配置" || echo "未配置"
```

**推荐方式（TD工具箱用户）：** 在工具箱「中转」里，给一个支持 OpenAI 图片接口的中转分组，勾选 **☑ 在 Codex 中用于生图** 并保存——工具箱会自动把该分组的 `base_url` + 密钥写进本技能的 `.env`。用户全程不碰配置文件。若用户还没勾，就引导他去「中转」勾一下。

**手动方式（无工具箱时）：** 从模板建 `.env` 并让用户填自己的中转信息（**不要把 key 写进对话或提交 git**）：

```bash
cp .env.example .env
# 编辑 .env，填 IMAGE_API_BASE_URL 和 IMAGE_API_KEY
```

`.env` 三项：
- `IMAGE_API_BASE_URL` — 用户自己的中转站基址，如 `https://api.xxx.com`（脚本自动补 `/v1/images/...`）
- `IMAGE_API_KEY` — 用户中转站的 API Key
- `IMAGE_MODEL` — 默认模型，默认 `gpt-image-2`

读取优先级：**环境变量 > skill 目录 `.env`**。CI/临时场景可直接 `export IMAGE_API_KEY=...`。
注意：工具箱重装本技能会清空目录，但装完会**按「中转」里勾选的分组自动重写 `.env`**，无需手动恢复。

## 标准流程

**1. 提示词原样直传。** 用户这段描述**原封不动**作为提示词。不要扩写、不要翻译、不要加风格/光线/构图/画质词——尤其用户给的标题或文字，一个字都不要改。你只做一件翻译判断：用户**是否在要生图**；要，就转发原话。图像模型自己懂自然语言，不需要你替它"加工"。（唯一例外：用户**明确**要求"帮我润色/扩写提示词"时才加工。）

**2. 选参数：**
- `--size`：`1024x1024`（方，头像/图标）、`1536x1024`（横，海报/封面）、`1024x1536`（竖，手机壁纸/人像）、`auto`
- `--quality`：`low`/`medium`/`high`/`auto`（gpt-image 系支持；越高越慢越贵）
- `--background transparent`：要透明底的图标/贴纸时加
- `--n`：一次出几张（默认 1；多给几张让用户挑时用 `--n 2` 或 `4`）

**3. 执行（文生图）：**

```bash
cd "<skill 根目录>" && python3 scripts/gen_image.py \
  "a fluffy orange tabby cat on a windowsill, soft morning light, cozy tones, highly detailed" \
  --size 1024x1024 --quality high
```

图片存到 `output/img-<时间戳>-<序号>.png`，脚本会打印完整路径。

**4. 图生图 / 编辑**（用户给了输入图）：

```bash
python3 scripts/gen_image.py "把背景换成雪山日落" --edit /path/to/input.png --size 1024x1024
```

多图参考：多次 `--edit a.png --edit b.png`。局部重绘：加 `--mask mask.png`（PNG 中**透明区域**为要重绘的部分，其余保留）。

**5. 交付。** 打印出保存路径后，简要告诉用户生成了什么、存在哪。图无法在终端直接显示，用户会自己打开；若在支持预览的环境可提示路径。

## 常见参数速查

| 需求 | 命令片段 |
|------|---------|
| 头像/图标（方图） | `--size 1024x1024` |
| 海报/封面（横） | `--size 1536x1024` |
| 手机壁纸/人像（竖） | `--size 1024x1536` |
| 透明背景贴纸 | `--background transparent` |
| 多出几张挑选 | `--n 4` |
| 高画质 | `--quality high` |
| 换模型 | `--model dall-e-3` |
| 基于图改 | `--edit input.png` |
| 局部重绘 | `--edit input.png --mask mask.png` |

## 排错

- **缺 IMAGE_API_BASE_URL / IMAGE_API_KEY** → 还没配置。让用户去工具箱「中转」勾选一个分组「用于 Codex 生图」并保存；无工具箱则 `cp .env.example .env` 手动填。
- **HTTP 401/403** → key 无效或额度不足，让用户核对中转站账户。
- **HTTP 404** → base_url 写错，或该中转站不支持 `/v1/images/generations`；确认接口路径。
- **HTTP 400 model 相关** → 该中转站不认 `gpt-image-2`，换 `--model dall-e-3` 或问用户支持的模型名。
- **响应没有图片数据** → 部分中转站返回结构不同，把打印的原始响应给用户看以便排查。

不要把 API Key 输出到对话里，也不要提交 `.env`。