---
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）。支持 1K/2K/4K 常用尺寸规格、横竖方比例、质量、背景和可选 style 风格参数。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/壁纸/图标、image generation、根据这张图改。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**、**1K/2K/4K 常用尺寸**和**可选 style 风格参数**。

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

## 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`

## 首次使用：配置凭证

生图需要中转站的 API Key。检查 skill 根目录是否有 `.env`：

```bash
ls "$(dirname SKILL.md)/.env" 2>/dev/null || echo "未配置"
```

若无，从模板创建并让用户填写（**不要把 key 写进对话或提交到 git**）：

```bash
cp .env.example .env
# 然后引导用户编辑 .env，填入 IMAGE_API_BASE_URL 和 IMAGE_API_KEY
```

`.env` 需要三项：
- `IMAGE_API_BASE_URL` — 中转站基址，如 `https://your-relay.com`（脚本自动补 `/v1/images/...`）
- `IMAGE_API_KEY` — API Key
- `IMAGE_MODEL` — 默认模型，默认 `gpt-image-2`

## 标准流程

**1. 打磨提示词。** 用户给的描述往往简短，先在心里扩写成一句信息充分的英文或中文提示词——主体、风格、光线、构图、色调、画质关键词。除非用户明确要求逐字使用，否则主动增强。生图模型对细节敏感，「一只猫」远不如「a fluffy orange tabby cat sitting on a windowsill, soft morning light, shallow depth of field, cozy warm tones」。

**2. 选参数：**
- `--size`：支持直接传像素值或别名。默认 `1024x1024`；常用别名见「尺寸规格速查」。
- `--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
- `--style`：部分模型/中转支持的独立风格参数，如 `vivid`、`natural`、`anime`、`photorealistic`。若上游不支持，把风格写进 prompt。
- `--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 1k-square --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 1k-square
```

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。

## 尺寸规格速查

脚本会把下列别名转换为实际像素；也可以直接传 `WIDTHxHEIGHT` 或 `auto`。部分中转/模型可能只开放其中一部分规格，遇到 400 时降低到 1K 或改用上游明确支持的尺寸。

| 规格 | 方图 | 横图 | 竖图 | 宽屏/超宽 | 典型用途 |
|------|------|------|------|-----------|----------|
| 1K | `1k-square` → `1024x1024` | `1k-landscape` → `1536x1024` | `1k-portrait` → `1024x1536` | - | 头像、图标、草图、普通配图 |
| 2K | `2k-square` → `2048x2048` | `2k-landscape` → `2048x1536` | `2k-portrait` → `1536x2048` | `2k-wide` → `2048x1152` / `2k-tall` → `1152x2048` | 海报、封面、高清社媒图 |
| 4K | `4k-square` → `4096x4096` | `4k-landscape` → `4096x3072` | `4k-portrait` → `3072x4096` | `4k-wide` → `4096x2304` / `4k-uhd` → `3840x2160` / `4k-tall` → `2304x4096` / `4k-uhd-portrait` → `2160x3840` | 大屏封面、展板、高清壁纸 |

## 风格参数速查

优先把风格写进 prompt，因为所有模型都能理解自然语言风格。仅当目标中转或模型明确支持独立风格字段时，再额外传 `--style`。

| 需求 | 推荐写法 |
|------|---------|
| 写实摄影 | prompt 写 `photorealistic, cinematic lighting, natural skin texture`，可加 `--style photorealistic` |
| 插画 | prompt 写 `editorial illustration, clean shapes, rich color palette`，可加 `--style illustration` |
| 动漫 | prompt 写 `anime style, expressive linework, cel shading`，可加 `--style anime` |
| 自然风格 | prompt 写清现实光线和材质，可加 `--style natural` |
| 鲜艳风格 | prompt 写高饱和、强对比，可加 `--style vivid` |

## 常见参数速查

| 需求 | 命令片段 |
|------|---------|
| 头像/图标（方图） | `--size 1k-square` 或 `--size 1024x1024` |
| 海报/封面（横） | `--size 1k-landscape` / `2k-landscape` / `4k-wide` |
| 手机壁纸/人像（竖） | `--size 1k-portrait` / `2k-portrait` / `4k-tall` |
| 4K 壁纸 | `--size 4k-uhd` |
| 透明背景贴纸 | `--background transparent` |
| 多出几张挑选 | `--n 4` |
| 高画质 | `--quality high` |
| 独立风格字段 | `--style natural` 或 `--style vivid`（看上游支持情况） |
| 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** → `.env` 没配好，回到「配置凭证」。
- **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`。