mac
6.5 KiB
name, description
| name | description |
|---|---|
| gen-image | 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：
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）：
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 KeyIMAGE_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）：
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）：
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。