Image Forge — 统一画图路由
目录结构
{baseDir}/
├── SKILL.md # 本文件（唯一用户入口）
├── backends.yaml # 后端注册表 + 优先级 + 调度策略
├── styles/
│ ├── index.yaml # 风格库（双层：10 Signature + 15 Rendering）
│ └── *.yaml # 10 个 Signature Style 独立文件
├── use-cases/
│ └── index.yaml # 11 个用途 + 推荐风格 + 默认后端
├── references/ # 用途提示词 JSON（11 个场景）
└── scripts/
├── reverse_style.py # Gemini Vision 15 维风格反推
└── generate_image.py # Gemini/Nano Banana 2 生图
三维框架
用途（Use Case）× 风格（Style）× 主体（Subject）
↓ ↓ ↓
结构指令 视觉语言 用户描述
（布局/元素） （色彩/技法/质感） （画什么）
三者独立路由、组合注入 prompt。用途和风格可以各自单独触发，也可以同时命中。
风格库：双层结构（读取 styles/index.yaml）
Tier 1: Signature Styles（有独立 YAML，10 种）
高度具体的视觉方案，命中后加载对应 YAML 文件，默认走 nano-banana-2。
| 触发词示例 | 风格 id | 擅长用途 |
|---|
| 俄国构成主义、苏联海报、几何宣传 | constructivism | 海报、社媒 |
| 故障艺术、错位矩形、glitch | glitch-window-v1 | 头像、社媒 |
| 窗口重叠、数字拼贴 | glitch-window-v2 | 头像、社媒 |
| 混合媒介、线稿摄影 | mixed-media | 头像、海报 |
| 黑蓝红、三色极简剪影 | tri-color | 海报、封面 |
| 半调雕刻、铜版画、etching | engraving-halftone | 海报、头像 |
| risograph、半调杂志、印刷风 | risograph-magazine | 海报、社媒 |
| 波普水墨、pop art、ink splash | pop-ink-splash | 头像、社媒 |
| 克莱因蓝、克莱因秩序、极简仰拍 | klein-blue-order | 头像、社媒 |
| 高对比度工业、电光蓝故障 | high-contrast-industrial | 海报、产品、封面 |
Tier 2: Rendering Styles（inline modifier，15 种）
通用渲染技法类别，命中后取 modifier 字段直接注入 prompt。按 preferred_backend 调度。
| 触发词示例 | 风格 id | 推荐后端 |
|---|
| 摄影、写真、真实照片 | photography | GPT Image 2 |
| 电影感、胶片、cinematic | cinematic-film-still | GPT Image 2 |
| 3D渲染、三维、CGI | 3d-render | GPT Image 2 |
| 等距视角、isometric、2.5D | isometric | GPT Image 2 |
| 复古、retro、vintage | retro-vintage | GPT Image 2 |
| 赛博朋克、霓虹、cyberpunk | cyberpunk-sci-fi | GPT Image 2 |
| 极简、minimalism、简约 | minimalism | GPT Image 2 |
| 动漫、二次元、anime | anime-manga | Gemini |
| 插画、手绘插画 | illustration | Gemini |
| 素描、线稿、sketch | sketch-line-art | Gemini |
| Q版、chibi、可爱 | chibi-q-style | Gemini |
| 像素艺术、pixel art、8-bit | pixel-art | Gemini |
| 油画、古典油画 | oil-painting | Gemini |
| 水彩、aquarelle | watercolor | Gemini |
| 水墨、国画、中国画 | ink-chinese-style | Gemini |
用途库（读取 use-cases/index.yaml）
11 类场景，每类携带推荐风格和默认后端：
| 触发词 | use-case id | 默认后端 | 推荐 Rendering 风格 |
|---|
| 海报、传单、poster | poster-flyer | GPT Image 2 | cinematic, retro, cyberpunk |
| 头像、肖像、avatar | profile-avatar | Gemini | anime, illustration, photography |
| 产品图、营销图 | product-marketing | GPT Image 2 | photography, 3d-render, minimalism |
| 电商、主图、白底 | ecommerce-main-image | GPT Image 2 | photography, 3d-render |
| 视频封面、YouTube | youtube-thumbnail | GPT Image 2 | cinematic, photography |
| 小红书、社交配图 | social-media-post | GPT Image 2 | illustration, photography, watercolor |
| UI、App、网页 | app-web-design | GPT Image 2 | 3d-render, isometric, minimalism |
| 漫画、分镜 | comic-storyboard | Gemini | anime-manga, illustration, sketch |
| 游戏素材、角色 | game-asset | Gemini | 3d-render, pixel-art, illustration |
| 信息图、教育图 | infographic-edu-visual | GPT Image 2 | illustration, isometric, minimalism |
路由决策树（6 条路径）
用户输入
│
├── 有参考图 + "用这个风格"/"反推"
│ → [Path R] 风格反推：reverse_style.py → 提取风格 → 生成
│
├── 有参考图 + "修改"/"编辑"
│ → [Path E] 参考图编辑
│ 1张图 → gpt-image-2 edit endpoint
│ 2+张图 → nano-banana-2 多参考图
│
├── 命中 Signature Style aliases（构成主义/glitch/risograph…）
│ → [Path S] 加载 YAML → prompt recipe → nano-banana-2
│
├── 命中 Rendering Style aliases（动漫/写真/3D/水彩…）
│ → [Path R2] 取 modifier → 注入 prompt → 按 preferred_backend 调度
│
├── 命中用途关键词（海报/头像/电商…）
│ → [Path U] 加载 use-cases/index.yaml → 检索 references JSON
│ → 若无指定风格，展示推荐风格（可跳过直接生成）
│ → 按 use-case.default_backend
│
└── 直接描述主体，无信号
→ [Path D] 优化/翻译英文 → gpt-image-2（默认最高 priority）
后端调度决策（读取 backends.yaml）
1. 用户显式覆盖（最高优先级）
"用 GPT 画"/"4K高清"/"写实" → gpt-image-2
"用 Gemini 画"/"动漫" → nano-banana-2
2. Style preferred_backend
Signature 风格命中 → nano-banana-2（全部 10 种）
Rendering 风格命中 → 按各风格的 preferred_backend（见上表）
3. Use-case default_backend
无风格指定时，按用途默认后端
4. 全局默认
gpt-image-2（priority 最高）
GPT Image 2 强项：写实摄影、产品展示、文字渲染、4K 高清、海报、UI
Gemini 强项：动漫/插画/中国风/水彩/素描、多参考图合成、Signature 风格迁移
[Generation] — 后端执行
GPT Image 2（CRS 路由）
推荐使用 wrapper 脚本（支持 generate + edit，多图 edit，自动处理 base64）：
# 文生图
uv run {baseDir}/scripts/gpt_image2.py generate \
--prompt "<prompt>" \
--output /path/out.png \
--size 1536x1024 \
--quality high
# 改图（单张参考图）
uv run {baseDir}/scripts/gpt_image2.py edit \
--prompt "<edit instruction>" \
-i /path/ref.png \
--output /path/out.png \
--size 1024x1536
# 改图（多张参考图，最多 4 张）
uv run {baseDir}/scripts/gpt_image2.py edit \
--prompt "<instruction>" \
-i ref1.png -i ref2.png \
--output /path/out.png
注意：edit 接口不支持 input_fidelity 参数（已验证 2026-04-25）。
Python API（内联使用）：
import os, requests, base64, time
CRS_BASE = os.environ.get('CRS_BASE_URL', 'http://127.0.0.1:8765')
CRS_KEY = os.environ['CRS_API_KEY']
def gpt_image2_generate(prompt, size='1536x1024', quality='high',
output_format='png', filename=None):
resp = requests.post(
f'{CRS_BASE}/openai/v1/images/generations',
headers={'Authorization': f'Bearer {CRS_KEY}'},
json={'model': 'gpt-image-2', 'prompt': prompt, 'size': size,
'quality': quality, 'output_format': output_format,
'response_format': 'b64_json'},
timeout=180,
)
data = resp.json()['data'][0]
out = filename or f'/tmp/image-forge-{int(time.time())}.{output_format}'
with open(out, 'wb') as f:
f.write(base64.b64decode(data['b64_json']))
return out, data.get('revised_prompt', '')
def gpt_image2_edit(prompt, image_path, size='1536x1024', quality='high',
output_format='png', filename=None):
with open(image_path, 'rb') as f:
b64_img = base64.b64encode(f.read()).decode()
resp = requests.post(
f'{CRS_BASE}/openai/v1/images/edits',
headers={'Authorization': f'Bearer {CRS_KEY}'},
json={'model': 'gpt-image-2', 'prompt': prompt,
'images': [{'image_url': f'data:image/png;base64,{b64_img}'}],
'size': size, 'quality': quality,
'output_format': output_format, 'response_format': 'b64_json'},
timeout=180,
)
data = resp.json()['data'][0]
out = filename or f'/tmp/image-forge-edit-{int(time.time())}.{output_format}'
with open(out, 'wb') as f:
f.write(base64.b64decode(data['b64_json']))
return out, data.get('revised_prompt', '')
GPT Image 2 尺寸：1024x1024 / 1536x1024 / 1024x1536 / 2048x2048 / 3840x2160 (4K横) / 2160x3840 (4K竖)
Gemini / Nano Banana 2
# 文生图
uv run {baseDir}/scripts/generate_image.py \
--prompt "<optimized_english_prompt>" \
--filename "~/.openclaw/workspace/tmp/image-forge/$(date +%Y-%m-%d-%H-%M-%S)-<slug>.png" \
--aspect-ratio "<1:1|3:4|4:3|9:16|16:9>"
# 改图 / 多参考图合成（已实测 2026-04-25）
# Gemini 会在参考图基础上按 prompt 修改，多图合成/风格迁移尤其适合
uv run {baseDir}/scripts/generate_image.py \
--prompt "<e.g.: keep character, change background to warm sunset>" \
--filename "~/.openclaw/workspace/tmp/image-forge/$(date +%Y-%m-%d-%H-%M-%S)-<slug>.png" \
-i "/path/to/ref1.jpg" -i "/path/to/ref2.jpg" \
--aspect-ratio "3:4"
Gemini edit vs GPT Image 2 edit
- Gemini：多图合成、风格迁移更自由，但对原图布局保留能力较弱
- GPT Image 2：保留原图布局/文字/边框精确修改时更强，推荐用于卡牌、产品展示图的约束性编辑
Prompt 组合逻辑
Final Prompt =
[Rendering Style modifier（如有）]
+ [Signature Style prompt（如有，替换主体后）]
+ [Use-case 结构指令（如有，从 references JSON 取）]
+ [用户主体描述（中→英翻译优化）]
+ [技术参数（lighting / composition / quality）]
- 中文输入全部翻译为英文后发给两个后端
- Signature Style prompt 已含完整视觉语言，Rendering modifier 作补充层
- 两者同时命中时：Signature 优先（更具体），Rendering 作辅助修饰
输出交付
- 保存目录：
~/.openclaw/workspace/tmp/image-forge/
- 文件名：
YYYY-MM-DD-HH-MM-SS-<slug>.png
- 回复：说明所选路径 + 后端 + 关键 prompt 要点，不读取二进制
渠道交付规则
| 渠道 | 交付方式 |
|---|
| 飞书 | message tool + filePath（发送原生飞书图片消息） |
| Discord / 其他渠道 | MEDIA: /absolute/path （自动 inline） |
飞书交付示例：
message action=send filePath=/abs/path/to/image.png
【注意】一次生成多张图时，分次发送每张图片。
典型示例
# [Path D] 默认 GPT Image 2
"画一只在宇宙中游泳的猫"
→ gpt-image-2，size=1536x1024
# [Path S] Signature 风格 + Gemini
"帮我画一张俄国构成主义风格的 AI 机器人海报"
→ constructivism.yaml → nano-banana-2，aspect=3:4
# [Path R2] Rendering 风格 → 自动按强项调度
"帮我画一张动漫风格的城市夜景"
→ anime-manga modifier → nano-banana-2
"帮我画一张赛博朋克风城市"
→ cyberpunk-sci-fi modifier → gpt-image-2
# [Path U] 用途路由 + 推荐风格
"帮我做一张 YouTube 视频封面，科技感"
→ youtube-thumbnail.json → 推荐 cinematic/photography → gpt-image-2
# [Path U + R2] 用途 + 风格同时命中
"帮我做一张水彩风格的社交配图，主题是咖啡和阅读"
→ social-media-post + watercolor → nano-banana-2，aspect=1:1
# [Path E] 参考图编辑
1张图 + "改成极简风格" → gpt-image-2 edit endpoint
2张图 + "合成一张" → nano-banana-2 (-i ref1 -i ref2)
# [Path R] 风格反推
1张图 + "用这个风格给我画一只猫" → reverse_style.py → gpt-image-2
# 显式后端覆盖
"用 Gemini 画一张产品图" → nano-banana-2（覆盖用途默认）
"4K高清画一张产品海报" → gpt-image-2，size=3840x2160
