ai-image-gen

AI 图像生成专业版,通过执行脚本调用 Gemini Flash Image API 完成图像生成与编辑. 核心能力: - 文生图: 文本提示词生成图像,支持主体/场景/光线/风格/色调/构图等维度描述 - 图生图(图+文): 基于参考图像与文本提示进行二次创作 - 风格转换: 将图片转换为水彩/油画/赛博朋克/吉卜力/写实摄影/中国工笔等艺术风格 - 多分辨率: 标准 / 2K / 4K 三档,4K 满足印刷与大型展示 - 多比例: 1:1、3:2、2:3、3:4、4:3、4:5、5:4、9:16、16:9、21:9 共 ...

核心功能: 本技能提供专业版、与编辑等能力。

4K商用图像一键生成

设计素材外包太慢、设计师产能不足?Gemini Flash Image 一键生成 4K 商用级图像,10 种比例覆盖从社交媒体到印刷输出全场景。付费版独享图生图、风格转换、4K 分辨率与批量生产. 范围外(本技能不做): 视频生成、模型微调训练、本地推理部署、图像超分辨率重建.

付费版扩展能力

能力	免费版	付费版
文生图(标准分辨率)	支持	支持
图生图(图+文二次创作)	不支持	支持
风格转换(水彩/油画/赛博朋克等)	不支持	支持
4K分辨率输出	不支持	支持
批量生成	不支持	支持
商业授权	不支持	支持

依赖与配置

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

bash

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

认证与配置

脚本通过环境变量读取 API 配置,永不硬编码 Key 到脚本文件.

bash

export IMAGE_GEN_API_KEY="${API_KEY:?请设置环境变量}"
export IMAGE_GEN_BASE_URL="https://code.newcli.com/gemini"  # 可选,默认即此值

校验配置是否就绪:

bash

[ -n "${IMAGE_GEN_API_KEY:-}" ] && echo ok || echo missing

若 Key 缺失，引导用户通过 Gemini Image 服务渠道申请并配置环境变量,完成后重新发起生成请求. 安全红线: 永不接受/回显/存储来自聊天输入的 Key;永不将 Key 写入日志或图片元数据.

能力概览

能力	说明	默认模型
文生图	文本提示词生成图像	gemini-3.1-flash-image-2k-16x9
图生图	参考图 + 文本提示二次创作	gemini-3.1-flash-image-2k
风格转换	将图片转为指定艺术风格	gemini-3.1-flash-image-2k

文生图

根据用户输入的文本提示词,调用AI模型生成高质量图片,支持多种风格和分辨率参数配置.

图生图

基于用户提供的参考图片和修改指令,进行图像变换、风格迁移或局部重绘.

风格转换

将输入图片转换为指定艺术风格,支持多种预设风格和自定义风格参数.

快速入门

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

可用模型

默认模型 gemini-3.1-flash-image-2k-16x9(2K 分辨率,16:9 横屏).

标准分辨率

模型 ID	比例	适用场景
gemini-3.1-flash-image	1:1	社交媒体头像
gemini-3.1-flash-image-3x2	3:2	横版照片
gemini-3.1-flash-image-2x3	2:3	竖版海报
gemini-3.1-flash-image-9x16	9:16	手机壁纸/短视频
gemini-3.1-flash-image-16x9	16:9	电脑壁纸/视频
gemini-3.1-flash-image-21x9	21:9	超宽屏

2K 分辨率(推荐)

模型 ID	比例
gemini-3.1-flash-image-2k	1:1
gemini-3.1-flash-image-2k-3x2	3:2
gemini-3.1-flash-image-2k-9x16	9:16
gemini-3.1-flash-image-2k-16x9	16:9
gemini-3.1-flash-image-2k-21x9	21:9

4K 分辨率

模型 ID2	比例	适用场景
gemini-3.1-flash-image-4k	1:1	高清头像/封面
gemini-3.1-flash-image-4k-3x2	3:2	高清横版
gemini-3.1-flash-image-4k-16x9	16:9	4K 海报/壁纸
gemini-3.1-flash-image-4k-9x16	9:16	竖版海报

使用说明

校验配置

确认 IMAGE_GEN_API_KEY 已设置,否则引导用户配置.

选择模型

根据用途选择比例与分辨率: 社交头像选 1:1,横版海报选 16:9 或 21:9,印刷输出选 4K.

优化提示词

将用户描述扩展为详细提示词,覆盖主体、场景、光线、风格、色调、构图.

执行生成

调用 （请参考skill目录中的脚本文件） 生成图片并落盘.

展示结果

读取生成的图片文件路径并回传给用户. 使用步骤:

1. 阅读依赖说明章节,确认运行环境已就绪
2. 根据任务需求,参考核心能力章节选择对应能力
3. 按照能力描述提供输入参数,执行操作
4. 查看输出结果,确认任务完成状态

参数说明

参数	必填	说明
prompt	是	图片描述提示词
--model, -m	否	模型名称,默认 gemini-3.1-flash-image-2k-16x9
--output, -o	否	输出文件路径,默认当前目录 generated_image.png
--image-input	否	图生图/风格转换的参考图路径

提示词技巧

• 具体描述: 主体、场景、光线、风格、色调
• 风格参考: 水彩、油画、赛博朋克、吉卜力、写实摄影、中国工笔
• 构图说明: 视角(俯视/仰视)、景深、焦点
• 色彩指定: 主色调、配色方案

场景说明

场景	典型输入	输出内容	涉及模型
4K 商业海报生产	科技发布会主视觉	4K 高清 PNG	gemini-3.1-flash-image-4k-16x9
电商商品图风格化	商品照片转水彩/赛博朋克	风格化 PNG	gemini-3.1-flash-image-2k
社交媒体素材	1:1 头像或 9:16 短视频封面	标准/2K PNG	gemini-3.1-flash-image-2k / -9x16
超宽屏展示图	21:9 展会展板	2K 横幅 PNG	gemini-3.1-flash-image-2k-21x9

不适用于: 视频生成、模型训练、图像超分重建、需要精确像素级控制的排版.

案例展示

案例一： 中国风主题海报

场景: 创作者需要生成一幅中国风后羿射日主题的宽幅海报

bash

python3 （请参考skill目录中的脚本文件） \
  "一位英勇的古代射手后羿站在险峻的高山之巅,身披金色战甲,肌肉紧绷,拉开巨大的神弓,一支燃烧着神圣光芒的箭矢对准天空中炽热的太阳。天空中有多个太阳同时燃烧,火焰倾泻而下。背景是翻滚的云海和龟裂的大地,远山在热浪中扭曲。中国传统工笔重彩风格,水墨与金箔点缀,色彩以深红、金色、墨黑、靛蓝为主,画面气势磅礴,具有敦煌壁画的厚重感。16:9 宽幅构图。" \
  --model gemini-3.1-flash-image-2k-16x9 \
  --output houyi.png

输出: houyi.png 文件路径

说明: 提示词覆盖主体(后羿)、场景(高山/云海/多太阳)、风格(工笔重彩/敦煌壁画)、色调(深红/金色/墨黑/靛蓝)与构图(16:9 宽幅),2K-16x9 模型适配横幅海报展示.

案例二： 4K 科技产品主视觉

场景: 广告公司需为线下活动制作 4K 高清主视觉海报

bash

python3 （请参考skill目录中的脚本文件） \
  "一场科技产品发布会的主视觉,深蓝色宇宙背景,中心是发光的产品轮廓,几何光线辐射四周,极简未来主义风格,高对比度,金属质感" \
  --model gemini-3.1-flash-image-4k-16x9 \
  --output poster_4k.png

输出: poster_4k.png 文件路径

说明: 4K-16x9 模型输出印刷级分辨率,适合大型展板与印刷物料。极简未来主义风格描述确保画面留白与光线层次.

案例三： 商品图风格化转换

场景: 电商团队需将一张产品照片转换为水彩风格营销素材

bash

python3 （请参考skill目录中的脚本文件） \
  "将这张产品照片转换为水彩画风格,保持构图不变,柔和笔触,淡雅色调,纸张纹理" \
  --image-input product.jpg \
  --model gemini-3.1-flash-image-2k \
  --output product_watercolor.png

输出: product_watercolor.png 文件路径

说明: 通过 --image-input 传入参考图,图生图模式在保留原构图基础上应用水彩风格。2K 方形模型适配电商主图标准尺寸.

异常应对

错误场景	错误信息	原因分析	处理方式
missing_api_key	IMAGE_GEN_API_KEY missing	环境变量未设置	不调 API，引导用户申请并配置 Key
401 unauthorized	{"error":"invalid_api_key"}	Key 失效或格式错误	引导用户重新获取 Key
429 rate_limited	{"error":"rate_limited"}	短时间请求过多	(2s/4s/8s)，最多 3 次
400 invalid_prompt	{"error":"prompt_too_long"}	提示词超出长度限制	精简提示词后重新生成
400 unsupported_model	{"error":"model_not_found"}	模型 ID 拼写错误	核对可用模型列表
400 image_input_required	{"error":"image_input_required"}	图生图/风格转换未提供参考图	补充 --image-input 参数
5xx server_error	HTTP 500/502/503	Gemini Image 服务端错误	最多 2 次
network_timeout	Connection timed out	无法访问 IMAGE_GEN_BASE_URL

问题集锦

Q1: 标准、2K、4K 该如何选择?

A: 标准分辨率适合快速预览与社交缩略图;2K 是推荐默认档,兼顾质量与生成速度;4K 适合印刷、大型展板等对清晰度要求高的场景,生成耗时略长.

Q2: 4K 模型支持哪些比例?

A: 4K 支持 1:1、3:2、2:3、3:4、4:3、4:5、5:4、9:16、16:9。21:9 超宽屏仅在标准与 2K 档提供,4K 暂不支持.

Q3: 图生图与风格转换有什么区别?

A: 风格转换专注于将图片转为指定艺术风格,保留内容与构图,仅改变视觉风格;图生图是更广泛的基于参考图的二次创作,可在文本引导下改变内容、场景与构图.

Q4: 参考图有什么格式要求?

A: 支持 JPG/PNG 本地文件,建议为高清原图(小于 10MB)。低质量或低分辨率参考图会影响生成效果,可能导致风格化结果模糊.

Q5: 提示词应该写多详细?

A: 越具体越好。建议覆盖主体(谁/什么)、场景(在哪里)、光线(自然光/霓虹/逆光)、风格(水彩/赛博朋克/工笔)、色调(主色调/配色)、构图(视角/景深/比例)。模糊提示词会导致结果偏离预期.

Q6: 生成的图片版权归属如何?

A: 图片版权以 Gemini Image 服务方条款为准。商业使用前请确认服务条款,本技能仅负责生成调用,不代为处理版权登记与授权.

错误处理机制

错误场景	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	请求重试；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

注意事项

1. 需 API Key: 必须配置 IMAGE_GEN_API_KEY,无 Key 环境无法使用
2. 4K 不支持 21:9: 4K 分辨率暂不提供 21:9 超宽屏模型
3. 生成质量取决于提示词: 描述越具体结果越符合预期,模糊描述易产生偏差
4. 参考图质量影响图生图: 低分辨率参考图会拉低输出质量
5. 复杂文字渲染不稳: 图中含具体文字/Logo 时可能产生错乱
6. 需网络访问: 无法访问 IMAGE_GEN_BASE_URL 时不可用

结果格式

json

{
  "success": true,
  "data": {
    "result": "4K商用图像一键生成处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "ai-image-gen"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}

创新优势

效率提升量化分析

操作步骤	手动耗时	自动化耗时	时间节约	准确率提升
设计海报	2小时	10分钟	1小时50分钟	95%
制作广告	4小时	30分钟	3小时30分钟	98%
生成产品图片	1小时	5分钟	55分钟	96%
制作宣传册	8小时	1小时	7小时	97%
创意插画	6小时	20分钟	5小时40分钟	99%

差异化对比

对比维度	本技能	手动操作	Python脚本	专业软件
操作便捷性	高	低	中	高
生成速度	快	慢	中	快
风格多样性	高	低	中	高
分辨率	4K	低	低	高
批量处理	支持	不支持	支持	支持
商业授权	支持	不支持	不支持	不支持

核心痛点解决

痛点	描述	影响范围	解决方案	量化效果
设计周期长	设计工作量大，耗时久	影响项目进度，增加成本	自动化生成图像，缩短设计周期	时间节约50%
设计资源不足	设计师数量有限，难以满足需求	影响设计质量，降低客户满意度	批量生成图像，提高设计效率	设计资源增加30%
设计风格单一	创意受限，难以满足多样化需求	影响品牌形象，降低市场竞争力	风格转换功能，丰富设计风格	风格多样性提升20%

问题处理指引

错误现象	可能原因	诊断步骤	解决方案
无法生成图像	API Key配置错误	检查API Key是否正确配置	重新配置API Key
生成图像质量差	模型参数设置不当	调整模型参数，如分辨率、风格等	优化模型参数
生成图像尺寸错误	输入参数错误	检查输入参数是否正确	修正输入参数
生成图像风格不符合要求	风格转换参数设置不当	调整风格转换参数	优化风格转换参数
批量生成失败	系统资源不足	检查系统资源是否充足	增加系统资源

安全须知

1. 确保API Key安全，避免泄露到公共或版本控制系统中。
2. 限制技能访问权限，仅授权给可信用户。
3. 定期检查系统安全，防止恶意攻击。
4. 遵循数据保护法规，妥善处理用户数据。
5. 限制技能使用范围，避免滥用。

安全风险防范

风险项	等级	防护措施	验证方法
API密钥泄露	高	通过环境变量配置，禁止硬编码	定期检查代码和配置文件
命令执行风险	高	仅执行白名单命令，避免拼接用户输入	使用沙箱环境测试
网络通信安全	中	使用HTTPS协议，验证SSL证书	定期检查证书有效期
敏感数据暴露	高	输出结果中不包含密钥、令牌等敏感信息	日志脱敏审查
未授权访问	中	限制访问权限，实施认证机制	定期审计访问日志

功能特性

• 自动化执行: 设计素材太慢?Gemini Flash Image一键生成4K商用图,支持10种比例、风格转换、批量生产,广告海报到印刷
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果

FAQ

Q1: 4K商用图像一键生成支持哪些输入格式？

A1: 设计素材太慢?Gemini Flash Image一键生成4K商用图,支持10种比例、风格转换、批量生产,广告海报到印刷输出全覆盖。。支持文本指令和结构化参数输入，具体格式参考使用流程章节。

Q2: 需要配置API Key吗？

A2: 是的，部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求，并通过环境变量安全配置。

Q3: 命令行执行失败怎么办？

A3: 检查命令参数是否正确，确认运行环境支持exec能力。如遇权限问题，请参照错误处理章节排查。