用途:根据用户的文字描述生成自定义图像,并可将生成的图片集成到前端设计(HTML/CSS、React 等)中。
主要能力:提供 Flash(gemini-2.5-flash-image,偏速度、最高约 1024px)、Pro(gemini-3-pro-image-preview,偏专业画质,最高约 4K)、2(gemini-3.1-flash-image-preview,兼顾速度与高分辨率,最高约 4K)三种模型。支持命名或直接宽高比(如 square、16:9、1:4 等,部分比例仅模型 2 支持),支持一次或多次传入参考图(–reference 可重复),用于风格、构图或内容引导。
使用方式:先确认 GEMINI_API_KEY 是否已设置(环境变量优先),未设置时从项目根目录的 .env 读取;仍未设置需告知用户并停止,不得读取或输出密钥。生成命令示例:uv run "${SKILL_DIR}/scripts/image.py" --prompt "..." --output "/path/to/output",可选 --aspect、--reference、--model(默认 2)、--size(512/1K/2K/4K,flash 忽略)。输出扩展名会被替换为模型实际返回格式,需以脚本打印的最终路径为准。
适用场景:为落地页、图标、纹理、插画等前端资产生成配图;可先由本技能生成图片,再结合 frontend-design 技能编码页面。图片默认建议放入 ./assets/ 或 React/Vue 项目的 ./src/assets/、./public/。
限制:必须提供 GEMINI_API_KEY,否则无法工作;需从项目根目录运行,命令需按原文执行,不得使用其他加载方式或读取密钥;参考图数量有上限(Flash 3 张,Pro 6 张物体图+5 张人物图,模型 2 为 10 张物体图+4 张人物图);部分宽高比仅模型 2 支持;其他收费、价格与平台细节资料暂未提供。