用途:用 Google Gemini 原生图像模型(Nano Banana 系列)规划、生成、编辑并质检静图,把出图当作生产流程而非堆砌形容词。
主要能力:先界定交付物(数量、渠道、比例、最小像素、文件类型)、意图、必须保留项(身份、产品几何、已批准标志、精确文案、法律标记)、可变更项、参考图角色与权利、事实性、隐私、验收测试与路线约束。参考图需建立台账并标注角色与优先级,提示词写成验收契约,编辑时先说明增量并重申不变量。支持多轮编辑、思考级别(minimal/high)与 Google 搜索接地。
使用方式:路线分 Gemini Developer API(Interactions API 或旧版 generateContent)与 Google Cloud / Gemini Enterprise Agent Platform(OAuth/ADC、项目级资源)。示例:client.interactions.create(model="gemini-3.1-flash-image", ...);或 client.models.generate_content(model="gemini-3.1-flash-image", config=types.GenerateContentConfig(response_modalities=["IMAGE"], image_config=types.ImageConfig(aspect_ratio="16:9", image_size="2K")))。Cloud 路线用 genai.Client(vertexai=True, project=..., location="global", http_options=types.HttpOptions(api_version="v1"))。
模型选择:gemini-3.1-flash-lite-image 最快最省、仅 1K;gemini-3.1-flash-image 通用,支持 0.5K–4K、搜索接地;gemini-3-pro-image 面向复杂专业资产;gemini-2.5-flash-image 为旧版兼容路径。
适用场景:缩略图批量、探索、简单编辑、多参考产品/角色、接地信息图、品牌系统与本地化等。
限制:不覆盖 Veo、动态生成或 Gemini Live/音频;接地时 Google 会保留提示与输出 30 天且不可退出;思考无法完全关闭;模型 ID、价格、配额、保留与弃用日期等易变事实需在关键运行前复核;本技能不保证精确文案与品牌保真,仍需人工质检。