用途:为当前项目生成或编辑图片,例如网站素材、游戏素材、UI 样机、产品样机、线框图、Logo、写实图片和信息图。默认使用 gpt-image-1.5 与 OpenAI Image API,并优先使用内置 CLI 以获得确定性、可复现的运行结果。
主要能力:支持生成新图片、编辑已有图片(局部重绘、蒙版编辑、光照或天气变换、背景替换、移除物体、合成、透明背景)以及批量运行(多提示词或多变体)。工作流先判断意图(生成、编辑或批量),收集提示词、精确文本、约束与输入图片/蒙版,再将提示词整理为结构化规格,运行内置 CLI(scripts/image_gen.py),检查输出并迭代。
使用方式:依赖 openai 与 pillow,推荐用 uv 安装:uv pip install openai pillow;若不可用则用 python3 -m pip install openai pillow。实时调用需设置 OPENAI_API_KEY,密钥应在本地环境变量中配置,不要在聊天中粘贴完整密钥。批量任务可写临时 JSONL 到 tmp/,完成后删除;最终产物写入 output/imagegen/,可用 --out 或 --out-dir 控制路径。编辑使用 client.images.edit(...),并传入输入图片及可选蒙版。
适用场景:按资产类型分为生成类(写实自然、产品样机、UI 样机、信息图、Logo 品牌、插画故事、风格化概念、历史场景)与编辑类(文本本地化、身份保持、精确物体编辑、光照天气、背景提取、风格迁移、合成、草图渲染)。
限制:必须设置 OPENAI_API_KEY 才能实时调用;不得修改 scripts/image_gen.py;若缺少关键细节且阻碍成功,应先询问;未提供的信息(如具体价格、平台支持范围)暂未提供。