用途:这是一个图像生成助手技能,当用户要求生成、创建或制作图片、纹理、图标、精灵图、美术素材或原型图时调用,通过 OpenAI 或 Google Gemini 接口生成图像并保存到本地。
主要能力:支持两个提供方。OpenAI 使用 gpt-image-2(可选 gpt-image-1),质量高、文字渲染好、按图计费;Google Gemini(Nano Banana)速度快、有免费额度、适合反复迭代。可指定尺寸(1024x1024、1024x1536、1536x1024、auto)与质量(low、medium、high)。
使用方式:先检查环境变量 SKILL_IMAGE_GEN_OPENAI_KEY 与 SKILL_IMAGE_GEN_GEMINI_KEY。只设置一个则直接使用该提供方;两个都设置则按场景选择或询问用户偏好;都未设置则进入引导流程,让用户选择提供方并获取 API 密钥(OpenAI 见 https://platform.openai.com/api-keys,Gemini 见 https://aistudio.google.com/apikey),随后将密钥写入当前会话并持久化到 shell 配置。OpenAI 调用 POST https://api.openai.com/v1/images/generations,请求头为 Authorization: Bearer <SKILL_IMAGE_GEN_OPENAI_KEY> 与 Content-Type: application/json,响应中 data[0].b64_json 为 base64 图像,若有 data[0].url 则从该地址下载。Gemini 调用 POST https://generativelanguage.googleapis.com/v1beta/models/<model>:generateContent,请求头为 x-goog-api-key: <SKILL_IMAGE_GEN_GEMINI_KEY>,模型默认 gemini-2.0-flash-exp,可选 gemini-2.5-flash-image,响应中查找 candidates[0].content.parts[] 里带 inlineData.data 与 inlineData.mimeType 的部分并解码保存。
适用场景:生成游戏纹理(可在提示词中加入 seamless、tileable、game asset)、图标、精灵图、美术素材、原型图等;批量生成时可并行发起多次 API 调用。
限制:需要自备 API 密钥;Gemini 可能因安全策略返回 promptFeedback.blockReason 或 finishReason: "SAFETY" 而被过滤;保存前需先创建输出目录,并注意转义提示词中的特殊字符。具体价格与免费额度以各提供方官方说明为准。