用途：在 Claude Code 中调用 Google Gemini 与 OpenAI GPT 图像 API 直接生成专业图片，并给出提示词写法与 API 调用机制。
主要能力：按需求选模型——写实场景用 Gemini 3.1 Flash Image，高细节客户场景用 Gemini 3 Pro Image，图上文字（海报、OG 图、信息图）用 GPT Image 2，10 种风格变体与多参考图合成也用 GPT Image 2，透明图标/Logo 用 GPT Image 1.5，快速草稿用 Gemini 2.5 Flash Image。GPT Image 2 支持可靠文字渲染（含非拉丁文字）、单次最多 10 张批量变体、多参考图合成；宽高比覆盖 3:1 到 1:3 及常用比例，长边最高 2K（4K 测试中），复杂提示最长约 2 分钟。
使用方式：设置 GEMINI_API_KEY 或 OPENAI_API_KEY 环境变量；用五段式提示词框架（图像类型、主体、环境、技术规格、排除项）构建提示；Gemini 用 Python 调用 generateContent，GPT 用 /v1/images/generations；生成后可转 WebP、裁剪透明图标，并可回传视觉模型做质检。多轮编辑需保留模型返回的 thoughtSignature，并明确说明哪些元素保持不变。
限制：Gemini 与 GPT Image 2 均不支持透明背景，需透明时用 gpt-image-1.5；GPT Image 1.5 文字渲染不可靠；模型 ID 变动频繁，使用前需核实；OpenAI 首次调用可能需完成组织验证；GPT Image 2 定价按 1024×1024 每张低 $0.006、中 $0.053、高 $0.211。托管替代方案 ImageBot 的具体信息暂未提供。