用途:通过官方 API 进行 AI 图像生成,作为一项技能(skill)在智能体运行时中调用,支持单张与批量出图。
主要能力:支持 OpenAI GPT Image 2.5、Azure OpenAI、Google、OpenRouter、DashScope(阿里通义万象)、Z.AI GLM-Image、MiniMax、Jimeng(即梦)、Seedream(豆包)、Replicate、Agnes 以及 codex-cli 等提供方;支持提示词文件、参考图、宽高比、质量预设、显式尺寸、批量模式与 JSON 输出。参考图可用于身份保持,但 Jimeng、Seedream 3.0、SeedEdit 3.0 及 wan2.7-image 系列之外的 DashScope 模型不支持 --ref。
使用方式:主脚本为 {baseDir}/scripts/main.ts,需先完成首次配置生成 EXTEND.md(未生成前禁止出图)。基础命令示例:${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image cat.png。批量模式:${BUN_X} {baseDir}/scripts/main.ts --batchfile batch.json --jobs 4。常用参数包括 --provider、--model、--ar、--size、--quality、--ref、--n、--json。密钥通过环境变量提供,如 OPENAI_API_KEY、GOOGLE_API_KEY、DASHSCOPE_API_KEY 等。配置优先级为 CLI 参数 > EXTEND.md > 环境变量 > 项目 .env > 用户 .env。
适用场景:封面、插画、信息图、需要参考图保持人物/物体一致性的编辑,以及批量出图流程。
限制:codex-cli 不会被自动选中,需显式指定且要求 PATH 中有 codex 并已登录;Codex/ChatGPT OAuth 登录不等同于 OPENAI_API_KEY,不可混用;Replicate 要求 --n 1;Google 最便宜的 gemini-3.1-flash-lite-image 仅输出 1K,2K/4K 会被钳制;ratio-metadata 方言目前仅适用于文生图,参考图编辑仍需 openai-native。具体价格与计费信息暂未提供。