SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场baoyu-image-gen

baoyu-image-gen

设计与创作

查看项目

更新于 10-16 09:25

技能介绍

用途

baoyu-image-gen 是一个基于官方 API 的 AI 图像生成技能（Image Generation, AI SDK），用于通过命令行脚本调用 OpenAI、Google 和 DashScope（阿里通义万象）三家提供商的图像生成能力。

主要能力

  • 支持文生图，可通过 --prompt 或 --promptfiles 提供提示词。
  • 支持参考图（仅 Google 多模态），通过 --ref 指定。
  • 支持宽高比设置，可选 1:1、16:9、9:16、4:3、3:4、2.35:1。
  • 支持尺寸（--size，如 1024x1024）与质量预设（--quality normal|2k，默认 2k）。
  • 支持指定提供商（--provider google|openai|dashscope，默认 google）、模型 ID（--model）、生成数量（--n）以及 JSON 输出（--json）。
  • 默认按顺序逐张生成，保证输出稳定、便于调试；仅在用户明确要求并行/并发时使用并行生成。

使用方式

脚本路径为 ${SKILL_DIR}/scripts/main.ts，其中 SKILL_DIR 为 SKILL.md 文件所在目录。基本调用示例：

npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png

带宽高比：

npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A landscape" --image out.png --ar 16:9

高质量：

npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image out.png --quality 2k

从提示词文件读取：

npx -y bun ${SKILL_DIR}/scripts/main.ts --promptfiles system.md content.md --image out.png

带参考图（仅 Google 多模态）：

npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Make blue" --image out.png --ref source.png

指定提供商：

npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image out.png --provider openai

DashScope（阿里通义万象）：

npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只可爱的猫" --image out.png --provider dashscope

选项

  • --prompt <text>, -p：提示词文本。
  • --promptfiles <files...>：从文件读取提示词（拼接）。
  • --image <path>：输出图像路径（必填）。
  • --provider google|openai|dashscope：强制指定提供商（默认 google）。
  • --model <id>, -m：模型 ID。
  • --ar <ratio>：宽高比（如 16:9、1:1、4:3）。
  • --size <WxH>：尺寸（如 1024x1024）。
  • --quality normal|2k：质量预设（默认 2k）。
  • --imageSize 1K|2K|4K：Google 图像尺寸（默认由 quality 决定）。
  • --ref <files...>：参考图（仅 Google 多模态）。
  • --n <count>：图像数量。
  • --json：JSON 输出。

环境变量

  • OPENAI_API_KEY：OpenAI API 密钥。
  • GOOGLE_API_KEY：Google API 密钥。
  • DASHSCOPE_API_KEY：DashScope API 密钥（阿里云）。
  • OPENAI_IMAGE_MODEL：OpenAI 模型覆盖。
  • GOOGLE_IMAGE_MODEL：Google 模型覆盖。
  • DASHSCOPE_IMAGE_MODEL：DashScope 模型覆盖（默认 z-image-turbo）。
  • OPENAI_BASE_URL：自定义 OpenAI 端点。
  • GOOGLE_BASE_URL：自定义 Google 端点。
  • DASHSCOPE_BASE_URL：自定义 DashScope 端点。

加载优先级：CLI 参数 > 环境变量 > <cwd>/.baoyu-skills/.env > ~/.baoyu-skills/.env。

提供商选择

  • 指定 --provider → 使用该提供商。
  • 仅有一个可用 API 密钥 → 使用该提供商。
  • 多个可用 → 默认 Google。

质量预设

  • normal：Google imageSize 1K，OpenAI Size 1024px，用于快速预览。
  • 2k（默认）：Google imageSize 2K，OpenAI Size 2048px，用于封面、插画、信息图。
  • Google imageSize 可通过 --imageSize 1K|2K|4K 覆盖。

宽高比

支持 1:1、16:9、9:16、4:3、3:4、2.35:1。Google 多模态使用 imageConfig.aspectRatio；Google Imagen 使用 aspectRatio 参数；OpenAI 映射到最接近的受支持尺寸。

生成模式

默认顺序生成（一次一张），确保输出稳定、便于调试。并行生成仅在用户明确要求并行/并发时使用。并行设置：推荐并发 4 个子代理，最大并发 8 个子代理，适用于用户要求并行的大批量生成。并行模式通过 Task 工具启动多个生成任务，每个 Task 作为后台子代理运行（run_in_background=true），全部完成后通过 TaskOutput 收集结果。

偏好配置（EXTEND.md）

使用 Bash 检查 EXTEND.md 是否存在，优先级顺序：先项目级 .baoyu-skills/baoyu-image-gen/EXTEND.md，再用户级 $HOME/.baoyu-skills/baoyu-image-gen/EXTEND.md。找到则读取、解析并应用设置；未找到则使用默认值。EXTEND.md 支持：默认提供商、默认质量、默认宽高比。

错误处理

  • 缺少 API 密钥 → 报错并给出设置说明。
  • 生成失败 → 自动重试一次。
  • 无效宽高比 → 警告，使用默认值继续。
  • 参考图与非多模态模型 → 警告，忽略参考图。

适用场景

适用于需要通过命令行脚本调用 OpenAI、Google 或 DashScope 官方 API 生成图像的场景，包括单张图像生成、小批量生成、封面/插画/信息图制作，以及在用户明确要求时的大批量并行生成。

限制

  • 参考图功能仅支持 Google 多模态模型。
  • 并行生成仅在用户明确要求时使用。
  • 需要相应的 API 密钥（OPENAI_API_KEY、GOOGLE_API_KEY 或 DASHSCOPE_API_KEY）。
  • 关于收费、价格、具体平台效果等信息，资料暂未提供。