用途：该技能面向 Python 脚本编写与 Gemini 图像生成，适用于用户要求生成图像、创作 AI 艺术、用 AI 编辑图像或执行相关脚本任务的场景。核心思路是用 uv 配合 heredoc 编写小巧、聚焦的脚本，一次性任务无需落地文件。
主要能力：支持快速图像生成（内联 Python heredoc）、复杂工作流（生成→精修→保存，拆分为多个脚本迭代）、非图像类的 Python 脚本任务（同样用 uv run 模式）。可配置宽高比（1:1、16:9、9:16、4:3、3:4）与分辨率（1K、2K、4K，需大写），可同时输出文本与图像，也可对已有图像进行编辑（把图像作为输入传入请求）。
使用方式：脚本通过 uv run - << 'EOF' 内联执行，依赖以 TOML 的 # /// script 块声明，常用依赖为 google-genai 与 pillow（后者用于 .as_image() 与保存图像）。生成结果默认保存到 tmp/ 目录，并打印状态。仅在脚本需重复使用、较复杂需迭代或用户明确要求保存时才写入文件。复杂任务采用“写脚本→运行观察→评估→决定是否精修”的循环。模型方面资料提到 gemini-3-pro-image-preview（Nano Banana Pro），默认推荐使用它，除非用户指定其他模型、想节省成本或要求更简单的快速生成。模型配置通过 types.GenerateContentConfig 的 response_modalities 与 image_config 设置。
适用场景：快速生成单张图像、批量或分步图像处理、AI 图像编辑、以及一般性的 Python 脚本执行。
限制与排查：需要设置 GOOGLE_API_KEY；脚本失败时可检查错误信息、确认 API Key、简化提示词、检查编辑图像的格式兼容性；可打印 response.parts 查看返回内容，立即保存图像以目视验证，并用 Read 工具查看结果。关于更复杂的场景（思考过程、Google Search grounding、多轮对话、专业资产制作），资料提示加载 references/guide.md。收费、价格与平台支持等细节暂未提供。