baoyu-image-gen 是基于官方 API 的图像生成技能,支持 OpenAI、Google 和 DashScope(阿里通义万象)三类提供商。
用途:通过命令行根据提示词生成图片,并可将结果写入指定路径。
主要能力:支持文生图、参考图(Google 多模态或 OpenAI edits,需 GPT Image 模型)、宽高比(1:1、16:9、9:16、4:3、3:4、2.35:1)、尺寸(--size)、质量预设(normal/2k,默认 2k,Google 可用 --imageSize 1K|2K|4K)以及多图数量(--n)。提示词也可从文件读取(--promptfiles)。
使用方式:脚本位于 ${SKILL_DIR}/scripts/main.ts,以 Bun 运行。示例:npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png;指定 16:9 加 --ar 16:9;指定提供商加 --provider openai|google|dashscope;参考图加 --ref source.png。环境变量包括 OPENAI_API_KEY、GOOGLE_API_KEY、DASHSCOPE_API_KEY 及各自的模型与 BASE_URL 覆盖项(如 DASHSCOPE_IMAGE_MODEL 默认 z-image-turbo)。配置优先级为:CLI 参数 > EXTEND.md > 环境变量 > <cwd>/.baoyu-skills/.env > ~/.baoyu-skills/.env。EXTEND.md 可设默认提供商、质量、宽高比、尺寸与模型,路径为项目级 .baoyu-skills/baoyu-image-gen/EXTEND.md 或用户级 $HOME/.baoyu-skills/baoyu-image-gen/EXTEND.md。未指定提供商且带参考图时,先 Google 后 OpenAI;仅一个可用密钥则用之,多个则默认 Google。
限制:默认顺序生成,仅当用户明确要求并行时才用并行模式(建议 4 个子代理,最多 8);缺少 API 密钥会报错,生成失败自动重试一次,非法宽高比会警告并使用默认值,参考图配不支持的提供商/模型会报错。