用途:当用户要求用 Gemini 生成或编辑图像时使用此技能,基于 Python SDK 调用 Gemini API。
主要能力:支持文生图、图像编辑(图生图)和多参考图合成;支持 Google Search grounding。
使用方式:先识别任务类型(文生图、编辑或多参考图);确保 GEMINI_API_KEY 可用(环境变量或 .env 中保存),再使用 Python SDK,会向 Gemini API 发起网络请求;选择模型与输出(仅需图像时用 response_modalities=["IMAGE"])后运行;用 part.as_image() 保存返回的图像,若无图像则报告明确错误。默认模型为 gemini-3-pro-image-preview,gemini-2.5-flash-image 仅作为可选更快、更便宜的替代。Python SDK 用法可参考 references/python.md。
限制与注意:图像生成可能耗时约 30 秒,用 shell 工具运行命令时应设置更长超时(如 60–120 秒),避免过早超时;若未返回图像部分,需提示检查 API key、模型名称与响应模态。
其余细节(如具体费用、配额、平台限制)暂未提供。