用途:通过 AI SDK 调用 OpenAI 与 Google 官方 API 生成图像,支持文本生成、参考图编辑,并可按提供方、模型、宽高比与画质进行配置。
主要能力:
- 文本生成图像,自动检测提供方,也可用 --provider google|openai 指定。
- 参考图编辑(仅 Google 多模态),可用 --ref 传入一张或多样图。
- 宽高比 --ar(如 1:1、16:9、9:16、4:3、3:4、2.35:1)或尺寸 --size(如 1024x1024)。
- 画质预设 --quality normal|2k。
- 从文件读取提示词 --promptfiles,支持多文件拼接。
- 输出可为纯文本路径或 --json;--n 控制生成数量。
使用方式:脚本在技能目录的 scripts/ 子目录,需将文中 ${SKILL_DIR} 替换为实际路径。 基础生成:npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png 指定宽高比:npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A landscape" --image landscape.png --ar 16:9 高质量:npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png --quality 2k 指定提供方:... --provider openai 从提示词文件:... --promptfiles system.md content.md --image out.png 参考图:... --prompt "Make blue" --image out.png --ref source.png
环境变量:OPENAI_API_KEY、GOOGLE_API_KEY,另有 OPENAI_IMAGE_MODEL、GOOGLE_IMAGE_MODEL、OPENAI_BASE_URL、GOOGLE_BASE_URL。优先级为 CLI 参数 > 环境变量 > 项目 .env > 用户 .env。默认模型为 gpt-image-1.5 与 gemini-3-pro-image-preview。
限制:参考图仅 Google 多模态支持,用于仅图像模型时会警告并忽略;无效宽高比会警告并使用默认值;缺少密钥或生成失败会报错,失败自动重试一次。更多模型、自定义端点与扩展配置细节暂未提供。