baoyu-image-gen

图像生成（AI SDK）

通过基于官方 API 的方式生成图像。支持 OpenAI（DALL-E、GPT Image）和 Google（Imagen、Gemini 多模态）。

脚本目录

重要：所有脚本都位于此技能的 scripts/ 子目录中。

Agent 执行说明：

1. 将此 SKILL.md 文件所在目录路径确定为 SKILL_DIR
2. 脚本路径 = ${SKILL_DIR}/scripts/<script-name>.ts
3. 将本文档中的所有 ${SKILL_DIR} 替换为实际路径

脚本参考：

脚本	用途
scripts/main.ts	图像生成 CLI 入口点

快速开始

# Basic generation (auto-detect provider)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png

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

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

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

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

# With reference images (Google multimodal only)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Make blue" --image out.png --ref source.png

命令

基本图像生成

# Generate with prompt
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A sunset over mountains" --image sunset.png

# Shorthand
npx -y bun ${SKILL_DIR}/scripts/main.ts -p "A cute robot" --image robot.png

宽高比

# Common ratios: 1:1, 16:9, 9:16, 4:3, 3:4, 2.35:1
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A portrait" --image portrait.png --ar 3:4

# Or specify exact size
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Banner" --image banner.png --size 1792x1024

参考图像（Google 多模态）

# Image editing with reference
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Make it blue" --image blue.png --ref original.png

# Multiple references
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Combine these styles" --image out.png --ref a.png b.png

质量预设

# Normal quality (default)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png --quality normal

# High quality (2k resolution)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png --quality 2k

输出格式

# Plain output (prints saved path)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png

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

选项

选项	描述
--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	强制指定提供方（默认：google）
--model <id>、-m	模型 ID
--ar <ratio>	宽高比（例如：16:9、1:1、4:3）
--size <WxH>	尺寸（例如：1024x1024）
--quality normal|2k	质量预设（默认：normal）
--ref <files...>	参考图像（仅限 Google 多模态）
--n <count>	图像数量
--json	JSON 输出
--help、-h	显示帮助

环境变量

变量	描述	默认值
OPENAI_API_KEY	OpenAI API 密钥	-
GOOGLE_API_KEY	Google API 密钥	-
OPENAI_IMAGE_MODEL	OpenAI 模型	gpt-image-1.5
GOOGLE_IMAGE_MODEL	Google 模型	gemini-3-pro-image-preview
OPENAI_BASE_URL	自定义 OpenAI 端点	-
GOOGLE_BASE_URL	自定义 Google 端点	-

加载优先级：CLI 参数 > process.env > <cwd>/.baoyu-skills/.env > ~/.baoyu-skills/.env

提供方与模型策略

自动选择

1. 如果指定了 --provider → 使用该提供方
2. 如果只有一个 API 密钥可用 → 使用对应的提供方
3. 如果两个密钥都可用 → 默认使用 Google（多模态大模型用途更广）

按模型类型选择 API

模型类别	API 函数	示例模型
Google 多模态	generateText	gemini-2.0-flash-exp-image-generation
Google Imagen	experimental_generateImage	imagen-3.0-generate-002
OpenAI	experimental_generateImage	gpt-image-1、dall-e-3

可用模型

Google：

• gemini-3-pro-image-preview - 默认，多模态生成
• gemini-2.0-flash-exp-image-generation - Gemini 2.0 Flash
• imagen-3.0-generate-002 - Imagen 3

OpenAI：

• gpt-image-1.5 - 默认，GPT Image 1.5
• gpt-image-1 - GPT Image 1
• dall-e-3 - DALL-E 3

质量预设

预设	OpenAI	Google	使用场景
normal	1024x1024	默认	封面、插图
2k	2048x2048	提示词中写入“2048px”	信息图、幻灯片

宽高比处理

• 多模态大模型：嵌入提示词中（例如："... aspect ratio 16:9"）
• 纯图像模型：使用 aspectRatio 或 size 参数
• 常见比例：1:1、16:9、9:16、4:3、3:4、2.35:1

示例

生成封面图像

npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --prompt "A minimalist tech illustration with blue gradients" \
  --image cover.png --ar 2.35:1 --quality 2k

生成社交媒体帖子

npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --prompt "Instagram post about coffee" \
  --image post.png --ar 1:1

使用参考图像编辑图像

npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --prompt "Change the background to sunset" \
  --image edited.png --ref original.png --provider google

根据提示词文件批量生成

# Create prompt file with detailed instructions
npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --promptfiles style-guide.md scene-description.md \
  --image scene.png

错误处理

• 缺少 API 密钥：提供清晰的错误信息和设置说明
• 生成失败：自动重试一次，然后报错
• 无效宽高比：发出警告，并使用默认值继续
• 纯图像模型搭配参考图像：发出警告，并忽略参考图像

扩展支持

通过 EXTEND.md 自定义配置。

检查路径（优先级顺序）：

1. .baoyu-skills/baoyu-image-gen/EXTEND.md（项目）
2. ~/.baoyu-skills/baoyu-image-gen/EXTEND.md（用户）

如果找到，则在工作流开始前加载。扩展内容会覆盖默认设置。