gemini-image-gen

Gemini Image Generator

使用 Gemini API 为 Web 项目生成贴合上下文的图像。可生成主视觉背景、OG 卡片、占位照片、纹理和风格匹配的变体。

设置

API 密钥：将 GEMINI_API_KEY 设置为环境变量。如果还没有密钥，请前往 https://aistudio.google.com/apikey 获取。

export GEMINI_API_KEY="your-key-here"

工作流

步骤 1：了解需求

从用户或项目上下文中收集以下信息：

• 内容：主视觉背景、产品照片、纹理、OG 图像、占位图
• 风格：暖色／冷色／简约／奢华／醒目——检查项目的配色方案（input.css、tailwind 配置）
• 尺寸：主视觉（1920x1080）、OG（1200x630）、正方形（1024x1024）、自定义
• 数量：单张图像，或多个可供选择的变体

步骤 2：编写提示词

使用具体的摄影参数，而非抽象的形容词。阅读references/prompting-guide.md，了解完整框架。

快速规则：

• 像指导摄影师一样描述画面
• 使用相机规格：「85mm f/1.8」、「24mm 广角」
• 使用项目配色中的颜色作为基准：「暖陶土色（#C66A52）和奶油色（#F5F0EB）色调」
• 描述光线：「从左侧照射的黄金时刻光线，4500K」
• 结尾始终加上：「No text, no watermarks, no logos, no hands」

步骤 3：生成

生成一个 Python 脚本（除标准库外无需其他依赖）来调用 Gemini API。脚本应：

1. 从环境变量读取 GEMINI_API_KEY
2. 向 https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent 发送 POST 请求
3. 在 generationConfig 中包含 "responseModalities": ["TEXT", "IMAGE"]
4. 解析响应：从 candidate parts 中提取 inlineData.data（base64）
5. 解码 base64 并保存为 PNG
6. 支持多个变体（生成 N 次，保存为 name-1.png、name-2.png）

若要匹配参考图像的风格，请将参考图像作为 inlineData part 放在文本提示词之前，并使用 0.7 的 temperature（而非 1.0）。

完整实现模式（包括错误处理和响应解析）请参阅 references/api-pattern.md。

重要：绝不要通过 curl + bash 参数传递提示词——shell 转义会因撇号而出错。请始终使用 Python 的 json.dumps()，或先将提示词写入文件。

步骤 4：后期处理（可选）

使用 image-processing 技能调整尺寸、转换格式或优化图像。

步骤 5：向用户展示

展示生成的图像供用户检查。如有可能，读取图像文件并以内嵌方式显示；否则说明生成的内容，并让用户自行打开图像。

预设

起始提示词——结合项目特定的上下文（颜色、氛围、主题）进行完善：

预设	基础提示词
hero-background	"宽阔且富有氛围感的背景，柔焦，[颜色色调]，[氛围]，1920x1080 横向画面"
og-image	"简洁的品牌卡片背景，[品牌颜色]，微妙渐变，1200x630"
placeholder-photo	"专业的库存风格照片，主体为[主题]，自然光线，暖色调"
texture-pattern	"微妙的重复纹理，[材质]，无缝拼接，柔和的[颜色]"
product-shot	"产品摄影，[物品]置于[表面]上，柔和的影棚灯光，干净的背景"

模型选择

用途	模型	费用
草稿、快速占位图	gemini-2.5-flash-image	免费（约 500 张／天）
最终客户素材	gemini-3-pro-image-preview	约 $0.04／张
风格匹配的变体	gemini-3-pro-image-preview + 参考图像	约 $0.04／张

如果发生错误，请核实当前模型 ID——它们经常变更。

参考文件

使用场景	阅读
编写有效提示词	references/prompting-guide.md
API 实现详情	references/api-pattern.md