generate-image

生成图像

使用 Nano Banana Pro（gemini-3-pro-image）生成图像。

适用场景

用户要求以下操作时，使用此技能：

• 根据文本提示词生成图像
• 创作艺术作品、插画或图形
• 生成现有图像的变体（img2img）
• 使用多张参考图像创建场景（角色 + 地点 + 其他角色）

风格选择

如果用户未指定风格，请先提出一道多选题：

你希望如何处理艺术风格？

1. 挑选风格 - 以可视化方式浏览 167 种风格并选择一种
2. 由我选择 - 我会根据你的提示词推荐一种风格
3. 什么是风格？ - 了解风格系统的工作原理
4. 不使用风格 - 不指定特定艺术风格来生成

使用 AskUserQuestion 工具呈现此选项。

如果用户选择“挑选风格”，启动风格选择器（默认使用挑选模式）：

STYLE_JSON=$(bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/browsing-styles/scripts/preview_server.ts)

选择器会在浏览器中打开。用户点击一种风格，查看详情弹窗，然后点击“Select This Style”。STYLE_JSON 会以 JSON 格式接收所选内容，随后服务退出。解析 id 字段，并通过 --style <id> 将其传递给生成命令。

如果用户选择“由我选择”，请根据用户的提示词选择最合适的风格，并说明原因。使用下方“向用户推荐风格”部分中的风格建议。

如果用户选择“什么是风格？”，请说明：共有 167 种精选艺术风格，涵盖 10 个类别（传统、数字、插画、摄影、设计、复古、技法、装饰、创意、文化）。每种风格都包含提示词提示和一张视觉参考图块，会发送给 Gemini，以便更好地遵循风格。然后再次询问风格问题。

如果用户已指定风格（例如“生成水彩风格的图像”），则完全跳过此步骤，直接使用 --style。

先了解设计方向

重写提示词前，先提出澄清问题，了解用户的意图：

1. 用途：图像有什么用途？（横幅、徽标、社交媒体、产品图、艺术作品）
2. 配色方案：是否有品牌色？深色/浅色主题？特定情绪？
3. 构图限制：需要什么宽高比？是否需要预留文字叠加空间？满版还是带边框？
4. 关键元素：必须包含什么？应该避免什么？

对于“生成一张猫的图像”这类简单请求，可以采用合理的默认设置直接处理。对于“为我的应用创建一张横幅”这类复杂请求，则需要先澄清，以免浪费迭代次数。

重写提示词（关键）

生成任何图像之前，务必使用 references/prompt-guide.md 中的指南重写用户的提示词。

核心原则：“描述场景，而不只是罗列关键词。”

重写检查清单

通过添加以下内容来扩充简单提示词：

1. 主体细节：具体外观、服装、表情、材质
2. 环境/场景：地点、时间、天气、室内/室外
3. 光线：自然光/人造光、方向、质感、色温
4. 构图：拍摄角度、距离、取景、焦距
5. 风格/美学：写实、插画风格、艺术流派
6. 情绪/氛围：情感基调、配色氛围
7. 技术规格：宽高比、细节程度、纹理

示例转换

用户说：“我应用的横幅” 改写后的提示词：“一张现代、满幅铺展的科技应用横幅。深色渐变背景，从深海军蓝过渡到黑色。抽象的几何网络可视化图案，发光节点由细线连接。简洁的无衬线字体位于中心偏左。专业、前沿的科技美学，无可见边框或边缘——设计无缝延伸至所有边缘。16:9 宽高比。”

用户说：“一只猫” 改写后的提示词：“一只蓬松的橙色虎斑猫慵懒地躺在洒满阳光的窗台上，柔和的午后光线在它的毛发上营造出温暖的光泽。猫咪姿态放松，双眼半闭，尽显惬意。以低角度拍摄，采用浅景深，背景是模糊的花园景色。写实风格，暖色调。”

推荐工作流

采用“草稿 → 迭代 → 定稿”的方式，可节省时间和 API 成本：

1. 草稿阶段（1K）：使用默认分辨率快速生成，以测试提示词
2. 迭代阶段：逐步完善提示词，每次尝试都创建新文件
3. 定稿阶段（4K）：仅在提示词经过验证后才生成高分辨率图像

不要读取图像内容——脚本只会输出文件路径。这样可以高效迭代，避免 Claude 加载大型图像数据。

用法

bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "prompt" [options]

选项

• --input <path> - 参考图像（可多次指定，最多 14 张图像）
• --style <id> - 应用风格库中的风格（参见 browsing-styles 技能）
• --size <1K|2K|4K|WxH> - 图像尺寸（默认：由模型决定）。1K/2K/4K 会在每个提供商上设置像素预算。openai 也接受精确的 WxH，例如 3840x1280。
• --aspect <ratio> - gemini：1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9。openai：任意 W:H，范围为 1:3 到 3:1（例如用 3:1 制作宽幅横幅）。不要与 --size WxH 同时使用。
• --quality <low|medium|high|xhigh|max|auto> - 仅适用于 openai（默认 auto）。xhigh 和 max 是 Image 2.5 中新增的选项。Gemini 和 xai 不接受此标志。
• --negative <prompt> - 负面提示词（要避免的内容）
• --count <n> - 图像数量（1-4，默认：1）
• --guidance <n> - 引导系数
• --seed <n> - 用于确保结果可复现的随机种子
• --output <path> - 输出路径
• --transparent - 透明/alpha 背景（OpenAI 使用 background=transparent；Gemini 也支持）
• --provider <name> - gemini、openai 或 xai。省略时会自动选择最适合该请求的可用提供商（参见 Models）。
• --model <id> - OpenAI Image 2.5 变体：flare / gpt-image-2.5-flare（默认）或 sunburst / gpt-image-2.5-sunburst。会将提供商设为 openai。旧版提供商别名 gemini|openai|xai|grok 仍可使用，但已弃用——请改用 --provider。

示例

# Simple generation
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "cyberpunk cityscape at night"

# With art style (100+ available, use short names or full IDs)
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "mountain landscape" --style impressionism
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "portrait" --style ukiy
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "city street" --style noir

# High-res with specific aspect ratio
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "mountain landscape" --size 4K --aspect 16:9

# With negative prompt
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "portrait of a cat" --negative "low quality, blurry"

# Combine style with other options
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "cat sleeping" --style wtrc --size 4K --aspect 1:1

# Generate multiple variations
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "abstract art" --count 4

# Single reference image (img2img)
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "make it look like a watercolor painting" --input photo.jpg

# Multiple reference images (character consistency, scene composition)
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "King on throne in dramatic lighting" \
  --input character.png \
  --input throne-room.png \
  --aspect 16:9 --size 2K

# Multiple characters in a scene
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "Two warriors facing each other in combat" \
  --input warrior1.png \
  --input warrior2.png \
  --input battlefield.png \
  --aspect 16:9

多张参考图像

Gemini 每次请求最多支持 14 张参考图像：

• 6 个物体 - 地点、物品、环境
• 5 个人物 - 确保多次生成的角色一致性
• 使用详细提示词，描述如何组合参考图像
• 参考图像有助于在不同场景的生成过程中保持一致性

常见格式

格式	宽高比	推荐尺寸	裁剪目标
OG / 社交分享	16:9	2K	使用 sips 裁剪为 1200x630
Twitter 卡片	16:9	2K	使用 sips 裁剪为 1200x628
主视觉横幅	16:9	4K	全宽
头像	1:1	1K	512x512 或 1024x1024
限时动态 / Reel	9:16	2K	1080x1920
团队阵容	21:9	2K	全宽

社交媒体分享图片工作流

4 个步骤缺一不可。不要跳过优化。

1. 生成：采用 16:9 比例和主体居中的提示词，并设置 --size 2K（适用于 Retina 屏幕）：

   bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "CENTER all important elements, no content near edges. [your prompt]" --aspect 16:9 --size 2K --output social-share.png
   

2. 裁剪：调整为平台要求的精确尺寸：

   sips -z 630 1200 -c 630 1200 social-share.png --out social-share-og.png   # OG
   sips -z 628 1200 -c 628 1200 social-share.png --out social-share-tw.png   # Twitter
   

3. 优化：转换为质量为 85% 的 JPEG（社交媒体图片不需要透明背景）：

   sips -s format jpeg -s formatOptions 85 social-share-og.png --out social-share-og.jpg
   

4. 验证：检查尺寸和文件大小：

   sips -g pixelWidth -g pixelHeight social-share-og.jpg
   ls -la social-share-og.jpg  # Target: <500KB
   

为什么要优化？ Gemini 输出的 PNG 约为 1–2MB。转换为质量为 85% 的 JPEG 后，文件大小可降至约 200–400KB，且不会产生肉眼可见的质量损失。社交平台会重新压缩上传的图片，因此使用经过充分优化的 JPEG 可以避免二次压缩造成的瑕疵。

可用风格

9 个类别中共有 100 多种风格：传统艺术、数字艺术、插画、摄影、设计/UI、复古、技法、装饰，以及创意/材料风格。

如果某种风格有对应的平铺参考图片（assets/tiles/<id>.png），系统会自动将其与提示词提示一同发送给 Gemini，作为视觉参考，从而大幅提升风格还原度。

向用户推荐风格

生成图片时，主动推荐相关风格：

• 风景：impr、roma、wtrl、cine
• 肖像：barq、prer、anim、fnoi
• UI/网页：brut、nbrt、glas、flat
• 复古/怀旧：y2k、frug、psyc、koda
• 奇趣/有趣：ghbl、kawa、chld、brit
• 戏剧化：cybr、nnoi、surr、expr
• 创意风格：sand、undr、orig、clay、lego

浏览所有风格：bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/browsing-styles/scripts/list_styles.ts --table 搜索：bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/browsing-styles/scripts/list_styles.ts --search "watercolor"

模型与提供商

共有 3 个提供商，可通过 --provider 选择；省略时则自动选择。

提供商	模型	密钥	优势	不支持
gemini（默认回退选项）	gemini-3-pro-image（Nano Banana Pro）	GEMINI_API_KEY	风格平铺图、最多 14 张参考图片、专用负面提示词、透明背景、1K/2K/4K	—
openai	gpt-image-2.5-flare（Flare，默认）/ gpt-image-2.5-sunburst（Sunburst，--model sunburst）	OPENAI_API_KEY	图片内文字效果最佳、光照/纹理、复杂指令、详细布局、透明背景、最长边最高 3840px 的自定义尺寸和 1:3–3:1 的宽高比、最高 max 质量、图生图（通过编辑端点使用 --input，最多 16 张）	不支持风格平铺图，不支持专用负面提示参数
xai	grok-imagine-image-quality	XAI_API_KEY	速度快，限制更少；适用于 Gemini 的过滤器拦截无害提示词时	仅支持文生图——不支持图生图、平铺图或负面提示词

自动选择（省略 --provider 时的默认行为）

脚本会选择密钥已配置且支持请求所需功能的最佳提供商。优先级为 openai > gemini > xai。

--input（图生图/参考图片）由 openai 和 gemini 均支持——openai 通过 Image 2.5 编辑端点处理，gemini 则通过 Nano Banana Pro 处理（后者还支持风格平铺图和最多 14 张参考图片）。因此，如果已配置 openai 的密钥，图生图请求会自动选择 openai；若要使用 Gemini 的风格平铺图/多参考图合成，请传入 --provider gemini。

--transparent 由 openai 和 gemini 均支持（OpenAI 会传入 background=transparent）。如果请求使用 --style（风格平铺图）或 --negative（专用负面提示参数），功能检查仍会强制选择 Gemini——只有 Gemini 支持这些功能。使用 /gemskills:setup 或 GEMSKILLS_IMAGE_PROVIDER 设置固定默认值。

选择 openai 时，如果指定了 --style，系统会移除风格平铺图片（但仍会应用文本提示）；--negative 则会合并到提示词中，作为 Avoid: … 子句。xAI 还会移除参考图片（仅支持文生图）。

提示词模板（按提供方调整）

每个提供方解析提示词的方式都不同。确定提供方后，请阅读对应指南，并据此重写提示词：

• providers/prompts/image.gemini.md
• providers/prompts/image.openai.md
• providers/prompts/image.xai.md

# Force a provider / Image 2.5 variant
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "neon city street, rain" --provider openai --size 4K --quality high
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "panoramic website footer city" --model sunburst --aspect 3:1 --size 4K   # 3840x1280
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "app icon, rounded square" --model sunburst --transparent
bun run --cwd ${CLAUDE_PLUGIN_ROOT} ${CLAUDE_PLUGIN_ROOT}/skills/generate-image/scripts/generate.ts "watercolor fox" --provider xai

OpenAI 尺寸规则（Image 2.5）

API 接受 auto 或 WIDTHxHEIGHT，其中宽高都必须能被 16 整除，宽高比须在 1:3 到 3:1 之间，最大边长为 3840，总像素数须在 655,360 到 8,294,400 之间。脚本会根据 --size 档位和 --aspect 计算有效尺寸；对于任何 API 会拒绝的尺寸，都会报错并停止。它绝不会将无效尺寸改为 auto。根据 OpenAI 的说明，超过 2560x1440 的尺寸属于实验性尺寸。Image 2.5 不支持 input_fidelity，因此绝不会发送此参数。

费用根据响应中的 usage 和已公布的每 Token 价格计算（每 100 万 Token：文本输入 $5、图像输入 $8、图像输出 $30）。没有价格条目的模型会显示“无价格数据”。

已验证的模型：2026 年 9 月（gpt-image-2.5-flare、gpt-image-2.5-sunburst、grok-imagine-image-quality、gemini-3-pro-image）。如果已有更新一代的模型，请停止并建议向 b-open-io/gemskills 提交 PR。

参考文件

有关详细的提示词策略和技巧：

• references/prompt-guide.md - 全面的 Gemini 提示词指南，包含 7 种策略、示例改写，以及来自 Google 官方文档的最佳实践
• ask-gemini 技能的 references/gemini-api.md - 当前的 Gemini 模型、SDK 信息，以及通过 llms.txt 获取的动态文档