google-gemini-image

使用 Gemini 制作静态图像

将此视为一套生产规范，而不是一堆形容词。先明确权利和交付要求，再选择路线和模型，为参考素材指定明确用途，生成可供审核的草稿，然后一次只修复一类缺陷。

证据标签与时效性

统一理解以下标签：

• 有文档记载的事实：在引用的 Google 第一方来源中明确说明。
• 推断：根据有文档记载的能力得出的结论；请在实际工作负载上验证。
• 生产经验法则：操作建议，并非服务提供商的保证。

本技能中的所有时效性信息均已于 2026-07-09 核实。在重要任务执行前，请重新确认模型 ID、发布阶段、地区、定价、配额、API 架构、保留政策和弃用日期。服务提供商使用的“最佳”或“专业”等说法属于市场定位，并非独立基准测试结果。

调用模型前明确任务范围

收集或推断以下字段。如果某项假设会影响权利、身份、事实含义或必需交付物，请先暂停并向用户询问。

deliverable: file count, channel, crop/aspect ratio, minimum pixels, file type
intent: what the image must communicate and to whom
must_preserve: identities, product geometry, approved logo, exact copy, legal marks
may_change: background, lighting, styling, pose, crop, color treatment
references: file -> role -> rights/consent -> priority
factuality: timeless invention | supplied facts | current facts requiring grounding
privacy: public | internal | confidential | personal/biometric
acceptance_tests: exact strings, subject match, layout, factual checks, brand checks
route_constraints: Gemini Developer API or Google Cloud; latency/cost/batch needs

不要涉及 Veo、动态生成或 Gemini Live/音频。Gemini 3.1 Flash Image 和 Gemini 3.1 Flash-Lite Image 可以通过 generateContent 接受视频作为上下文，并生成静态图像；但这仍是图像工作流，不要因此将本技能扩展为视频制作。

先选择路线

不要混用不同的请求载荷格式。在运行清单中记录路线、API 接口、SDK 版本、模型 ID、地区、存储设置和响应架构。

Gemini Developer API：Interactions API

**有文档记载的事实：**截至 2026 年 6 月，Interactions API 已正式发布，Google 建议新的 Gemini API 项目使用该 API。它使用 interactions.create；REST 端点为 https://generativelanguage.googleapis.com/v1beta/interactions，并使用 API 密钥。previous_interaction_id 用于检索已存储的对话历史。工具、系统指令和生成配置仅适用于当前交互，因此后续轮次需要重复提供。请求默认使用 store=true；除非关闭存储，否则付费层级的交互会保留 55 天，免费层级的交互会保留 1 天。store=false 会阻止后续使用 previous_interaction_id 和后台执行。Interactions 目前尚不支持自定义安全设置。Interactions API

若需要服务端续接、可观测步骤、当前图像功能或简洁的多轮编辑，请使用 Interactions。对于敏感内容，请评估付费服务条款和存储控制是否足够；只有在明确采用无状态历史方案时，才使用 store=false。

最简单轮图像请求：

from google import genai
import base64

client = genai.Client()  # GEMINI_API_KEY
interaction = client.interactions.create(
    model="gemini-3.1-flash-image",
    input="Create one editorial still image of a wind farm at dawn, viewed from a low hill.",
    response_format={
        "type": "image",
        "mime_type": "image/png",
        "aspect_ratio": "16:9",
        "image_size": "2K",
    },
)
with open("wind-farm.png", "wb") as f:
    f.write(base64.b64decode(interaction.output_image.data))

Gemini Developer API：generateContent

有文档记载的事实：generateContent 被视为旧版接口，但仍受全面支持。其请求载荷使用 contents/parts、generationConfig、响应模态和图像配置，而不是 Interactions 资源架构。Generate Content 图像指南

如果现有集成依赖该接口，或需要使用 Interactions 尚未提供的功能（例如自定义安全设置或 Batch API），请继续使用它。无状态多轮历史中应保留完整响应 parts 和思考签名。不要凭猜测转换字段名称；请查阅所选接口的最新指南。

完整的 Developer API generateContent 示例：

import os
from pathlib import Path

from google import genai
from google.genai import types

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
response = client.models.generate_content(
    model="gemini-3.1-flash-image",
    contents="Create one 16:9 editorial illustration of a coastal wetland at sunrise; no text.",
    config=types.GenerateContentConfig(
        response_modalities=["IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="2K"),
    ),
)
images = [part for part in response.candidates[0].content.parts if part.inline_data]
if len(images) != 1:
    raise RuntimeError(f"Expected one image part, received {len(images)}")
images[0].as_image().save(Path("wetland-developer.png"))

Google Cloud / Gemini Enterprise Agent Platform 路线

已记录的事实： Google Gen AI SDK 可以使用项目凭据和 location="global" 通过 Google Cloud 路由；当前模型卡列出了三种 Gemini 3 图像模型的全球可用性，以及数据驻留、CMEK、VPC-SC 和 AXT 等 Cloud 安全控制。Cloud REST 使用 OAuth/ADC 和项目范围的 aiplatform.googleapis.com 资源，而不是 Gemini Developer API 密钥端点。Cloud 模型可用性、发布阶段、API 版本和安全控制是彼此独立的约定，必须查阅当前模型卡进行确认。Cloud 快速入门，Gemini 3.1 Flash Image 模型卡，Cloud Interactions 参考

当 IAM、计费/项目治理、企业安全控制、可审计性、Cloud Storage 输入或 Cloud 消耗选项是必需条件时，请使用 Cloud 路线。当前文档可能将此服务称为 Gemini Enterprise Agent Platform，而旧代码和环境变量中可能写着 Vertex AI。请将产品名称视为文档上下文，不要据此认为端点可以互换。

使用应用默认凭据的完整 GA Cloud generateContent v1 示例：

import os
from pathlib import Path

from google import genai
from google.genai import types

client = genai.Client(
    vertexai=True,
    project=os.environ["GOOGLE_CLOUD_PROJECT"],
    location="global",
    http_options=types.HttpOptions(api_version="v1"),
)
response = client.models.generate_content(
    model="gemini-3.1-flash-image",
    contents="Create one 4:5 premium studio product backdrop in charcoal and amber; no text or logo.",
    config=types.GenerateContentConfig(
        response_modalities=["IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="4:5", image_size="2K"),
    ),
)
images = [part for part in response.candidates[0].content.parts if part.inline_data]
if len(images) != 1:
    raise RuntimeError(f"Expected one image part, received {len(images)}")
images[0].as_image().save(Path("product-backdrop-cloud.png"))

执行前，请确认所选工作流使用的是 client.models.generate_content(...) 还是 Cloud client.interactions.create(...)、所需的 API 版本，以及该项目是否已启用稳定版模型 ID。已记录的 Cloud Interactions REST 服务为实验性服务，使用 v1beta1；需要 GA API 稳定性时，请优先使用 Cloud generateContent v1，或明确接受实验性的 Interactions 约定。切勿在不提示的情况下从 Cloud 回退到 Developer API；两者的身份验证、数据保留、控制措施、配额和协议可能不同。

选择图像模型

按日期划分的能力矩阵

模型	截至 2026-07-09 的文档说明能力	最适用场景推断	应避免使用或升级处理的情况
gemini-3.1-flash-lite-image（Nano Banana 2 Lite）	系列中速度最快、成本最低的成员；仅支持 1K 输出；最多支持 14 个对象参考；可控制为最小或高思考模式；generateContent 视频上下文可用于静态输出；不支持 Search grounding；Gemini API 指南指出其未针对多参考或长序列编辑进行优化	高产量缩略图、探索、简单编辑、低成本首轮布局测试	精确品牌素材、复杂身份连续性、时效性事实视觉素材，或需要交付高于 1K 的内容
gemini-3.1-flash-image（Nano Banana 2）	通用型图像模型；支持 0.5K/1K/2K/4K；最多支持 10 个高保真对象参考和 4 个角色参考；支持 Search grounding 和 Image Search grounding；视频上下文可用于静态输出；可控制为最小或高思考模式	混合生成与编辑、多参考产品/角色、基于事实的图表信息图，以及均衡迭代的默认候选模型	如果需求包含大量文案、复杂本地化、严格品牌约束或反复进行高风险编辑，应评估 Pro
gemini-3-pro-image（Nano Banana Pro）	定位于复杂的专业素材；支持 1K/2K/4K；最多支持 6 个高保真对象参考、5 个角色参考、3 个风格参考，总计 14 个；支持 Search grounding；支持交错输出文本和图像	复杂指令、品牌体系、密集布局、本地化和多轮精准调整的优质候选模型	对延迟/成本敏感的大批量工作；仍需进行精确文本和品牌质量检查，且不保证保真度
gemini-2.5-flash-image（Nano Banana）	稳定的旧版模型；输出为 1024 级；使用最多 3 张输入图像时效果最佳；不支持 Search grounding 或思考模式；文档列出的最早可能停用日期为 2026-10-02	迁移现有集成期间仅用于兼容的方案	新项目、2K/4K 交付、多个参考、grounding 或 Gemini 3 思考工作流

来源：Gemini 图像生成指南、2.5 模型卡、Gemini 弃用说明。

**生产经验法则：**除非有明确限制要求使用 Lite 或 Pro，否则从 3.1 Flash Image 开始。决定投入高产量或高风险工作前，先用少量有代表性的案例进行对比测试；不要把供应商的定位描述视为经测量验证的优势。

有意识地控制参考素材

**文档说明的事实：**Gemini 3 图像模型最多接受 14 张参考图像，但不同模型支持的保真度类别有所不同。Gemini 3.1 Flash Image 最多支持 10 个对象参考和 4 个角色参考；Pro 最多支持 6 个对象参考、5 个角色参考和 3 个风格参考；Lite 最多支持 14 个对象参考，但未针对多参考或序列编辑进行优化。Gemini 图像生成指南

不要仅仅因为上限是 14 张就上传 14 张图像。参考素材越多，角色越容易产生歧义，权利风险也越高。

为每个输入编写一份参考素材台账：

R1: hero product packshot — preserve silhouette, cap, label hierarchy, material color
R2: approved logo master — reproduce geometry and clear space; never invent glyphs
R3: palette/mood — borrow lighting and palette only; do not copy composition
R4: person — identity reference; consent recorded; preserve facial proportions
R5: pose — borrow body pose only; do not inherit identity or wardrobe
priority: R1 > R2 > R4 > R5 > R3

然后在提示词中说明这些角色。将身份、对象、姿势、风格、布局和环境参考分别列出。如果两份参考素材互相冲突，应明确解决冲突，而不是要求模型将它们“融合”。

**生产经验法则：**对于关键身份或 SKU，使用一张干净的标准视图，再配上满足需要的最少补充角度。获得授权后，可裁剪或移除参考素材中无关的背景内容。保留原件、哈希值、权利说明以及输入素材的确切顺序清单。

将提示词构建为验收契约

使用正向、具体的语言。健全的提示词通常需要包含：

1. 交付物及其用途。
2. 主要主体及动作。
3. 参考图角色映射及保留优先级。
4. 构图、相机、裁切安全区域及空间关系。
5. 材质、环境、光线、调色板及风格。
6. 用引号括起的准确文案，并注明大小写和换行。
7. 不变量：哪些内容必须保持不变。
8. 启用依据约束时的事实来源说明。
9. 输出要求：一张图像、宽高比、尺寸、格式。

不要用“杰作、8K、获奖作品”这类含糊的质量词堆砌来替代制作指导。描述可观察到的属性。相比一长串负面要求，优先使用“蓝调时刻空无一人的步行街”这类描述。

进行编辑时，先说明变化：

Edit the supplied image. Change only the background from gray paper to warm limestone.
Keep the bottle silhouette, cap geometry, label placement, logo, all printed copy,
camera position, crop, scale, highlights, and shadow direction unchanged.
Return one image; do not add objects or text.

利用对话，但避免偏差累积

已记录的事实： 交互可以通过 previous_interaction_id 继续。该 ID 会保留对话的输入和输出，但不会携带工具、系统指令或生成配置；请重复这些参数。使用无状态的 generateContent 时，请原样返回思考签名，或使用官方 SDK 聊天／历史记录实用工具。Interactions API、Thought signatures

采用以下编辑循环：

1. 将每张已接受的图像保存为带版本号的产物。
2. 诊断一种缺陷类别：文本、身份、几何、布局、光线或事实内容。
3. 提出一项范围明确的更改，并重申不变量。
4. 重新应用响应格式和任何必需的工具配置。
5. 将结果与上一张已接受的图像及规范参考进行比较。
6. 如果偏差扩大，请从最后一张已接受的图像重新开始，而不是修补已受损的后续版本。

制作经验法则： 同一缺陷连续两次修复失败后，应改变策略：精简文案、隔离某个元素、使用 Pro、重新生成干净底图，或在后期合成确定性素材。不要继续在不稳定的分支上反复尝试。

思考与依据约束

思考

已记录的事实： Gemini 3 图像模型默认启用推理过程，并最多可创建两张中间思考图像。思考功能无法完全关闭。Gemini 3.1 Flash Image 和 Gemini 3.1 Flash-Lite Image 均提供 minimal（默认）和 high 两种思考级别。无论是否查看摘要，思考令牌都会计费；中间思考图像不会单独收费。Gemini image generation guide、Generate Content thinking controls、Flash-Lite Image model card

对于空间逻辑、多参考图协调、信息密集的图表或多项相互作用的约束，使用 high。对于简单裁切、调色板更改和大批量探索，使用 minimal。不要将原始隐藏推理作为制作依据公开；应说明决策及可观察到的证据。

interaction = client.interactions.create(
    model="gemini-3.1-flash-image",
    input="Create one cutaway diagram of a heat pump with a physically coherent flow path.",
    generation_config={"thinking_level": "high"},
    response_format={"type": "image", "aspect_ratio": "16:9", "image_size": "2K"},
)

Google 搜索接地

已记录事实： 3.1 Flash Image 和 3 Pro Image 支持 Google 搜索接地；Lite 不支持。只有 3.1 Flash Image 支持 Google 图片搜索接地。图片搜索接地无法搜索人物。使用 Google 搜索接地时，Google 会存储提示词、上下文信息和生成的输出 30 天，且无法选择退出；因此，仅设置 store=false 并不能让接地请求符合 ZDR 要求。响应可能包含接地元数据以及必需的搜索建议／展示材料。Gemini 图像生成指南、零数据保留指南

仅在确实需要当前信息或可从外部核实的事实时使用接地。记录返回的来源、检索时间以及声明与来源的对应关系。接地有助于检索，但不能自动保证渲染出的数字、标签、地图或声明正确。

interaction = client.interactions.create(
    model="gemini-3.1-flash-image",
    input=(
        "Using current official public sources, create one clean weather infographic for "
        "San Francisco for the next five days. Include date, high/low, and precipitation chance."
    ),
    tools=[{"type": "google_search"}],
    response_format={"type": "image", "aspect_ratio": "16:9", "image_size": "2K"},
)

如果启用了图片搜索，请将检索到的图片视为上下文，而不是可随意复制的授权。为每个来源网页提供清晰可见的链接；展示来源图片时，用户应能通过该图片直接单击跳转到其所在网页。保留返回的署名材料。不得利用接地图片规避同意、公开权利、版权或品牌限制。

明确设置宽高比和分辨率

已记录事实： 未提供输入图片时，默认宽高比为 1:1；提供输入图片时，输出通常会与输入图片保持一致。请使用大写的 K 值。3.1 Flash Image 支持 0.5K、1K、2K 和 4K。Pro 支持 1K、2K 和 4K。Lite 仅支持 1K。在 Cloud 模型卡中，4K 输出仍是预览功能；3.1 Flash 的视频输入在该平台上也处于预览阶段。Gemini 图像生成指南、3.1 Flash Cloud 模型卡

3.1 Flash Image 已记录支持的宽高比包括 1:1、1:4、1:8、2:3、3:2、3:4、4:1、4:3、4:5、5:4、8:1、9:16、16:9 和 21:9。Pro 和旧版 2.5 使用从 1:1 到 21:9 的较常见比例集合；Lite 仅支持 1K，其当前模型卡列出了常见比例和全景比例。使用极端宽高比前，请查阅当前特定路由的表格。

生产启发式做法： 先以 1K 或 0.5K 起草，确认构图和文案后，再基于已接受的状态以最终分辨率重新生成。解码后核实实际像素尺寸。“4K”是模型尺寸级别，并不保证特定的广播光栅格式，也不意味着语义细节有所增加。

精确文本、商标与品牌质量检查

有文档依据的事实： Google 建议先生成所需文本，再要求生成包含该文本的图像。Gemini 3 改进了文本渲染效果，但 Google 并未保证拼写、数量、字距或徽标还原完全准确。Gemini 图像生成指南

要确保文案准确：

1. 在图像模型之外冻结已批准的源文本。
2. 保持渲染文案简短；逐字引用，并指定换行位置。
3. 生成构图时，留出干净、高对比度的文本区域。
4. 使用 OCR 独立转录结果，并由人工审核。
5. 比对 Unicode 规范化后的字符串、标点、大小写、日期、单位和行序。
6. 发现任何不一致都应拒绝。对于受监管内容、价格、剂量、法律文案或品牌文案，绝不能接受“差不多”。
7. 对最终关键文案，优先使用设计工具中的确定性排版。

对于品牌和产品：

• 要求提供经批准的徽标母版和许可证明。
• 比对徽标几何形状、颜色、安全留白、标签层级、包装尺寸和强制标记。
• 切勿推断模型访问权限意味着拥有商标权、商业外观权、公开形象权或商品化权。
• 如果已有规范资产，不要要求 Gemini 凭记忆重建徽标。
• 对产品主视觉，可考虑生成环境，再在后期合成准确的包装／徽标。

生产启发式建议： 将 Gemini 用作概念／构图引擎，并通过确定性合成处理像素级精确的身份资产。Pro 所强调的“品牌一致性”是模型选择的参考信号，不是准确性保证。

审核每项输出

在解码后的完整分辨率下进行审核，不要只看聊天缩略图。

技术

• 文件可正常打开；MIME 类型和 Alpha 通道行为符合预期；实际尺寸和宽高比符合要求。
• 没有意外裁切、留白、压缩损坏或色彩空间异常。
• 图片数量符合要求；不要假设模型遵守了指定数量。

视觉效果与指令遵循

• 在目标显示尺寸下，主要意图清晰可辨。
• 主体数量、解剖结构、反射、阴影、透视和遮挡关系合理。
• 遵循参考图的用途；没有身份、SKU、姿势或风格方面的泄漏。
• 编辑后不变量保持不变。

文本、事实与品牌

• 精确比对 OCR 结果并进行人工校对。
• 根据记录的来源核查每个数字、单位、日期、地图、图表和时效性声明。
• 对照规范资产检查徽标／包装叠加效果。
• 不得虚构认证、背书、法律标记、引文或 UI。

安全、权利与来源记录

• 为真实人物／生物特征参考记录同意和合法依据。
• 核查输入和输出内容在预期地区及用途下的权利。
• 不得涉及欺骗性冒充、未经同意的私密影像、剥削、隐私侵犯或被禁止的用途。
• 完成 AI 来源披露和资产台账。

安全、权利、隐私与来源

Google 的禁止使用政策禁止侵犯权利的行为，包括侵犯隐私和知识产权，并禁止未经同意的私密影像、欺骗性冒充、有害的错误信息以及其他列明的有害行为。不要规避拒绝响应或过滤措施。生成式 AI 禁止使用政策

涉及真实人物时，应根据编辑和传播方式取得适当同意；核实身份权、公开权、未成年人的特殊规则，以及图像是否暗示对方背书或具有某种敏感特征。拒绝欺骗性的身份替换、未经同意的性化或私密编辑、监视行为，或具有误导性的政治／时事图像。公开照片并不意味着可以自动重复使用。

**Gemini API 数据使用的已记录事实：**Google 表示，免费服务中的提示词和响应可能用于改进产品，也可能由人工审核；请勿向免费服务提交敏感、机密或个人信息。对于付费服务，Google 表示，提示词和响应不会用于改进产品，并会按照适用的数据处理条款进行处理，但仍可能存在有限日志记录和特定功能的数据保留。交互存储和 Search grounding 也有各自的保留行为。Gemini API 附加条款、零数据保留指南

未经核实具体路径、层级、store 设置、滥用监控安排、grounding／工具、日志记录和合同条款，不要承诺零数据保留。需要企业控制时，优先考虑 Cloud 治理，但应核实项目配置，而非想当然。

**已记录的来源信息事实：**所有 Gemini 生成的图像都包含 SynthID。在当前 Cloud 模型中，系统会自动添加 Content Credentials（C2PA），并由 Google LLC 签名。C2PA 用于验证来源声明和篡改状态；它无法判断图像是否真实或“实拍”。不支持 C2PA 的编辑可能会破坏验证。SynthID 是一种不可见的像素水印，旨在经受常见编辑，但 Google 表示，它无法确保应对极端篡改。Gemini 图像生成指南、Cloud Content Credentials、SynthID

保留原始生成文件、在许可情况下保留交互 ID、提示词、输入哈希、模型／路径／版本、时间戳、grounding 来源和编辑历史。不要移除来源信息，以免将 AI 媒体误称为完全由人类创作。

完整示例

这些示例仅供参考，并非必须遵循的公式。

示例 1 — 多参考图产品主视觉，严格遵守品牌规范

**意图：**制作一张 4:5 电商宣传图，同时保护产品几何形状和已批准的 Logo。

**模型/路由：**Gemini Developer API Interactions；由于需求包含品牌、布局和文案约束，使用 gemini-3-pro-image。如果成本或延迟很重要，可将 3.1 Flash Image 与其进行测试对比。

**输入：**R1 正面产品图，R2 侧面产品图，R3 已批准的 SVG/PNG Logo，R4 仅用于提供灯光氛围。已记录全部四项的使用权。原文必须准确呈现：NORTHLINE 和 FIELD NOTES / No. 04。

完整提示词：

Create one premium 4:5 campaign still for an outdoor notebook.

Reference roles:
- R1 and R2 define the exact notebook: preserve its dimensions, rounded corners,
  olive fabric texture, black elastic position, spine construction, and paper color.
- R3 is the approved NORTHLINE logo. Reproduce only this supplied logo; do not
  redesign, stylize, add, or infer any brand mark.
- R4 supplies warm late-afternoon lighting and color mood only. Do not copy its
  objects, composition, landscape, or text.

Composition: notebook at a three-quarter angle on pale sandstone, occupying 58%
of frame height, with open negative space in the upper-left. Camera at 20 degrees
above the surface, natural 70mm perspective. One soft key from camera-right and a
short grounded shadow. No hands or extra products.

Printed cover copy, exactly two elements:
"NORTHLINE"
"FIELD NOTES / No. 04"
Preserve capitalization, slash, spacing, and zero in 04. No other text.

The exact notebook geometry, logo, and printed copy are higher priority than the
lighting reference. Return one image only.

参数：aspect_ratio="4:5"，草稿使用 image_size="1K"，仅在批准后使用最终尺寸 "4K"；PNG；如果需要无状态处理且会重新发送所有图片，则设置 store=false。

**这样组织的原因：**为每张参考图分配单一用途，明确优先级，限制文本，并预留适合放置文案的空间。

**预期结果：**构图出色且产品几何形状清晰可辨的宣传图。不要假设 Logo 或文案准确无误。

**可能的问题及修复方法：**OCR 不匹配 -> 不生成印刷文案，改为叠加准确的排版；Logo 变形 -> 叠加 R3；书脊/瓶盖偏移 -> 从 R1/R2 重新开始并移除 R4；出现多余道具 -> 进行范围受限的编辑，并重新说明道具清单。

**质量检查：**将 R1/R2 几何形状进行像素叠加对比，将 Logo 与 R3 叠加对比，OCR 精确匹配，检查 4:5/尺寸、阴影一致性、使用权记录和保留的来源信息。

**有意义的变化：**经过对比测试后，可使用 2K 的 3.1 Flash Image 生成包含四款 SKU 的系列图；每款 SKU 均放入单独标注的参考图位置。

示例 2 — 对话式本地化，同时避免布局偏移

**意图：**先生成英文博物馆海报，再仅将标题本地化为西班牙语。

**模型/路由：**Gemini Developer API Interactions；gemini-3.1-flash-image；有状态续接。

第 1 轮完整提示词：

Create one 2:3 exhibition poster for a fictional astronomy museum.
Headline exactly: "NIGHT SIGNALS"
Subhead exactly: "A FIELD GUIDE TO THE LISTENING SKY"
Date exactly: "12–28 OCTOBER 2026"
Use an abstract radio telescope silhouette, cobalt-to-black sky, restrained grain,
and a strict Swiss grid. Headline at top, silhouette centered, date at bottom.
No logos, sponsor names, prices, QR codes, or other text.

**参数：**2:3、2K、PNG、高思考等级。保存 interaction.id、输出、OCR 和布局参考。

第 2 轮完整提示词：

Edit the preceding poster. Change only the headline from "NIGHT SIGNALS" to
"SEÑALES NOCTURNAS". Keep the subhead and date in English. Preserve every other
pixel-level design decision as closely as possible: canvas, grid, telescope,
palette, grain, spacing, type scale, and all element positions. Add no text.

重复指定 response_format 和 generation_config；它们不会从 previous_interaction_id 继承。

**预期结果：**保留同一视觉系统的本地化版本。

**可能的问题及修复方法：**重音符号丢失或文案被修改 -> 使用确定性文本叠加；布局偏移 -> 从保存的英文图片编辑，而非从其他后续版本继续编辑；未继承工具/配置 -> 明确重新发送相关字段。

**质量检查：**西班牙语 Unicode 字符串完全准确，包括 Ñ；英文字符串和日期保持不变；检查标题区域之外的感知差异；2:3 光栅图；保留交互/来源记录。

**有意义的变化：**若要生成五种语言版本，可先生成一次不含文字的锁定背景，再以确定性方式排版已批准的本地化文案，而不是进行五次生成式编辑。

示例 3 — 基于当前事实的信息图

**意图：**使用当前官方信息制作一张当日公共交通服务卡片。

**模型/路由：**使用 Google Search grounding 的 gemini-3.1-flash-image。Lite 不符合要求，因为它不支持 grounding；布局更密集时，可改用 Pro。

完整提示词：

Using current official transit-agency sources, create one 16:9 rider information
card for the Red Line for 9 July 2026. State only verified service changes,
affected stations, and effective times. If a required fact is unavailable or
conflicts across sources, omit it and leave a clearly labeled blank review box;
do not infer. Visual style: accessible high-contrast public information design,
large type, simple route line, no decorative illustration. Do not use agency
logos unless retrieved material and our rights permit it. Return the image and
grounding metadata.

**参数：**工具 [{"type":"google_search"}]；16:9；2K；PNG；高思考等级。

**预期结果：**基于来源信息生成的草稿，而非可直接发布的权威内容。

**可能的问题及修复方法：**时间过时/不正确、捏造车站、路线图格式错误、缺少搜索来源展示归属信息，或事实文案被篡改。在模型外部修正来源数据；重新生成或以确定性方式排版。

**质量检查：**由人工打开每个 grounding 来源、记录检索时间、核实机构权威性和每项主张、对所有渲染文字进行 OCR、检查无障碍对比度和地图几何形状，并在发布前获得运营审批。

**有意义的变化：**如果事实已提供并获批准，则关闭 grounding，并将其视为不可更改的源文案。

示例 4 — Lite 上的大批量草稿集

意图： 以较低成本探索 30 个正方形、无文字的植物图标概念，然后选出 6 个。

模型/路由： gemini-3.1-flash-lite-image；仅 1K；当前路由支持批处理时使用批处理。

每个项目的完整提示词：

Create one 1:1 text-free icon of a maidenhair fern for a calm habit-tracking app.
Single centered leaf cluster, readable at 64 px, flat vector-like shapes, two
greens (#1F6B4F and #9CCFAE) on transparent-looking neutral white, consistent
2 px-equivalent rounded outline, no pot, no border, no letters, no symbols,
no gradients. Return one image only.

参数： 1:1、1K、仅图像响应。记录请求 ID/项目 ID，因为模型可能不会按要求生成图像数量。

预期结果： 覆盖广泛的概念，适合筛选，而非构成最终图标系统。

可能的问题及修复方法： 出现多余符号、线条粗细不一致、在 64 px 下辨识度差，或不是真正的透明 Alpha。筛选后重新绘制/矢量化，并以确定性方式规范几何形状/颜色。

QA： 缩小至 64 px、剪影测试、调色板取样、重复项检测、文件数量、Alpha 检查和人工筛选。

有效变化： 将选出的 6 个概念升级到 3.1 Flash Image，进行受控的系列优化；不要继续进行漫长的 Lite 编辑链。

按日期整理的迁移附录

从 Gemini 2.5 Flash Image 迁移

截至 2026-07-09 的文档事实： gemini-2.5-flash-image 已稳定，但其弃用表将 2026-10-02 列为最早可能的停用日期；Google 表示确切停用日期会稍后公布。其已弃用的预览 ID 已停用。目前的替代方案指南指向 Gemini 3.1 Flash Image 系列。2.5 属于 1024 级，最多使用 3 张输入图像时效果最佳，且不支持 Gemini 3 的思考功能和 Search grounding。Gemini 弃用信息，2.5 模型卡

迁移清单：

1. 清点稳定版和预览版模型字符串；在 CI 中拒绝已移除的预览 ID。
2. 有意选择 Developer API Interactions、旧版 generateContent 或 Cloud。
3. 将响应配置转换为所选架构；不要机械地重命名字段。
4. 添加明确的宽高比/尺寸和解码验证。
5. 保留或正确传递状态/思考签名。
6. 使用有代表性的提示词，重新基准测试参考图保真度、文案准确性、安全行为、延迟和成本。
7. 在版本标志后切换，并监控被拦截、空响应或仅文本响应的情况。

从 Imagen 迁移——仅限迁移

截至 2026-07-09 的文档事实： Gemini API 的 Imagen 4 生成端点 imagen-4.0-generate-001、imagen-4.0-ultra-generate-001 和 imagen-4.0-fast-generate-001 已弃用。其表中将 2026-08-17 列为最早可能的停用日期，并非保证的确切日期；Google 推荐使用 gemini-3.1-flash-image，并表示确切停用日期会稍后公布。Gemini 弃用信息，Gemini 图像生成指南

不要在此处投入精力钻研新的 Imagen 用法。应根据实际需求（单次生成、确定性种子、负面提示词、蒙版/编辑、输出数量、安全字段、水印控制）映射每项 Imagen 工作负载，而不是按模型名称映射。Gemini 具备对话和多模态能力；其请求/响应、编辑、数量行为、安全控制、来源信息和确定性都不能直接等同于 Imagen。应将 2026-08-17 视为迁移期限，因为服务可能在该最早日期当天或之后终止；不要等待之后发布的确切日期通知。

官方来源

已于 2026-07-09 验证：

• Gemini 原生图像生成指南
• 旧版 generateContent 图像指南
• Interactions API 概览
• Gemini 3.1 Flash Image 模型卡
• Gemini 2.5 Flash Image 模型卡
• Gemini API 弃用说明
• Cloud 3.1 Flash Image 模型卡
• Cloud 3.1 Flash-Lite Image 模型卡
• Cloud Gemini 3 Pro Image 模型卡
• Cloud 图像最佳实践
• Cloud 图像限制
• Cloud 负责任的图像生成
• Gemini API 条款
• Gemini API 零数据保留指南
• 生成式 AI 禁止使用政策
• Cloud 内容凭证
• Google DeepMind 对 SynthID 的说明