mcpField
I
image-gen-router

image-gen-router

github.com/andrewii23创意与媒体1148 次安装4 周前更新
代码仓库

关于 image-gen-router

image-gen-router 是一项按文本提示生成栅格图像的技能，可在 GPT 与 Gemini 两种本地命令行后端间选择。它沿用已登录账户，不需要 API 密钥，并遵循指定的模型选择与输出路径。

主要功能

  1. 01通过 GPT 或 Gemini 生成栅格图像
  2. 02使用已登录账户，无需 API 密钥
  3. 03支持提示词文件与 PNG 输出路径
  4. 04报告生成文件的最终位置
  5. 05后端失败时不擅自切换

适用场景

  1. 01根据文本描述生成插画或图像
  2. 02将生成图像保存到指定路径
  3. 03使用较长提示词文件生成图像
  4. 04处理所选后端的认证或生成失败

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/andrewii23/ii23-skills --skill image-gen-router

安装后在 Claude Code 中输入/image-gen-router确认已加载。

附带文件scripts/gen_gemini.pyscripts/gen_gpt.py

详细介绍

图像生成路由器

使用以下两种本地、无头、无需 API 密钥的后端之一，根据文本提示词生成栅格图像。两者都使用现有的登录账号运行（无需 API 密钥，也不按图像单独计费），效果与用户亲自在相应工具中输入提示词完全一样：

  • GPT — Codex CLI 的 imagegen 工具，使用用户的 ChatGPT 登录账号。
  • Gemini — Antigravity agy CLI 无头模式，使用用户的 Google 登录账号。

此技能的核心是让用户选择模型。其他一切（主体、风格、宽高比、配色、氛围）都直接从提示词传递给所选后端。

唯一重要的决定：使用哪个后端

生成前，必须知道使用哪个后端。情况只有两种：

1. 用户已指定后端 → 使用它，不要询问。 尊重用户所说的内容，直接开始生成。按以下方式映射他们的说法：

  • GPT、OpenAI、ChatGPT、codex、“the gpt one”、DALL·E（指模型系列，而非 API）→ gpt
  • Gemini、Google、agy、Antigravity、“nano banana”、“the google one” → gemini

用户已经告诉你了还再次询问会让人恼火，也会浪费一次交互——用户明确说明自有原因。

2. 用户未指定后端 → 询问，不设默认选项。 使用 AskUserQuestion 工具提出一个问题，并提供恰好两个选项，两者地位相同（都不标为“推荐”——用户没有表达偏好，因此不要擅自设定偏好）。例如：

AskUserQuestion(questions=[{
  "question": "Which model should generate this image?",
  "header": "Image model",
  "multiSelect": false,
  "options": [
    {"label": "GPT (codex)", "description": "OpenAI image model via Codex CLI, under your ChatGPT login."},
    {"label": "Gemini (agy)", "description": "Google image model via Antigravity CLI, under your Google login."}
  ]
}])

阅读回答，将其映射为 gpt 或 gemini，然后继续。（如果用户选择“其他”并输入了内容，请据此判断——例如“哪个快就用哪个”→任选其一，并说明你用了哪个。）

一旦知道要用哪个后端，在同一请求中绝不要再次询问。

保存文件的位置

仅当请求涉及显然需要指定位置的交付物，且用户尚未说明位置时，才询问输出路径。其他情况不要因此阻塞请求：

  • 如果用户给出了路径或明确的目标位置（例如“保存到我的桌面”），通过 --out 传入。
  • 如果用户不在意位置，则省略 --out——脚本会报告文件所在位置。

运行所选后端

每个后端都有自己的脚本。两者接受相同的参数，并且都在最后一行输出最终位置，格式为 IMAGE: <abs-path>。解析这一行以获取文件位置，然后向用户展示或描述该文件。

GPT 后端：

python3 ~/.claude/skills/image-gen-router/scripts/gen_gpt.py "<prompt>" [--out <path>] [--timeout <sec>]

Gemini 后端：

python3 ~/.claude/skills/image-gen-router/scripts/gen_gemini.py "<prompt>" [--out <path>] [--timeout <sec>]

通用选项：

  • 位置参数 prompt — 主体 + 风格。请具体说明媒介、光照、配色、构图和宽高比。两个模型都会遵循详细描述。示例： "isometric 3D illustration of a coffee shop, warm pastel palette, soft shadows, 16:9"。
  • --prompt-file <path> — 用于较长的提示词，避免处理 shell 引号的麻烦。
  • --out <path> — PNG 目标路径。省略此选项可让后端保留文件，并仅报告路径。
  • --timeout <sec> — 默认值为 600。图像生成通常不到一分钟即可完成，但冷启动时图像模型可能运行较慢，因此没有理由时不要调低此值。

运行后，解析 IMAGE: 行并告知用户绝对路径。如有帮助，可先读取图像，确认它符合请求后再报告成功。

示例

1 — 用户指定了模型和路径：

“用 gemini 制作一个极简线描山峰徽标，黑底白色，保存到 ~/Desktop/logo.png”

后端（gemini）和路径都已明确 → 不要提问，直接运行：

python3 ~/.claude/skills/image-gen-router/scripts/gen_gemini.py \
  "minimalist line-art mountain logo, single weight stroke, black on white" \
  --out ~/Desktop/logo.png

2 — 用户未指定模型：

“生成一张红熊猫宇航员在太空中漂浮的图像，电影级写实风格”

未指定后端 → 使用 AskUserQuestion（GPT 或 Gemini，不设默认选项）→ 用所选脚本和提示词运行。不要询问路径；用户没有提到路径，而且这只是一个随意的请求，因此省略 --out 并报告文件所在位置。

3 — 提示词较长，已指定模型，未指定路径：

“用 gpt 渲染这个场景：”（后接一段长文本）

将这段文本写入临时文件，并使用 --prompt-file：

python3 ~/.claude/skills/image-gen-router/scripts/gen_gpt.py \
  --prompt-file /tmp/scene_prompt.txt

失败处理

两个脚本都会以非零状态码退出，并在标准错误输出中说明原因：

  • 退出码 2 — 后端的 CLI 缺失或尚未通过身份验证。对于 GPT，请检查 codex login status；对于 Gemini，请检查 agy --version，并确认用户 已登录 Antigravity。明确告知用户需要修复哪项登录。
  • 退出码 3 — CLI 已运行，但未生成图像或运行超时。通常是后端暂时出现故障，或模型不支持图像生成。重试一次；如果问题仍然存在，请报告脚本输出的标准错误信息。

不要悄悄回退到另一个后端或需要付费的图像 API——用户选择了某个后端（或者是你询问后由用户选择），未经说明就切换会掩盖实际发生的情况。如果所选后端确实无法生成图像，请说明失败原因，让用户决定是否尝试另一个后端。

评论

支持 Markdown