linkfox-multimodal-generate-image

AI 图像生成

此技能将指导你如何使用 AI 图像生成服务生成和编辑图像，帮助用户创建高质量的产品图像、修改现有图像，并进行创意视觉转换。

核心概念

AI 图像生成工具根据文本提示词和可选的参考图像生成新图像。它支持多种使用场景：

• 文生图：仅根据文本描述生成全新图像。
• 图生图：提供一张或多张参考图像，并通过提示词生成保留参考图像元素的新图像。
• 图像编辑：修改现有图像中的特定元素、颜色、背景或风格。
• 产品合成：将一张图像中的产品放入另一张图像中的场景。
• 模特替换：替换产品照片中的模特或人体模型。

当用户希望输出与现有产品或场景高度相似时，强烈建议提供参考图像。最多可提供 3 个参考图像 URL，以逗号分隔。

参数指南

参数	必填	描述	默认值
prompt	是	对所需图像的文本描述。支持文生图、图生图、编辑、模特替换等。最多 1000 个字符。	--
referenceImageUrl	否	参考图像的 URL。多个 URL 以逗号分隔。最多支持 3 张图像。最多 1000 个字符。	--
aspectRatio	否	输出图像的宽高比。	1:1

支持的宽高比

值	描述
1:1	正方形（默认）
3:4	纵向
4:3	横向
9:16	竖屏全屏
16:9	横屏全屏

提示词编写技巧

1. 具体且描述清晰：清楚描述你想要的主体、场景、光线、风格和氛围。
2. 按编号引用参考图像：使用参考图像时，按照它们在 referenceImageUrl 中出现的顺序，将其称为“image 1”“image 2”等。
3. 明确说明操作：使用“替换”“更改”“放置”“组合”“生成”等明确的动作动词。
4. 控制在 1000 个字符以内：提示词的最大长度为 1000 个字符。

各场景的提示词示例

替换对象：

Replace the vase on the table in image 1 with a potted plant

更改背景颜色：

Change the background color of image 1 to pure white

产品合成：

Place the product from image 2 onto the marble countertop in image 1

风格迁移：

Transform image 1 into the artistic style shown in image 2

文生图（无参考图像）：

A professional product photo of a sleek black wireless headphone on a gradient blue background, studio lighting, 8K quality

模特替换：

Replace the model in image 1 with a different model while keeping the same clothing and pose

本地图像上传

此工具需要使用可公开访问的图像 URL作为参考图像。如果用户提供本地图像文件路径（例如，C:\Users\...\photo.png、/home/.../image.jpg），你必须先上传该图像以获取公开 URL。

运行上传脚本：

python scripts/upload_image.py /path/to/local/image.png

脚本将返回一个公开 URL（有效期为 24 小时），可将其用作参考图像 URL 参数。

调用方式

• API 端点：POST /multimodal/generateImage（完整参数/响应/错误码见 references/api.md）
• Python 脚本：python scripts/multimodal_generate_image.py '<JSON 参数>' [--inline]
• 成本约束：本工具会消耗算力；同一会话同一参数组合默认只调用一次，脚本带 24h 本地缓存。失败/空结果不得自动换关键词、翻页或改邮编连续试探；需要继续检索时先向用户说明会产生额外消耗。

输出策略（脚本默认行为）：

• 始终将完整响应写入 <cwd>/linkfox/<YYYY-MM-DD>/<session>/data/linkfox-multimodal-generate-image-<timestamp>.json（<cwd> 为脚本执行时的工作目录，在 Claude Code 里即当前项目目录；<session> 取自环境变量 SESSION_ID，按用户任务自动聚合；禁止写入 /tmp，当前目录不可写则报错）
• 响应体 ≤ 8 KB：落盘后把完整 JSON 打印到 stdout
• 响应体 > 8 KB：落盘后 stdout 只输出摘要（顶层字段、常见计数如 total/costToken、最大列表字段的长度 + 前 3 条样本）
• 加 --inline 强制全量打印到 stdout（同样落盘）

读数据建议：先看摘要判断是否足够；需要具体字段时优先用 jq或ConvertFrom-Json 从保存的 json 文件按需抽取，避免整份 JSON 进入上下文。

解决认证和算力问题

发生以下异常情况时，采用 references/onboarding.md 引导解决问题：

异常情况

• 未配置API Key：环境变量未配置 LINKFOX_AGENT_API_KEY，也未配置 LINKFOXAGENT_API_KEY。
• 响应401或402状态码
• 响应提示算力或余额不足：消息含"算力余额不足/计费不足/余额不足/quota exceeded/insufficient balance/套餐到期/需充值/请充值"，或类似含义的内容。

显示规则

1. 显示生成的图像：当响应的 text 字段中包含图像内容时，使用 Markdown 图片语法直接向用户展示。
2. 状态报告：检查 status 和 finished 字段。如果图像仍在生成中，告知用户并建议等待。
3. 提示词透明度：简要说明发送的提示词和参数，让用户了解所请求的内容。
4. 确认宽高比：如果用户未指定尺寸，则使用默认的 1:1 比例，并告知用户，以便他们在需要时请求其他比例。
5. 参考图引导：如果用户希望结果接近现有图像，但未提供参考 URL，主动建议他们提供一个，以提高还原度。
6. 错误处理：生成失败时，根据响应的 status 字段说明问题，并建议调整（例如，简化提示词、检查参考图 URL，或尝试其他宽高比）。

重要限制

• 参考图数量限制：每次请求最多可提供 3 个参考图 URL。
• 提示词长度：提示词不得超过 1000 个字符。
• URL 有效性：参考图 URL 必须可公开访问。私有或已过期的 URL 会导致失败。
• 宽高比选项：仅支持 1:1、3:4、4:3、9:16 和 16:9。

用户表达与场景速查

适用 —— 涉及图像生成或编辑的请求：

用户说	场景
“生成一张图像”“创建一张图片”	文生图
“编辑这张照片”“修改图像”	图像编辑
“更换背景”“改成白色背景”	替换背景
“把产品放到这个场景中”	产品合成
“做成这种风格”	风格迁移
“替换模特”“换个人”	模特替换
“创建一张产品照片”	产品图生成
“创建竖版／横版版本”	调整宽高比

不适用 —— 超出图像生成范围的需求：

• 图像分析或识别（读取图像中的文字、识别物体）
• 视频生成或编辑
• 图像文件格式转换
• 数百张图像的批量处理
• 图像托管或存储

算力消耗规则

按动态规则计费：消耗算力 = rawTokens × 0.045。

重要：本技能的服务按倍数动态计算，可能一次性消耗大量算力，必须提醒用户，由用户决定是否继续。

反馈：

在以下任一情况发生时，通过 Feedback API 自动检测并报告反馈：

1. 此技能所描述的功能或用途与实际行为不符
2. 此技能的结果与用户意图不符
3. 用户表达了对该技能的不满或赞赏
4. 你认为有任何可改进之处

按照 references/api.md 中的说明调用反馈 API。不要打断用户的流程。

---

如需更多高品质、专业的跨境电商技能，请设置 LinkFox Skills。