multi-agent-image

多 Agent 图像

multi-agent-image 是一项独立的 Hermes 图像生成工作流技能。

它适用于简单的一句话提示词无法满足需求的情况。该技能不会将用户的原始输入直接发送给图像模型，而是：

1. 分析请求，
2. 将其编写为考虑设计因素的提示词，
3. 通过 gpt-image-2 生成图像，
4. 归档结果，
5. 并可选择将成功生成的结果用作未来的风格参考。

该技能在运行时独立运行。设计编译器内置于此代码库中，无需外部技能。

适用场景

当用户需要以下一项或多项内容时，使用此技能：

• 面向设计的海报生成
• 产品图片或广告视觉素材
• PPT 封面视觉素材或章节插图
• 信息图风格或教学／演示视觉素材
• 复用先前生成的风格参考
• 交互式“先展示示例，再生成”流程
• 为多个方向或宽高比进行批量生成
• 生成一组共享统一视觉风格的系列图像

以下情况不要使用此技能：

• 像素级精确复刻 UI
• 可编辑图表
• 要求图像中文字排版精确无误
• 需要矢量、HTML 或 PPT 原生素材，而非栅格图像的任务

架构

User Request
    ↓
[Prompt Engineer]
    ↓
[Style Scout]
    ↓
[Internal Design Compiler]
    ↓
[GPT-Image-2 Generation]
    ↓
[QA + Archive]
    ↓
[Case Library]

主流程之外的可选层：

• 交互式参考选择
• 批量生成
• 系列生成

设置

1. 部署技能

技能源文件位于：

~/.hermes/skills/multi-agent-image/

将运行时文件安装到工作目录：

python3 ~/.hermes/skills/multi-agent-image/scripts/install.py

这会准备好：

• ~/.hermes/agents/multi-agent-image/output/
• ~/.hermes/agents/multi-agent-image/case_library/
• Agent 角色文件夹和记忆文件
• 从技能复制的本地运行时脚本

2. 安装 Python 依赖项

pip install openai requests

3. 设置 API 密钥

export OPENAI_API_KEY="sk-..."

此密钥用于此技能中兼容 apimart 的 GPT-Image-2 端点。

核心组件

scripts/design_compiler.py

内部提示词编译器。

职责：

• 检测任务类型
• 选择宽高比和质量的默认值
• 构建 design_reasoning
• 将其压缩为 compiled_brief
• 生成最终提示词

这是使该技能能够独立运行的核心逻辑。

scripts/design_image.py

内部编译器的 CLI 入口点。

适用于以下情况：

• 仅输出提示词
• 在本地测试设计编译
• 不使用完整的多 Agent 工作流，直接生成图像

示例：

cd ~/.hermes/agents/multi-agent-image
python3 design_image.py \
  --task poster \
  --brief "AI训练营招生海报，强调速度、增长、实战" \
  --direction balanced \
  --aspect 3:4 \
  --prompt-only

它会输出：

• design_reasoning
• compiled_brief
• prompt
• settings

scripts/orchestrator_v2.py

主工作流入口点。

职责：

• 运行提示词分析
• 选择任务和生成参数
• 可选地从案例库中选择参考
• 调用内部编译器
• 调用 GPT-Image-2
• 归档输出
• 自动将成功结果保存到案例库

scripts/gpt_image2_generator.py

底层 GPT-Image-2 客户端。

职责：

• 提交异步生成任务
• 轮询任务状态
• 下载图像结果

如果需要直接访问 API，而不使用完整工作流，请使用此组件。

scripts/case_library.py

用于存储过往生成结果的持久化库。

职责：

• 按任务类型保存输出
• 存储元数据和评分
• 按简述、提示词或标签搜索
• 返回可复用为参考的图像路径

scripts/case_selector.py

用于 Hermes 对话流程的交互式辅助工具。

职责：

• 呈现面向用户的选择文本
• 解析 1、n、case_001 或 搜索蓝色 等回复

scripts/interactive_run.py

两阶段对话封装器。

当工作流需要在生成前询问用户时，请使用此组件。

scripts/batch_generator_v2.py

批量生成入口点。

支持：

• 同一简述，多个方向
• 同一简述，多个宽高比
• 一次运行处理多个简述

scripts/series_generator.py

风格一致的系列生成器。

工作流：

1. 生成主图
2. 从编译后的设计简报中提取风格信号
3. 生成遵循同一视觉体系的子图

templates/linear_batch.py

可编辑的模板，用于可恢复的顺序运行。

适用于以下场景：

• 明确列出场景
• 基于文件系统监控进度
• 从第一张生成的图像传播风格

内部设计编译器

内部编译器会生成三个层次：

1. design_reasoning

用于记录生成前的设计意图。

典型字段：

• task
• communication_goal
• audience
• channel
• visual_system
• hierarchy_strategy
• safe_zone_strategy
• lighting_strategy
• palette_strategy
• anti_filler_rules
• anti_slop_rules

2. compiled_brief

这是用于生成的精简设计简报。

其中包括：

• 图像的用途
• 视觉上应突出的内容
• 应保留哪些可用空间
• 应避免的内容

3. prompt

最终提供给 GPT-Image-2 的模型提示词。

提示词根据设计逻辑生成，而不仅仅是风格关键词列表。

支持的任务

内置编译器支持以下任务类别：

• poster
• product
• ppt
• infographic
• teaching
• auto

默认纵横比：

• poster → 3:4
• product → 1:1
• ppt → 16:9
• infographic → 4:3
• teaching → 16:9

方向模式：

• conservative
• balanced
• bold

质量模式：

• draft
• final
• premium

当前生成渠道：

• gpt-image-2

用法

快速开始

cd ~/.hermes/agents/multi-agent-image
python3 quick_start.py "AI训练营招生海报，强调速度、增长、实战"

仅编译提示词

cd ~/.hermes/agents/multi-agent-image
python3 design_image.py \
  --task product \
  --brief "高端陶瓷咖啡杯电商首图，温暖晨光，突出釉面质感" \
  --prompt-only

完整编排生成

from orchestrator_v2 import run

run("AI训练营招生海报，强调速度增长实战")

强制指定任务和视觉设置

from orchestrator_v2 import run

run(
    "高端咖啡杯商品图",
    task="product",
    direction="balanced",
    aspect="1:1",
    quality="final",
    use_reference=False,
)

交互式工作流

当 Hermes 应在生成前征求确认时，使用两阶段模式。

阶段 1：准备发给用户的文本

from interactive_run import prepare

text = prepare("帮我做张 AI 训练营海报", task="poster")
print(text)

阶段 2：用户选择后执行

from interactive_run import execute

result = execute("帮我做张 AI 训练营海报", user_choice="1", task="poster")

支持的回复格式：

• 1、2、3
• n
• y
• case_001
• 搜索蓝色

批量生成

同一份简报，多个方向

from batch_generator_v2 import batch_styles

batch_styles("AI训练营海报", task="poster")

同一份简报，多个纵横比

from batch_generator_v2 import batch_aspects

batch_aspects("AI训练营海报", task="poster", aspects=["1:1", "16:9", "9:16"])

多份简报

from batch_generator_v2 import batch_briefs

batch_briefs(["海报A", "海报B", "海报C"], task="poster")

系列生成

当多个输出需要呈现为同一营销活动或同一产品系列时，使用此功能。

from series_generator import SeriesGenerator

sg = SeriesGenerator()
sg.create_series(
    master_brief="AI训练营系列视觉，科技蓝，专业商务感",
    items=[
        {"name": "主海报", "brief": "AI训练营招生主海报", "aspect": "3:4"},
        {"name": "Banner", "brief": "官网 Banner", "aspect": "16:9"},
        {"name": "朋友圈", "brief": "朋友圈推广方形图", "aspect": "1:1"},
    ],
    task="poster",
    direction="balanced",
)

案例库

案例库目录：

~/.hermes/agents/multi-agent-image/case_library/

输出目录：

~/.hermes/agents/multi-agent-image/output/

典型案例结构：

case_library/
├── poster/
│   └── case_001_example/
│       ├── image.png
│       └── metadata.json

典型元数据字段：

• case_id
• task
• brief
• prompt
• params
• tags
• rating

验证指南

大规模生成前，先测试提示词质量：

python3 design_image.py \
  --task poster \
  --brief "AI训练营招生海报，强调速度、增长、实战" \
  --direction balanced \
  --aspect 3:4 \
  --prompt-only

检查项：

• design_reasoning 是否明确说明了沟通目标？
• 是否明确设置了安全区域？
• 层级关系是否清晰？
• anti_slop_rules 是否排除了 HUD 叠层、雾气和通用杂乱元素？
• 提示词描述的是一个鲜明的视觉创意，还是一堆元素的堆砌？

当前限制

• 当前图像服务提供方主要围绕 gpt-image-2
• QA 评分有意保持轻量
• 系列生成比单次生成更耗费资源
• 此技能针对栅格图像输出进行了优化，而非可编辑素材
• 部分参考文档仍然长于必要篇幅，但主要运行路径保持一致

版本历史

• v1.0.0 为 GPT-Image-2 生成引入多 Agent 工作流
• v2.0.0 添加案例库、交互式参考选择和图生图风格复用
• v2.1.0 增强下载重试逻辑，添加批量工作流和系列生成
• v2.2.0 打包为可复用的 Hermes 技能，包含安装脚本和运行时布局
• v3.0.0 将设计编译器内置，并移除外部运行时依赖