nano-banana

Name: nano-banana
Author: ckorhonen

github.com/ckorhonen创意与媒体2253 次安装5 周前更新

代码仓库

关于 nano-banana

nano-banana 是一项通过 MCP 使用 Gemini 图像模型生成和编辑图像的技能，涵盖提示词创作、结构化 JSON 工作流和迭代修改，适用于制作图形、产品视觉素材及连续角色图像。

主要功能

01根据文本提示生成图像
02编辑图像并迭代修改
03创建结构化 JSON 提示
04组合多张参考图像
05保持角色形象一致

适用场景

01制作产品图和营销视觉素材
02生成示意图或 UI 模型
03按要求编辑照片
04生成跨场景的同一角色

MCP 相关

文档介绍了 NanoBanana-MCP 的 MCP 配置，并说明 MCP 客户端可使用图像生成、编辑、细化和历史记录工具。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/ckorhonen/claude-skills --skill nano-banana

安装后在 Claude Code 中输入/nano-banana确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

CHANGELOG.md

references/

examples-json.md

examples.md

json-prompting.md

prompting-guide.md

translator-prompt.md

references/schemas/

diagram-spec.json

marketing-image.json

ui-builder.json

详细介绍

Nano Banana - 通过 MCP 生成 AI 图像

通过 MCP 使用 Google 的 Gemini 图像模型生成惊艳的 4K 图像、编辑照片，并创作文字渲染效果出色的图形。默认模型为 gemini-3.1-flash-image-preview（Nano Banana 2），于 2026 年 2 月推出。

适用场景

在用户执行以下操作时调用：

要求“生成图像”或“创建图片”
想要“编辑这张照片”或“修改这张图像”
需要包含文字的图形（徽标、信息图、示意图）
要求在多张图像中保持“角色一致”
说“把这个可视化”或“给我做一个[视觉内容]”

前置条件

1. Gemini API 密钥

从 Google AI Studio 获取免费 API 密钥：

使用 Google 账号登录
点击“获取 API 密钥” → “创建 API 密钥”
复制并妥善保存

2. MCP 服务设置

推荐：NanoBanana-MCP（使用 Gemini 3.1 Flash Image，画质最高）

# Quick install via Claude Code CLI
claude mcp add nano-banana --env GEMINI_API_KEY=your-key-here -- npx -y nanobanana-mcp

或者手动添加到 ~/.claude/settings.json：

{
  "mcpServers": {
    "nano-banana": {
      "command": "npx",
      "args": ["-y", "nanobanana-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-api-key-here"
      }
    }
  }
}

替代方案：ConechoAI 的 Nano-Banana-MCP（Gemini 2.0 Flash — 速度更快，成本更低）

{
  "mcpServers": {
    "nano-banana": {
      "command": "npx",
      "args": ["nano-banana-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-api-key-here"
      }
    }
  }
}

可用工具

配置 MCP 后，即可使用以下工具：

核心工具

工具	用途	关键参数
`gemini_generate_image`	根据文本提示词创建新图像	`prompt`、`model`、`aspectRatio`、`imageSize`
`gemini_edit_image`	根据指令修改现有图像	`imagePath`、`instructions`、`model`
`continue_editing`	优化上次生成的图像	`instructions`
`get_image_history`	列出会话中生成的所有图像	-

模型选项

模型 ID	描述
`gemini-3.1-flash-image-preview`	默认。画质最高，支持 4K，文字渲染效果最佳（Nano Banana 2，于 2026 年 2 月推出）
`gemini-2.5-flash-image-preview`	生成速度快，分辨率为 1K，画质良好（Nano Banana）
`gemini-3-pro-image-preview`	上一代 Pro 模型，画质依然出色（Nano Banana Pro）
`gemini-2.0-flash-exp`	较旧的实验性模型；新项目建议使用 `gemini-2.5-flash-image-preview`

图像尺寸（仅限 Gemini 3.1 / 3）

尺寸	适用场景
`4K`	最终素材、印刷品、营销材料
`2K`	兼顾画质与速度
`1K`	快速迭代、原型制作

高级功能

功能	能力
4K 输出	最高可达 5632×3072 像素
文字渲染	在图像中准确呈现文字（标牌、标签、UI）
多图合成	最多组合 14 张参考图像
角色一致性	在 5 张以上图像中保持角色一致
Google 搜索 grounding	生成符合现实世界信息的图像

提示词编写最佳实践

组织提示词结构

[Subject] + [Style] + [Details] + [Technical Specs]

示例：

“舒适的咖啡馆室内，水彩插画风格，温暖的灯光，木制家具，桌上的热气腾腾的咖啡杯，4K 分辨率，柔和的晨光透过窗户洒入”

获得最佳效果

描述具体 - 包含颜色、材质、灯光和氛围
指定风格 - “照片级写实”“油画”“3D 渲染”“动漫”
补充背景信息 - 时间、天气、场景
指定分辨率 - “4K”“高分辨率”“细节丰富”

精准模式（JSON 提示词）

对于要求精确复现的关键任务，请使用结构化 JSON 架构。

启用时机

触发短语：

“我需要精确控制……”
“为 [品牌] 创建产品图……”
“生成 UI 模型图……”
“制作一张展示……的信息图”
“我只想调整灯光……”
“对不同版本进行 A/B 测试……”

三种架构类型

类型	适用场景	关键控制项
`marketing_image`	产品图、主视觉图	主体、道具、灯光、相机、品牌锁定项
`ui_builder`	应用界面、仪表板	设计令牌、屏幕、容器、组件
`diagram_spec`	流程图、信息图	节点、边、数据约束

翻译器工作流

描述 - 用户用通俗易懂的英语说明需求
澄清 - Claude 针对缺失字段提出具体问题
生成 - Claude 输出结构化 JSON 模式
审核 - 用户检查关键字段是否符合预期
渲染 - 将 JSON 转换为适用于 Nano Banana 2 的精准提示词
迭代 - 修改特定字段并重新渲染（限定范围的更改）

示例：产品图

用户：“我需要一张 Aurora Lime 气泡水的主视觉图”

Claude 提问：“关于 Aurora Lime 主视觉图：

罐子容量？（标准的 12oz 吗？）
道具？（青柠片、冰块、冷凝水？）
背景风格？（纯色、渐变、散景？）
灯光氛围？（明亮清爽，还是低调奢华？）”

**结果：**生成包含精确规格的结构化 JSON，可逐字段迭代调整。

限定范围的编辑（关键突破）

JSON 可以只更改一项，而无需重新生成所有内容：

更改	保持不变的内容
调整光线方向	主体、道具、背景
尝试不同的相机角度	灯光、道具、环境
更改背景颜色	主体几何形状、灯光设置
添加/移除道具	其他所有内容

参考文档

references/json-prompting.md - 完整的 JSON 提示词指南
references/translator-prompt.md - 翻译器系统提示词
references/schemas/ - 各类型的模板模式
references/examples-json.md - 填写完成的示例

图像中的文字

Nano Banana 2 擅长渲染文字：

“一张复古电影海报，标题为 ‘COSMIC ADVENTURE’，采用醒目的复古字体，背景为星空，配有宇航员剪影，呈现 20 世纪 70 年代的科幻美学”

角色一致性

若要确保多张图像中的角色保持一致：

使用详细描述生成初始角色
在后续提示词中使用 history:0 作为参考
在引用原始描述的同时描述场景变化

First: "A young woman with red curly hair, freckles, green eyes, wearing a blue jacket"
Then: "The same woman from history:0, now sitting at a café, reading a book"

工作流示例

基础图像生成

User: "Create an image of a futuristic city at sunset"

Claude uses: gemini_generate_image
Prompt: "Futuristic cityscape at golden hour sunset, towering glass skyscrapers with holographic advertisements, flying vehicles, warm orange and purple sky, photorealistic, 4K resolution, cinematic lighting"

照片编辑

User: "Edit this photo to make it look like winter"

Claude uses: gemini_edit_image
Input: [user's image path]
Instructions: "Transform to winter scene: add snow on ground and surfaces, frost on windows, visible breath, overcast sky, cool blue color grading"

迭代优化

User: "Make the lighting warmer"

Claude uses: continue_editing
Instructions: "Adjust lighting to warmer tones, add golden hour glow, enhance orange/yellow highlights, softer shadows"

输出管理

图像保存到：~/Documents/nanobanana_generated/

命名格式：generated-[timestamp]-[id].png

安全说明

API 密钥存储在本地环境变量中
永远不会提交到版本控制系统
图像在本地处理，不会存储在外部服务上
在项目中使用 .env 文件管理密钥

模型对比

模型	速度	质量	最大分辨率	成本	最适用于
`gemini-3.1-flash-image-preview`	快	最高	4K	约 $0.045/张（1K）	最终素材、印刷、营销
`gemini-2.5-flash-image-preview`	最快	良好	1K	约 $0.039/张	原型制作、迭代、草稿
`gemini-3-pro-image-preview`	较慢	高	4K	约 $0.134/张	上一代 Pro 的备用方案
`gemini-2.0-flash-exp`	快	良好	1K	低	旧版；请改用 2.5-flash-image-preview

**价格截至 2026 年 3 月。**所有模型均可通过 Google AI Studio 使用免费额度（每天约 500 次请求）。

故障排查

问题	解决方案
“API 密钥无效”	在 AI Studio 验证密钥
“请求频率受限”	等待 60 秒，或升级 API 级别
“MCP 未连接”	重启 Claude Code，检查配置语法
“图像未保存”	检查输出目录的写入权限

集成

可与以下工具配合使用：

Artifacts Builder - 为 HTML 成品生成图像
Process Mapper - 创建图表视觉内容
Research to Essay - 为内容添加插图

参考资料

references/prompting-guide.md - 详细的提示词技巧
references/examples.md - 按类别整理的提示词示例

支持 Markdown

登录后评论

基本信息

作者: ckorhonen
仓库: ckorhonen/claude-skills
分类: 创意与媒体
安装次数: 53
GitHub Stars: 22

报告问题

推荐 Skills

全部 Skills

ai-video-generation

github.com/inference-sh

1.7M

通过 inference.sh CLI 使用 Google Veo、Seedance 2.0、HappyHorse、Wan、Grok 以及 40 多个模型生成 AI 视频。模型：Veo 3.1、Seedance 2.0、HappyHorse 1.0、Wan 2.5、Grok Imagine Video、OmniHuman、Fabric、HunyuanVideo。能力：文生视频、图生视频、参考生视频、视频编辑、口型同步、虚拟形象动画、视频放大、拟音音效。用途：社交媒体视频、营销内容、讲解视频、产品演示、AI 虚拟形象。触发词：video generation、ai video、text to video、image to video、veo、animate image、video from image、ai animation、video generator、generate video、t2v、i2v、ai video maker、create video with ai、runway alternative、pika alternative、sora alternative、kling alternative、seedance、happyhorse

ai-image-generation

github.com/inference-sh

1.7M

通过 inference.sh CLI 使用 GPT-Image-2.5、FLUX、Gemini、Grok、Seedream、Reve 以及 50 多个模型生成 AI 图像。模型：GPT-Image-2.5 Flare、GPT-Image-2.5 Sunburst、GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、Gemini 3 Pro Image、Grok Imagine、Seedream 4.5、Reve、ImagineArt。能力：文生图、图生图、图像修复、LoRA、图像编辑、放大、文本渲染。用途：AI 艺术、产品样机、概念艺术、社交媒体图形、营销视觉、插画。触发词：flux、image generation、ai image、text to image、stable diffusion、generate image、ai art、midjourney alternative、dall-e alternative、text2img、t2i、image generator、ai picture、create image with ai、generative ai、ai illustration、grok image、gemini image、gpt image、openai image、chatgpt image

ai-avatar-video

github.com/inference-sh

1.7M

通过 inference.sh CLI 创建 AI 虚拟形象和口播视频。推荐：P-Video-Avatar（速度最快、价格最低、内置 TTS）。还包括：OmniHuman、Fabric、PixVerse。音频：Inworld TTS-2（支持 100 多种语言，可调节角色情绪）、ElevenLabs、Kokoro。功能：音频驱动的虚拟形象、文本生成虚拟形象、口型同步视频、口播视频生成、虚拟主持人、UGC 内容。用途：AI 主持人、解说视频、虚拟网红、配音、营销视频、UGC 广告、游戏虚拟形象、NPC 对话。触发词：ai avatar、talking head、lipsync、avatar video、virtual presenter、ai spokesperson、audio driven video、heygen alternative、synthesia alternative、talking avatar、lip sync、video avatar、ai presenter、digital human、ugc、ugc video、ugc ad、avatar ugc

remotion-render

github.com/inference-sh

1.6M

通过 inference.sh，根据 React/Remotion 组件代码渲染视频。输入 TSX 代码即可获取 MP4。支持所有 Remotion API：useCurrentFrame、useVideoConfig、spring、interpolate、AbsoluteFill、Sequence。可配置分辨率、FPS、时长和编解码器。适用于：程序化视频生成、动态图形、动态设计、数据驱动视频、将 React 动画转换为视频。触发词：remotion、render video from code、tsx to video、react video、programmatic video、remotion render、code to video、animated video、motion graphics code、react animation video