关于 scenario-gemini-image
scenario-gemini-image 是一项技能，指导用户通过 Scenario 使用 Gemini 图像模型生成和编辑图片，涵盖模型发现、参数选择、参考图处理与成本估算。
主要功能
- 01发现 Gemini 图像模型
- 02依据 Schema 选择参数
- 03使用参考图编辑
- 04生成多个图像变体
- 05通过试运行估算成本
适用场景
- 01在保留产品特征时更换风格
- 02组合多张视觉参考图
- 03生成图像变体
- 04生成前估算批次成本
MCP 相关
该技能使用 Scenario MCP 工具来发现模型、查看 Schema、上传资源、运行图像任务、等待完成并查看或下载结果。
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/scenario-gemini-image确认已加载。
详细介绍
Scenario Gemini 图像
概述
Scenario 上的 Gemini 图像系列（Nano Banana 系列）通过一个必填的 prompt 生成和编辑图像：编辑指令针对参考图像，而不是绘制蒙版。使用 search 查找成员，并将 model_schema_get 视为约定：创作字段都是共用的，其他字段几乎都因成员而异。
连接方式和核心工作流：请参阅此仓库中的 scenario 技能；与模型无关的图像操作：请参阅 scenario-image 技能。Gemini 视频属于 scenario-gemini-omni 技能；Gemini 语音模型属于音频领域。如果你可用的技能中缺少这里提到的同级技能，请让用户安装（npx skills add scenario-labs/skills --skill <name>）；在无人值守时，根据工具架构继续操作并说明这一缺失。
快速参考
编写本文时共有三个成员（各成员的信息会变动，因此请查阅架构）：
| 成员 | 分辨率 | 特点 |
|---|---|---|
| 3.1 Flash | 512 至 4K，默认 1K | 支持视频输入、四档 thinkingLevel，支持 Search grounding |
| 3.0 Pro | 1K 至 4K，默认 2K | 专为复杂指令编辑和多图融合而打造 |
| 3.1 Lite | 固定为 1K，不支持 resolution | 速度最快、成本最低；thinkingLevel 为 MINIMAL 或 HIGH |
共用字段：referenceImages（最多 14 张，即使只有一张也要使用数组）、numOutputs（根据一个提示词生成 1 至 4 个变体）、aspectRatio（21:9 至 9:16，另有默认值 auto；如果版面要求特定比例，请固定比例），提示词上限约为 250000 个字符，因此可以原样提供完整需求说明。只有 Flash 支持 video（一个视频片段，约 15 MB，通过 videoFps 抽取静帧，默认每秒 1 帧），用于从视频素材中提取静帧；video 和 referenceImages 不能同时使用。useGoogleSearch（Flash 和 Pro 支持）会基于实时网络信息为生成提供依据，并会影响价格；所有标记为 cost_impact 的字段也会影响价格。不支持蒙版、种子或负面提示词字段：局部编辑要用句子描述，重新生成会得到变体，而非复刻。
写指令，而不是标签
用完整句子描述主体、场景和风格。编辑时，说明要做的改动以及必须保留的内容：“保留鞋子的形状、颜色和品牌标识不变；将它放在阳光照耀的露台上。”使用多张参考图时，按位置指定用途（“图像 1 是角色的脸，图像 2 是服装，图像 3 是背景风格”）；未指定用途的参考图容易相互混淆。明确锁定身份：说明在更改姿势、光线或场景时必须保留哪些特征。准确引用图像中的文案，并说明每段文案的位置（“标题写着 ‘LUMEN’，位于上方三分之一处”）；未加引号的文字会被当作要描绘的主题，而非要渲染的文案。如果某个词总是被生成错误，不要重新设计图像：将正确版本作为 referenceImages 传入，并逐字母拼写该词（“标题写着 ‘LUMEN’，拼写为 L、U、M、E、N”），其他内容保持不变。在 Flash 和 Lite 上，thinkingLevel 默认是 HIGH，即审慎模式；简单任务可降低到 MINIMAL 以加快速度。
批量生成前先比较成员价格
不同成员之间的价格差异远大于不同分辨率之间的差异：编写本文时，相同的 1K 编辑在 Flash 上的费用约为 Lite 的两倍，而 Pro 的默认 2K 费用又约为 Flash 的两倍；Lite 的返回时间不到一半。批量处理前，先对两个成员使用相同参数运行 dry_run=true，并在更改 resolution、numOutputs、参考图像或 useGoogleSearch 时重新估算。
实例：保持身份特征不变的产品风格重塑
- 使用
search，设置target="models"、query="gemini"、public=true。视频和语音成员也会显示；选择一个图像成员，例如model_google-gemini-3-1-flash（撰写时的实时搜索结果；每次会话都要重新搜索）。 - 使用该 ID 调用
model_schema_get：查看字段、功能和默认值。 - 使用
upload_asset上传产品照片和风格参考（参见scenario技能），获取资源 ID。 - 使用该
model_id调用model_run，设置dry_run=true，并传入parameters={"prompt": "Image 1 is the product: keep its shape, label, and colors exactly. Image 2 sets the mood: warm sunset palette, soft shadows. Place the product on a marble counter in natural window light.", "referenceImages": ["asset_a", "asset_b"], "aspectRatio": "4:5", "resolution": "2K", "numOutputs": 2}以估算费用。 - 设置
wait=false再次调用model_run，然后使用返回的任务 ID 调用jobs_wait；超时时，使用pending_job_ids再次调用，绝不要第二次调用model_run。 - 使用
asset_display查看两个变体，并使用asset_download保存选中的版本。
常见错误
- 在 Flash 上同时传入
video和referenceImages：两者互斥。 - 尝试使用
seed或mask：所有成员都不支持这两者；请描述编辑内容，并通过批量设置numOutputs来挑选结果。 - 在不同成员之间沿用字段：Lite 不支持
resolution，Pro 不支持thinkingLevel，除 Flash 外的所有成员都不支持video。 - 使用关键词标签式提示词：逗号分隔的列表效果不佳；请写出你会给设计师的完整句子。
- 提供多个参考图但不说明各自用途：输出会混合它们；请按位置说明每张图片的内容。
- 为风格类任务启用
useGoogleSearch：这会增加费用，只有涉及真实世界事实的主题才能从中受益。