sn-image-base

Name: sn-image-base
Author: opensensenova

github.com/opensensenova创意与媒体6.0k185 次安装2 天前更新

代码仓库

关于 sn-image-base

这是 SenseNova-Skills 的基础层技能，提供图像生成、编辑、识别和文本优化命令行工具。它直接调用后端服务，不对输入进行预处理。

主要功能

01根据提示词生成图像
02编辑一张或多张参考图像
03使用 VLM 分析多张图像
04使用 LLM 优化文本
05通过命令行或环境变量配置服务
06以文本或 JSON 返回结果

适用场景

01根据文本提示生成图像
02使用参考图像编辑图像
03通过视觉模型分析图像内容
04使用 LLM 优化文本

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/opensensenova/sensenova-skills --skill sn-image-base

安装后在 Claude Code 中输入/sn-image-base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。

.gitattributes

.gitignore

README_CN.md

README.md

requirements.txt

references/

api_spec.md

scripts/

.python-version

extract_json.py

pyproject.toml

ruff.toml

sn_agent_runner.py

scripts/sn_image_base/

__init__.py

configs.py

exceptions.py

scripts/sn_image_base/generation/

__init__.py

nano_banana.py

openai_image.py

sensenova.py

scripts/sn_image_base/generation/core/

__init__.py

client_base.py

scripts/sn_image_base/llm/

__init__.py

anthropic_adapter.py

chat_completions_adapter.py

llm_adapter.py

scripts/sn_image_base/utils/

__init__.py

error_utils.py

httpx_client.py

scripts/sn_image_base/vlm/

__init__.py

utils.py

vlm_adapter.py

详细介绍

sn-image-base

依赖安装

pip install -r requirements.txt

概述

sn-image-base 是 SenseNova-Skills 项目的基础层技能（第 0 层），提供四种底层工具：

sn-image-generate：图像生成（调用 text-to-image-no-enhance API）
sn-image-edit：使用 SenseNova U1.5 Lite 编辑图像（调用 /images/edits）
sn-image-recognize：图像识别（使用 VLM 分析图像内容）
sn-text-optimize：文本优化（使用 LLM 处理文本）

此技能不会执行任何输入预处理，只调用后端服务并返回结果。

工具列表

sn-image-generate

调用 text-to-image-no-enhance API 的图像生成工具。

--prompt 为必填项；其他参数均为可选项：

参数	类型	默认值	描述
`--prompt`	string	必填	图像生成提示词
`--negative-prompt`	string	`""`	负向提示词
`--image-size`	string	`2k`	图像尺寸预设（不区分大小写）。建议使用 `2k`。`sensenova-u1.5-lite` 支持 `4k`；其他 SenseNova 图像模型可能会拒绝该值。其他值 → `status=failed`。
`--aspect-ratio`	string	`16:9`	宽高比，例如 `1:1`、`16:9`、`9:16`
`--seed`	int	`None`	用于实现可复现生成的随机种子
`--unet-name`	string	`None`	指定 UNet 模型名称
`--api-key`	string	`SN_IMAGE_GEN_API_KEY` -> `SN_API_KEY`	API 密钥（CLI 参数优先；如果均为空，则引发 `MissingApiKeyError`）
`--base-url`	string	`SN_IMAGE_GEN_BASE_URL` -> `SN_BASE_URL`	API 基础 URL（CLI 参数优先）
`--poll-interval`	float	`5.0`	轮询间隔（秒）
`--timeout`	float	`300.0`	超时时间（秒）
`--insecure`	flag	`False`	禁用 TLS 验证
`--save-path`	Path	自动生成	保存路径

SenseNova 图像请求默认会显式发送 watermark=false。支持 sensenova-u1-fast 和 sensenova-u1.5-lite；U1.5 Lite 还支持原生 4K 输出。目前，无水印功能处于免费公开测试阶段，之后可能会改为付费功能。

sn-image-edit

通过 /images/edits 端点使用 SenseNova U1.5 Lite 编辑一张或多张参考图像。本地路径会转换为 Data URL；HTTP(S) URL 和 Data URL 会直接传递。

python scripts/sn_agent_runner.py sn-image-edit \
    --prompt "Change the background to a snowy mountain" \
    --images source.png reference.png \
    --save-path edited.png

编辑请求使用官方默认值：n=1、size=auto、watermark=false、prompt_extend=true 和 response_format=url。

sn-image-recognize

使用 VLM（视觉语言模型）分析图像内容的图像识别工具。支持输入多张图像。

--images 和 --user-prompt（或 --user-prompt-path）为必填项。其他参数均采用三级默认值（CLI > 环境变量 > 内置默认值）：

参数	类型	内置默认值	环境变量	描述
`--api-key`	string	无硬编码默认值	`SN_VISION_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`	聊天运行时 API 密钥；如果均未设置，则引发 `MissingApiKeyError`
`--base-url`	string	`SN_CHAT_BASE_URL` 默认值	`SN_VISION_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`	视觉服务提供方的基础 URL；未设置时回退到共享聊天/全局服务提供方
`--model`	string	`sensenova-6.8-flash-lite`	`SN_VISION_MODEL` -> `SN_CHAT_MODEL`	支持视觉功能的模型名称
`--vlm-type`	string	`openai-completions`	`SN_VISION_TYPE` -> `SN_CHAT_TYPE`	聊天协议类型覆盖值
`--user-prompt-path`	string	`None`	-	本地文件路径，与 `--user-prompt` 互斥
`--system-prompt-path`	string	`None`	-	本地文件路径，与 `--system-prompt` 互斥

--vlm-type 的可用值：

openai-completions：兼容 OpenAI 的 /v1/chat/completions 接口
anthropic-messages：Anthropic Messages /v1/messages 接口

sn-text-optimize

用于优化文本内容的文本优化工具，使用 LLM（语言模型）。不接受图像输入。

必须提供 --user-prompt（或 --user-prompt-path）。所有其他参数采用三级默认值（CLI > 环境变量 > 内置默认值）：

参数	类型	内置默认值	环境变量	说明
`--api-key`	字符串	无硬编码默认值	`SN_TEXT_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`	聊天运行时 API 密钥；若均未设置，则引发 `MissingApiKeyError`
`--base-url`	字符串	`SN_CHAT_BASE_URL` 默认值	`SN_TEXT_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`	文本提供方基础 URL；回退到共享聊天／全局提供方
`--model`	字符串	`sensenova-6.8-flash-lite`	`SN_TEXT_MODEL` -> `SN_CHAT_MODEL`	文本模型名称
`--llm-type`	字符串	`openai-completions`	`SN_TEXT_TYPE` -> `SN_CHAT_TYPE`	聊天协议类型覆盖值
`--user-prompt-path`	字符串	`None`	-	本地文件路径，与 `--user-prompt` 互斥
`--system-prompt-path`	字符串	`None`	-	本地文件路径，与 `--system-prompt` 互斥

--llm-type 的可用值：

openai-completions：兼容 OpenAI 的 /v1/chat/completions 接口
anthropic-messages：Anthropic Messages /v1/messages 接口

VLM 与 LLM

工具	模型类型	图像输入	接口类型参数
`sn-image-recognize`	VLM（视觉语言模型）	是，支持多张图像	`--vlm-type`
`sn-text-optimize`	LLM（语言模型）	否，仅支持文本	`--llm-type`

用法

所有工具均通过统一的 sn_agent_runner.py 入口点调用：

# Image generation (only prompt required; api-key/base-url have defaults)
python scripts/sn_agent_runner.py sn-image-generate \
    --prompt "..."

# Image generation (override base-url)
python scripts/sn_agent_runner.py sn-image-generate \
    --prompt "..." \
    --base-url "https://custom-endpoint.com/v1"

# Image generation (explicitly override api-key)
python scripts/sn_agent_runner.py sn-image-generate \
    --prompt "..." \
    --api-key "sk-xxx"

# Image recognition (VLM) - minimal call (uses built-in Sensenova defaults)
python scripts/sn_agent_runner.py sn-image-recognize \
    --user-prompt "Describe the image" \
    --images "path/to/image.png"

# Image recognition (VLM) - override to Anthropic Claude API compatible (messages interface)
python scripts/sn_agent_runner.py sn-image-recognize \
    --user-prompt "Describe the image" \
    --images "path/to/image.png" \
    --api-key "sk-ant-xxx" \
    --base-url "https://api.anthropic.com" \
    --model "claude-sonnet-4-6" \
    --vlm-type "anthropic-messages"

# Text optimization (LLM) - minimal call (uses built-in Sensenova defaults)
python scripts/sn_agent_runner.py sn-text-optimize \
    --user-prompt "Optimize the text: ..."

# Text optimization (LLM) - override to Anthropic Claude API compatible (messages interface)
python scripts/sn_agent_runner.py sn-text-optimize \
    --user-prompt "Optimize the text: ..." \
    --api-key "sk-ant-xxx" \
    --base-url "https://api.anthropic.com" \
    --model "claude-sonnet-4-6" \
    --llm-type "anthropic-messages"

默认参数行为

sn-image-generate 的身份验证参数具有以下默认行为：

参数	默认值	覆盖方式	说明
`--base-url`	`SN_IMAGE_GEN_BASE_URL` -> `SN_BASE_URL`	`--base-url "..."`	CLI 参数优先
`--api-key`	`SN_IMAGE_GEN_API_KEY` -> `SN_API_KEY`	`--api-key "..."`	CLI 参数优先；若所有值均为空，则引发 `MissingApiKeyError`

sn-image-recognize 和 sn-text-optimize 的优先级为：CLI 参数 > 工具专用环境变量 > 共享 SN_CHAT_* 环境变量 > 全局 SN_* 环境变量 > 内置默认值。

参数	内置默认值	视觉环境变量	文本环境变量
`--api-key`	无（必须提供）	`SN_VISION_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`	`SN_TEXT_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`
`--base-url`	`https://token.sensenova.cn/v1`	`SN_VISION_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`	`SN_TEXT_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`
`--model`	`sensenova-6.8-flash-lite`	`SN_VISION_MODEL` -> `SN_CHAT_MODEL`	`SN_TEXT_MODEL` -> `SN_CHAT_MODEL`
`--vlm-type` / `--llm-type`	`openai-completions`	`SN_VISION_TYPE` -> `SN_CHAT_TYPE`	`SN_TEXT_TYPE` -> `SN_CHAT_TYPE`

api_key 的解析顺序（从高到低）：CLI --api-key > 工具专用密钥（SN_VISION_API_KEY/SN_TEXT_API_KEY）> SN_CHAT_API_KEY > SN_API_KEY。若均未设置，则引发 MissingApiKeyError。

只有 --api-key 必须通过 CLI 或环境变量提供；基础 URL、模型和接口类型均有共享的聊天默认值。

Agent 配置集成

Agent 可自动从 openclaw.json 读取参数，无需手动输入：

CLI 参数	openclaw.json 字段	示例
`--base-url`	`providers.<name>.baseUrl`	`https://api.anthropic.com`
`--llm-type`	`providers.<name>.api`	`anthropic-messages` / `openai-completions`
`--vlm-type`	`providers.<name>.api`	`anthropic-messages` / `openai-completions`
`--model`	`providers.<name>.models[].id`	`claude-sonnet-4-6`
`--api-key`	`providers.<name>.apiKey` 或环境变量	`sk-cp-...`

注意：--llm-type 和 --vlm-type 共用同一个 providers.<name>.api 字段，分别供 LLM 和 VLM 工具使用。

provider.api 与接口类型的映射关系：

api 值	对应的 `--llm-type` / `--vlm-type`	端点路径
`anthropic-messages`	`anthropic-messages`	`/v1/messages`
`openai-completions`	`openai-completions`	`/v1/chat/completions`
`openai-responses`	（未来扩展）	`/responses`

base-url 与接口类型的映射关系

不同的 API 类型对 base-url 格式有不同要求：

类型	`--llm-type` / `--vlm-type`	推荐的 base-url	代码追加的路径	最终 URL 示例
LLM	`openai-completions`	`https://token.sensenova.cn/v1`	`/chat/completions`	`https://token.sensenova.cn/v1/chat/completions`
LLM	`anthropic-messages`	`https://api.anthropic.com/v1`	`/messages`	`https://api.anthropic.com/v1/messages`
VLM	`openai-completions`	`https://token.sensenova.cn/v1`	`/chat/completions`	`https://token.sensenova.cn/v1/chat/completions`
VLM	`anthropic-messages`	`https://api.anthropic.com/v1`	`/messages`	`https://api.anthropic.com/v1/messages`

注意：

推荐的聊天 base URL 应包含提供商 API 版本路径，例如 /v1。
为兼容起见，如果配置的聊天 base URL 不含路径，运行器会追加 /v1/chat/completions 或 /v1/messages。
如果配置的聊天 base URL 已包含 /v1 等路径，运行器只会追加 /chat/completions 或 /messages。
有些提供商使用 /v1 以外的版本化路径，例如 Gemini 的 /v1beta/openai。

输出格式

所有工具都支持两种输出格式：

--output-format text（默认）：输出纯文本结果
--output-format json：输出 JSON，其中包含 status 和 elapsed_seconds（运行时间，单位为秒，四舍五入到小数点后 2 位）

sn-image-recognize 和 sn-text-optimize 的 JSON 输出还包含 model、base_url 和 interface_type，用于验证实际生效的运行时配置：

{
  "status": "ok",
  "result": "...",
  "model": "sensenova-6.8-flash-lite",
  "base_url": "https://token.sensenova.cn/v1",
  "interface_type": "openai-completions",
  "elapsed_seconds": 1.23
}

失败时：

{
  "status": "failed",
  "error": "error message",
  "elapsed_seconds": 0.05
}

输入/输出规范

详情请参阅 references/api_spec.md。

支持 Markdown

登录后评论

基本信息

作者: opensensenova
仓库: opensensenova/sensenova-skills
分类: 创意与媒体
安装次数: 185
GitHub Stars: 5,952

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