jimliu%2fbaoyu-skills%40baoyu-image-gen（jimliu%2fbaoyu 技能%40baoyu 图片生成）

Baoyu Image Gen — AI 图像生成

When to Use

• 用户要求生成图片、插图、海报、封面、图标等视觉内容
• 需要为文章、PPT、网站创建配图
• 需要特定比例的图片（社交媒体封面、手机壁纸等）
• 需要批量生成多张图片并选择
• 需要针对不同 AI 绘图服务编写优化 prompt
• 需要将自然语言描述转换为高质量 AI 图片

Prerequisites

API 密钥配置

至少需要配置一个图像生成服务的 API 密钥。在 .env 文件或环境变量中设置：

必需依赖

可选依赖

Instructions

服务商能力对比

服务商自动选择策略

Agent 根据以下规则自动选择最合适的服务商：

1. 中文场景优先 — 如果 prompt 是中文或涉及中国文化元素，优先使用通义万象
2. 文字渲染需求 — 需要在图片中嵌入文字时，优先使用 DALL-E 3 或 Imagen 3
3. 速度优先 — 用户要求快速生成时，优先使用 Imagen 3 或通义万象
4. 质量优先 — 用户要求最高质量时，使用 DALL-E 3 或 Flux Pro
5. 成本优先 — 批量生成时优先使用通义万象
6. 可用性 — 根据用户已配置的 API Key 选择

用户可通过指定服务商名称覆盖自动选择。

宽高比速查

质量预设

Workflows

Workflow 1: 单张图片生成

步骤 1 — 理解用户意图

从用户描述中提取以下信息：

步骤 2 — 构建优化 Prompt

将用户描述转换为各服务商优化的 prompt（见 Prompt 工程部分）。

步骤 3 — 调用生成 API

根据选择的服务商调用对应 API。

步骤 4 — 返回结果

输出生成的图片文件路径，并附上使用的 prompt 和参数。

Workflow 2: 批量生成

一次生成多张图片供用户选择：

步骤 1 — 确定批量参数

步骤 2 — 生成所有图片

并行调用 API 以加快速度。对于 varied-prompt 模式，为每张图调整 prompt 的风格描述词。

步骤 3 — 展示结果并让用户选择

Workflow 3: Prompt 优化咨询

当用户不确定如何描述想要的图片时：

1. 与用户对话，逐步明确需求
2. 提供 3-5 个不同方向的 prompt 建议
3. 用户选择方向后微调 prompt
4. 生成图片

Prompt 工程指南

通用 Prompt 结构

[主体描述], [环境/背景], [风格], [光线], [构图], [色调], [细节描述]

示例：

A cozy coffee shop interior with warm lighting,
morning sunlight streaming through large windows,
a steaming cup of latte on a wooden table with an open book,
shot on 35mm film, soft warm tones,
shallow depth of field, photorealistic

DALL-E 3 专用技巧

1. 自然语言描述 — DALL-E 3 理解长句叙述，不需要关键词堆砌
2. 风格指定 — 明确说明 "digital art"、"oil painting"、"photograph" 等
3. 避免否定词 — 说"蓝天"而非"没有云的天空"
4. 文字嵌入 — 直接写 with text "Hello" 可以在图中渲染文字
5. revisedPrompt — DALL-E 3 会重写 prompt，可从返回值获取实际使用的 prompt

from openai import OpenAI
client = OpenAI()

response = client.images.generate(
    model="dall-e-3",
    prompt="一只橘猫坐在窗台上看雨，窗外是东京夜景，赛博朋克风格，霓虹灯倒映在雨滴中",
    size="1792x1024",
    quality="hd",
    n=1
)
image_url = response.data[0].url
revised_prompt = response.data[0].revised_prompt

Google Imagen 3 专用技巧

1. 结构化描述 — 主体 + 动作 + 环境 + 风格
2. 摄影参数 — 可以指定镜头焦段、光圈、ISO 等
3. 艺术家风格 — 可以参考知名艺术家的风格
4. 多语言支持 — 支持中文 prompt 但英文效果更佳

from google import genai
client = genai.Client()

response = client.models.generate_images(
    model='imagen-3.0-generate-002',
    prompt='A serene Japanese garden in autumn, koi fish swimming in a crystal clear pond, maple trees with red and orange leaves',
    config=genai.types.GenerateImagesConfig(
        number_of_images=1,
        aspect_ratio='16:9'
    )
)

for image in response.generated_images:
    image.image.save('garden.png')

通义万象专用技巧

1. 中文 prompt 最优 — 直接使用中文描述效果最佳
2. 风格参数 — 支持 <photography>、<anime>、<3d cartoon> 等风格标签
3. 负向提示 — 支持 negative_prompt 排除不想要的元素
4. 参考图 — 支持 img2img 以图生图

import dashscope

response = dashscope.ImageSynthesis.call(
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model='wanx-v1',
    input={
        'prompt': '一座雪山下的小木屋，温暖的灯光从窗户透出，天空中有极光，油画风格',
        'negative_prompt': '低质量, 模糊, 变形'
    },
    parameters={
        'size': '1024*1024',
        'n': 1,
        'style': '<oil painting>'
    }
)

image_url = response.output.results[0].url

Replicate (Flux) 专用技巧

1. 英文 prompt — Flux 模型英文效果远优于中文
2. 极致细节 — 适合描述复杂场景和精细纹理
3. 风格混搭 — 可以混合多种艺术风格
4. 自定义参数 — 支持 guidance_scale、steps 等高级参数

import replicate

output = replicate.run(
    "black-forest-labs/flux-1.1-pro",
    input={
        "prompt": "An astronaut riding a horse on Mars, cinematic lighting, 8k resolution, hyperdetailed",
        "aspect_ratio": "16:9",
        "output_format": "png",
        "safety_tolerance": 2
    }
)

Output Format

文件命名

{描述关键词}_{服务商}_{比例}_{日期时间}.png

示例：coffee_shop_dalle3_16x9_20250301_143022.png

输出内容

每次图片生成后，返回以下信息：

📸 图片已生成
- 文件：./images/coffee_shop_dalle3_16x9.png
- 服务商：DALL-E 3
- 尺寸：1792 × 1024 (16:9)
- 质量：HD
- Prompt：[实际使用的 prompt]
- 耗时：8.3s
- 费用估算：$0.08

多图对比输出

批量生成时以网格形式对比展示，标注每张的差异（不同风格、不同构图等）。

Common Pitfalls

1. API Key 未配置

症状：调用失败，返回 401/403 错误 解决：检查 .env 或环境变量中的 API Key 是否已正确设置

2. Prompt 过于模糊

错误："画一张好看的图" 正确："一只白色的猫咪趴在阳光下的窗台上，背景是模糊的绿色植物，温暖的暖色调，胶片摄影风格"

3. 比例与用途不匹配

常见错误搭配：

• PPT 配图用了 1:1 → 应该用 16:9
• 手机壁纸用了 16:9 → 应该用 9:16
• 社交媒体头像用了 16:9 → 应该用 1:1

4. 中文 prompt 发给 Flux/Replicate

Flux 等模型对中文支持有限，必须先翻译为英文再调用。Agent 应自动完成翻译。

5. 图片中文字乱码

AI 图像生成模型在渲染中文文字时质量不稳定。如果必须在图片中嵌入中文文字，建议：

• 先生成不含文字的图片
• 然后用 Pillow 在图片上叠加中文文字

from PIL import Image, ImageDraw, ImageFont

img = Image.open('base_image.png')
draw = ImageDraw.Draw(img)
font = ImageFont.truetype('msyh.ttc', size=48)
draw.text((100, 50), '标题文字', fill='white', font=font)
img.save('final_image.png')

6. 费用失控

批量生成时注意费用：

生成前提醒用户预估费用。

7. 内容安全限制

所有服务商都有内容安全审查。如果生成被拒绝：

• 检查 prompt 是否包含敏感词
• 调整描述方式
• 不要尝试绕过安全限制

EXTEND.md 扩展

用户可在技能同目录下创建 EXTEND.md 添加：

• 首选服务商和默认参数
• 自定义风格预设模板
• 品牌相关的 prompt 片段（Logo 描述、品牌色等）
• 额外的 API 端点或自部署模型地址