feat: 新增 account 和 plan 目录
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
@@ -0,0 +1,6 @@
|
||||
{
|
||||
"zh": {
|
||||
"name": "AI 图像生成",
|
||||
"description": "多服务商 AI 图像生成（DALL-E、Imagen、通义万象、Replicate），支持多种比例、质量预设、批量生成和 Prompt 优化。"
|
||||
}
|
||||
}
|
||||
377
account/admin/skills/baoyu-image-gen/SKILL.md
Normal file
377
account/admin/skills/baoyu-image-gen/SKILL.md
Normal file
@@ -0,0 +1,377 @@
|
||||
---
|
||||
name: jimliu/baoyu-skills@baoyu-image-gen
|
||||
description: Generate AI images using multiple providers (OpenAI DALL-E, Google Imagen, DashScope/Tongyi Wanxiang, Replicate). Supports various aspect ratios, quality presets, batch generation, and provider-specific prompt engineering techniques.
|
||||
license: MIT
|
||||
metadata:
|
||||
author: openakita
|
||||
version: "1.0.0"
|
||||
---
|
||||
|
||||
# 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：
|
||||
|
||||
| 环境变量 | 服务商 | 获取方式 |
|
||||
|---------|--------|---------|
|
||||
| `OPENAI_API_KEY` | OpenAI DALL-E 3 | https://platform.openai.com/api-keys |
|
||||
| `GOOGLE_API_KEY` | Google Imagen 3 | https://aistudio.google.com/apikey |
|
||||
| `DASHSCOPE_API_KEY` | 通义万象 (阿里云) | https://dashscope.console.aliyun.com/ |
|
||||
| `REPLICATE_API_TOKEN` | Replicate (Flux 等) | https://replicate.com/account/api-tokens |
|
||||
|
||||
### 必需依赖
|
||||
|
||||
| 依赖 | 用途 | 安装方式 |
|
||||
|------|------|---------|
|
||||
| Python ≥ 3.10 | 运行生成脚本 | 系统预装 |
|
||||
| `httpx` | HTTP 请求 | `pip install httpx` |
|
||||
| `Pillow` | 图片处理 | `pip install Pillow` |
|
||||
|
||||
### 可选依赖
|
||||
|
||||
| 依赖 | 用途 | 安装方式 |
|
||||
|------|------|---------|
|
||||
| `openai` | OpenAI SDK | `pip install openai` |
|
||||
| `google-genai` | Google Gemini/Imagen SDK | `pip install google-genai` |
|
||||
| `dashscope` | 通义万象 SDK | `pip install dashscope` |
|
||||
| `replicate` | Replicate SDK | `pip install replicate` |
|
||||
|
||||
---
|
||||
|
||||
## Instructions
|
||||
|
||||
### 服务商能力对比
|
||||
|
||||
| 能力 | DALL-E 3 | Imagen 3 | 通义万象 | Replicate (Flux) |
|
||||
|------|----------|----------|---------|-----------------|
|
||||
| 图片质量 | ★★★★★ | ★★★★★ | ★★★★ | ★★★★★ |
|
||||
| 中文 prompt | ★★★ | ★★★ | ★★★★★ | ★★ |
|
||||
| 文字渲染 | ★★★★ | ★★★★ | ★★★ | ★★★ |
|
||||
| 速度 | 中等 | 快 | 快 | 慢 |
|
||||
| 价格 | 较贵 | 中等 | 便宜 | 按模型 |
|
||||
| 尺寸灵活度 | 3 种固定 | 多种 | 多种 | 自定义 |
|
||||
| 风格多样性 | ★★★★★ | ★★★★ | ★★★★ | ★★★★★ |
|
||||
|
||||
### 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
|
||||
|
||||
| 比例 | 像素（示例） | 适用场景 |
|
||||
|------|-------------|---------|
|
||||
| 1:1 | 1024×1024 | 头像、图标、社交媒体帖子 |
|
||||
| 16:9 | 1792×1024 | PPT 配图、YouTube 封面、桌面壁纸 |
|
||||
| 4:3 | 1365×1024 | 传统幻灯片、相册 |
|
||||
| 9:16 | 1024×1792 | 手机壁纸、Instagram Stories、短视频封面 |
|
||||
| 3:2 | 1536×1024 | 摄影风格、杂志插图 |
|
||||
| 2:3 | 1024×1536 | 海报、书籍封面 |
|
||||
|
||||
### 质量预设
|
||||
|
||||
| 预设 | 说明 | 适用场景 |
|
||||
|------|------|---------|
|
||||
| `draft` | 快速草稿，低分辨率 | 方案探索、快速迭代 |
|
||||
| `standard` | 标准质量 | 日常使用、网页配图 |
|
||||
| `hd` | 高清，细节丰富 | 正式出版、印刷 |
|
||||
| `ultra` | 最高质量，最长等待 | 海报、展览 |
|
||||
|
||||
---
|
||||
|
||||
## 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：
|
||||
|
||||
| 要素 | 默认值 | 说明 |
|
||||
|------|--------|------|
|
||||
| 主题 | — | 图片的核心内容 |
|
||||
| 风格 | 写实 | 摄影、插画、水彩、赛博朋克、扁平化等 |
|
||||
| 比例 | 1:1 | 根据用途自动推断 |
|
||||
| 质量 | standard | draft/standard/hd/ultra |
|
||||
| 服务商 | auto | 自动选择或用户指定 |
|
||||
|
||||
**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
|
||||
|
||||
| 参数 | 说明 |
|
||||
|------|------|
|
||||
| 数量 | 2-8 张（默认 4） |
|
||||
| 变体策略 | same-prompt（同 prompt 不同种子）/ varied-prompt（不同风格变体） |
|
||||
|
||||
**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
|
||||
|
||||
```python
|
||||
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
|
||||
|
||||
```python
|
||||
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
|
||||
|
||||
```python
|
||||
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
|
||||
|
||||
```python
|
||||
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
|
||||
|
||||
```python
|
||||
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：
|
||||
| 服务商 | 单张费用（约） |
|
||||
|--------|-------------|
|
||||
| DALL-E 3 HD | $0.08 |
|
||||
| DALL-E 3 Standard | $0.04 |
|
||||
| Imagen 3 | $0.03 |
|
||||
| 通义万象 | ¥0.04 |
|
||||
| Flux Pro | $0.05 |
|
||||
|
||||
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
|
||||
Reference in New Issue
Block a user