Image Generation

通过一个严格配置的 CLI 生成或编辑位图。不要按模型名称猜协议，不要绕过配置 allowlist，也不要把远端 /models 返回的未配置模型视为可调用。

路径

{SKILL_DIR}：本文件所在目录
{SCRIPTS_DIR}：{SKILL_DIR}/scripts
CLI 前缀：uv run --project {SCRIPTS_DIR} imggen

必须遵守

优先使用本 skill 的 CLI 路径完成图片生成与编辑。
adapter 仅由 provider/endpoint 配置决定，只能是 openai、gemini、seedream。
调用模型前，必须在所选 endpoint 的 models.<exact-model-id> 表中命中；未命中立即停止。
每个 endpoint 独立配置 adapter、base_url、api_key/api_key_env 和模型 allowlist。禁止跨 endpoint 借用凭据或静默回退。
只发送模型 policy 中明确声明的 capability。CLI 的显式参数不受支持时必须报错，不能丢弃。
imggen models 仅用于诊断远端可见性；远端可见但本地未配置的模型仍然被阻止。
不输出、记录或回显 key。需要新 key、base URL 或模型授权时，请用户修改配置。

配置结构和迁移方式见 references/configuration.md，adapter/模型差异见 references/capability-matrix.md。

工作流

1. 判断操作

纯文字新建图片：generate
一张或多张参考图上的语义修改：edit
OpenAI alpha mask 局部修改：edit --mask
Seedream 5.0 Pro 点选/框选并连续迭代：interactive
多个独立生成任务：generate-batch
模型原生透明底（仅声明 background capability 的模型，如官方 gpt-image-2/gpt-image-1.5）：generate/edit --background transparent
一般去背景/透明底：remove-background（优先 matting，配置不可用时回退 chroma-key）
明确的纯色背景转透明或需要手调关键色：chroma-key

编辑前先查看参考图，确认用户指的是哪一侧、哪个主体或哪块区域。若目标清楚，直接执行；只有会实质改变结果的缺失信息才需要询问。

原生透明底与后处理去背景是两条路径：模型 policy 未声明 background 时（gpt-image-2-vip、Grok Imagine、Nano Banana、Seedream 等），--background 会在请求前被拦截，应改用 remove-background。

2. 选择 endpoint 和模型

uv run --project {SCRIPTS_DIR} imggen list
uv run --project {SCRIPTS_DIR} imggen models -p primary -e seedream

用户未指定时使用配置默认值。若默认模型没有本次操作或参数所需 capability，选择同一 endpoint allowlist 中明确支持的模型；不能自行切换 endpoint。

3. 准备 prompt

保留用户意图、人物身份和必须不变的内容。编辑 prompt 要同时写清：

要改变什么；
在哪里改变；
哪些内容必须保持不变；
构图、相机、光线、材质和文字要求。

CLI 默认把 prompt 和 --scene/--subject/--style/... 组织成结构化段落；原样发送时使用 --no-augment。完整字段见 references/prompting.md。

4. 先验证，再调用

高成本或复杂请求可先 --dry-run。dry-run 仍会执行配置、模型、文件和 capability 校验，但不会发网络请求或写图片。

uv run --project {SCRIPTS_DIR} imggen generate \
  --prompt "夜雨中的末日都市屋顶" \
  -p primary -e openai -m gpt-image-1.5 \
  --size 1536x1024 --quality high --output-format png \
  --out ./roof.png --dry-run

5. 生成或编辑

# 生成
uv run --project {SCRIPTS_DIR} imggen generate "电影感末日城市" \
  -p primary -e openai -m gpt-image-1.5 \
  --size 1536x1024 --quality high -o ./city.png

# 多参考图语义编辑；--image 可重复
uv run --project {SCRIPTS_DIR} imggen edit \
  --prompt "保留人物身份和服装，只调整腿部姿态" \
  --image ./scene.png --image ./character-sheet.png \
  -p primary -e gemini -m gemini-3-pro-image-preview \
  --aspect-ratio 9:16 --image-size 2K -o ./edited.png

# OpenAI mask 编辑
uv run --project {SCRIPTS_DIR} imggen edit \
  --prompt "只替换透明 mask 区域" --image ./input.png --mask ./mask.png \
  -p primary -e openai -m gpt-image-1.5 -o ./masked.png

# 官方 gpt-image-2 原生透明背景（preview，仅 png/webp 带 alpha）
uv run --project {SCRIPTS_DIR} imggen generate \
  --prompt "一只玻璃茶壶，产品摄影" --background transparent \
  -p primary -e openai -m gpt-image-2 --output-format png -o ./teapot.png

# API易 gpt-image-2-vip 多图融合：image 顺序对应 prompt 中「图1/图2/图3」；
# size 传 auto 跟随被修改图比例，或 30 档锁定；该模型固定单张输出
uv run --project {SCRIPTS_DIR} imggen edit \
  --prompt "把图1的人物放进图2的场景，参考图3的画风" \
  --image ./ref1.png --image ./ref2.png --image ./ref3.png \
  -p apiyi -e openai-compatible -m gpt-image-2-vip \
  --size auto -o ./merged.png

# API易 Grok Imagine 编辑：1–4 张参考图，第一张决定输出画幅，无 mask/size 参数
uv run --project {SCRIPTS_DIR} imggen edit \
  --prompt "把背景换成海边黄昏，其余保持不变" --image ./photo.png \
  -p apiyi -e openai-compatible -m grok-imagine-image -o ./edited.png

# API易 Nano Banana（Gemini 原生协议）编辑
uv run --project {SCRIPTS_DIR} imggen edit \
  --prompt "把这两张图里的人物合成到同一个办公室场景中" \
  --image ./person1.png --image ./person2.png \
  -p apiyi -e gemini -m gemini-3-pro-image-preview \
  --aspect-ratio 16:9 --image-size 2K -o ./office.png

--out 已存在时默认拒绝覆盖；明确覆盖才加 --force。--downscale-max-dim 会在原图之外生成带 -small 后缀的缩略副本。

6. Seedream 5.0 Pro 交互编辑

交互坐标必须是官方 0–999 坐标。已经是归一化坐标时直接传 --point X,Y 或 --bbox X1,Y1,X2,Y2；从展示像素坐标转换时同时传 --canvas-size WIDTHxHEIGHT。

# 创建会话并执行第一轮
uv run --project {SCRIPTS_DIR} imggen interactive start \
  --session ./outputs/edit-session.json --image ./input.png \
  --bbox 320,480,760,900 --canvas-size 1080x1440 \
  --prompt "将框内手提包替换为黑色手枪套" \
  -p primary -e seedream -m doubao-seedream-5-0-pro-260628

# 下一轮自动以上一轮成功产物作为参考图
uv run --project {SCRIPTS_DIR} imggen interactive edit \
  --session ./outputs/edit-session.json --point 520,640 --canvas-size 1080x1440 \
  --prompt "把此处金属扣改成暗红色"

# 状态查看与失败恢复
uv run --project {SCRIPTS_DIR} imggen interactive show --session ./outputs/edit-session.json
uv run --project {SCRIPTS_DIR} imggen interactive retry --session ./outputs/edit-session.json

可先在 interactive start 末尾追加 --dry-run 验证坐标、模型与 capability；dry-run 不创建 session。

会话固定 provider/endpoint/model，记录每轮输入、标注、引用图、参数、输出与失败信息；禁止中途换 endpoint。详细协议见 references/seedream-interactive.md。

7. 批量与透明背景

uv run --project {SCRIPTS_DIR} imggen generate-batch \
  --input ./jobs.jsonl --out-dir ./outputs --concurrency 3 \
  -p primary -e openai -m gpt-image-1.5

uv run --project {SCRIPTS_DIR} imggen chroma-key \
  --input ./green.png --out ./transparent.png \
  --auto-key corners --soft-matte --despill

普通去背景优先使用统一入口：

uv run --project {SCRIPTS_DIR} imggen remove-background \
  --input ./generated.png --out ./transparent.png

该命令先调用独立 matting skill 的实时状态与算法探测；只有 [matting] 配置有效且服务可用时才提交任务。配置缺失、无效、服务不可达或未安装 matting skill 时，会在结果 JSON 中写明 fallback_reason，再使用现有 chroma-key。一旦探测已成功，后续任务提交、轮询或下载失败会直接报错，不静默回退。算法选择与配置见 ../matting/SKILL.md；语义复杂的人物、发丝、玻璃、烟雾等素材在执行前仍要查看原图。

JSONL、重试、输出与全部参数见 references/cli.md。

交付

完成后报告 adapter、endpoint、模型、输出绝对路径和已执行的关键约束。若生成了图片，在支持本地媒体展示的客户端中显示最终图片。不要泄露凭据，也不要声称未实际验证的 provider 功能可用。

技术实现索引见 reference.md。

image-generation