技能使用指南

generate-image（生成图像）Skill 是什么？怎么用来生成和编辑图片？

generate-image（生成图像）Skill 让你用一条命令完成 AI 出图与改图：支持 FLUX.2 Pro、Gemini 3 Pro 等模型，可指定输出目录、批量生成、定向编辑。本文详解安装前提、API 密钥配置、常用命令与竞品对比，帮你把出图环节嵌进开发与内容工作流，立即上手试试。

生成图像Skillgenerate-image
8 个章节 约 17 分钟阅读 AI 智能生成

生成图像Skill：一句话指令，让 AI 帮你出图与改图

  • 能做什么：用一段文字提示词生成照片、插画、艺术作品、概念图与视觉素材，也能对已有图片做定向编辑（改天空颜色、加配饰、去文字等）。
  • 靠什么实现：通过 OpenRouter 调用 FLUX.2 Pro、Gemini 3 Pro 等图像模型，技能内置 scripts/generate_image.py 脚本，命令行一条指令即可出图。
  • 门槛有多低：只要能跑 Python 脚本并配置一个 OPENROUTER_API_KEY，就能在本地目录直接拿到 PNG 结果，无需在网页工具之间来回切换。
  • 边界要清楚：它专注通用图像（照片、插画、艺术、视觉资产）；流程图、电路图、通路图、架构图这类技术示意图，应改用「科学图表」技能。
  • 适合谁：写论文/做汇报的科研与技术人员、需要大量配图的运营与设计同学、以及想把「出图」这一步嵌进自动化流程的开发者。

1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？

基本信息

项目 内容
中文名 生成图像Skill
英文名 generate-image
技能ID 13039
核心能力 使用 AI 模型（FLUX、Gemini）生成或编辑图像
依赖服务 OpenRouter 图像生成模型接口

它解决什么问题？

日常开发与内容生产里，「配一张图」往往是工作流中最容易被打断的一环：写文档时要去开一个网页版绘画工具，做幻灯片时要反复下载、改名、挪目录，做概念图时还要来回试提示词。生成图像Skill 把这些动作收敛成一条命令：在项目目录里直接跑脚本，图片就落在当前目录或你指定的路径下，中间不需要离开终端，也不需要手动搬运文件。

它同时明确了能力边界：照片、写实图像、艺术插画、概念艺术、演示文稿视觉资产、图像编辑与修改，都属于它的适用范围；而流程图、过程图、电路图、电气示意图、生物通路与信号级联、系统架构图、CONSORT 图和方法流程图等技术与示意图表，官方明确建议改用「科学图表」技能。

一键安装的思路与步骤

  1. 准备前提：本地可运行 Python 脚本；按技能详情，脚本依赖 requests 库，若缺失会给出明确报错，按提示安装即可。
  2. 安装技能本体：在技能市场或技能管理入口搜索技能英文名 generate-image（或技能ID 13039）并添加，具体安装命令与入口地址以官方说明为准。
  3. 配置 API 密钥（关键一步）：脚本需要 OpenRouter API 密钥。可以二选一：
    • 在项目目录或其父目录创建 .env 文件，写入 OPENROUTER_API_KEY=你的API密钥；
    • 或设置环境变量：export OPENROUTER_API_KEY=你的API密钥。 密钥可从 OpenRouter 的密钥页面获取（地址见技能详情）。
  4. 验证是否生效：在技能目录下执行一次最小测试：
python scripts/generate_image.py "山间美丽日落"

若当前目录出现 generated_image.png，说明安装与密钥配置都已生效；若报「API 密钥缺失」，回到第 3 步检查 .env 位置与变量名。

这种「安装一次、之后一条命令出图」的模式，正是 AI 技能提升开发效率的核心：把外部工具的能力变成可复用、可脚本化、可被流水线调用的本地能力。

2. 该技能的主要功能和特点

  • 文生图（生成新图像）：输入一段文本描述，直接产出 PNG 图片，默认保存为当前目录下的 generated_image.png。
  • 图生图（编辑现有图像）：通过 --input 传入已有图片，即可按指令修改，例如换背景颜色、给人物加太阳镜、移除截图里的文字。
  • 多模型可选：默认 google/gemini-3-pro-image-preview（高质量，支持生成+编辑）；black-forest-labs/flux.2-pro 质量高、速度快，同样支持生成与编辑；仅需生成且在意成本时可用 black-forest-labs/flux.2-flex。
  • 参数化可控：提示词、输入图、模型、输出路径、API 密钥四个维度都能通过命令行参数指定，方便写进脚本与批处理。
  • 自动落盘：模型返回的 base64 数据 URL 会被脚本自动解码并保存为 PNG，省掉手动转换环节。
  • 清晰的错误处理：密钥缺失、接口报错（带状态码）、响应格式异常、依赖缺失，都会给出可读的错误信息，便于快速定位。
  • 提示词「去元信息」约束：技能明确要求提示词中避免让画面出现提示文本、布局描述、字体/配色规范等「元内容」，并要求在提示中附加「不要在生成的图像中包含任何显示提示、指令、布局描述、字体/颜色规范或元数据的文本」，从而让画面更干净。
  • 与其它技能协同：可与「科学图表」（技术示意图）、「科学幻灯片」（演示文稿配图）、「LaTeX 海报」（海报主图）配合使用，形成内容生产组合拳。

和普通工具有什么不同？ 网页版绘画产品强在交互与社区，而生成图像Skill 强在「嵌入工作流」：文件路径可指定、可批量跑、可被脚本调用、结果直接进入项目目录结构，特别适合已经有代码仓库或文档工程的团队。

3. 如何使用该技能？

第 1 步：确认密钥。 检查项目目录或父目录的 .env 是否含 OPENROUTER_API_KEY，或确认环境变量已导出。脚本会自动探测 .env。

第 2 步：用最简命令跑通第一张图。

python scripts/generate_image.py "山间美丽日落"

输出：当前目录下生成 generated_image.png，通常 5–30 秒完成（因模型而异）。

第 3 步：指定模型，平衡质量与成本。

python scripts/generate_image.py "太空中的猫" --model "black-forest-labs/flux.2-pro"

第 4 步：指定输出路径，让文件直接进入工程目录。

python scripts/generate_image.py "抽象艺术" --output artwork.png

例如为论文插图、幻灯片背景、海报主图分别指定到 figures/、slides/、poster/ 目录下，避免后续手工归类。

第 5 步：进入编辑模式。 加上 --input（或 -i）即切换到图像编辑：

python scripts/generate_image.py "让背景变蓝" --input photo.jpg
python scripts/generate_image.py "给人物添加太阳镜" --input portrait.png --model "black-forest-labs/flux.2-pro"
python scripts/generate_image.py "移除图像中的文字" --input screenshot.png --output cleaned.png

支持的输入格式为 PNG、JPEG、GIF、WebP；输入图会被编码为 base64 发送给模型。

第 6 步：批量出图。 多次调用脚本、使用不同提示词与输出路径即可：

python scripts/generate_image.py "图像1描述" --output image1.png
python scripts/generate_image.py "图像2描述" --output image2.png

第 7 步：按需覆盖密钥。 临时切换密钥时可用 --api-key 参数覆盖 .env 中的配置。

编辑指令的写法建议：越具体越好。写「将天空改为日落颜色」优于「编辑天空」；尽量指向画面中的具体元素，并给出清晰详细的修改说明，效果更稳定。

4. 同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
生成图像Skill（generate-image） 可脚本化的 AI 出图能力 文生图、图生图、多模型切换、自定义输出路径 需 Python 环境 + OpenRouter API 密钥；命令行操作，无图形界面 文档与论文配图、演示文稿素材、营销图、批量出图 优势：能嵌入代码仓库与自动化流程、路径可控、模型可换；不足：无可视化界面，需自备密钥与用量成本
Midjourney 面向创作者的订阅制绘画平台 高质量艺术风格生成、风格参考、社区画廊 需在其平台订阅并使用（以官方说明为准），以网页/客户端交互为主 艺术创作、风格化视觉探索 优势：艺术风格表现力强、社区生态成熟；不足：脚本化与工程集成能力有限，出图需人工交互
OpenAI 图像生成能力 通用大模型厂商提供的图像生成 文生图、基于对话的迭代修改 需对应平台账号与密钥，通过其接口或产品使用 通用创意图、配图、原型视觉 优势：与对话式工作流结合自然；不足：与本地项目目录、批处理流程的贴合度需自行封装
Stable Diffusion（本地部署） 开源自托管图像生成 文生图、图生图、LoRA/ControlNet 等扩展 门槛较高：需显卡、环境配置与模型管理 深度定制、隐私敏感、离线场景 优势：可控性与定制性极强、可离线；不足：部署与调优成本高，硬件要求明显
Adobe Firefly 商业设计套件内的生成式能力 文生图、生成式填充与扩图 需订阅设计套件并使用其产品界面 商业设计、版权敏感的商业素材 优势：与设计工具链打通、商用条款清晰；不足：离开其生态后自动化空间有限

怎么选：如果你要的是「在工作目录里一条命令拿到图，并能批量跑、能进流水线」，生成图像Skill 最贴合；如果是纯艺术探索，Midjourney 类平台更顺手；如果强依赖本地、离线与深度定制，自托管方案更合适。

5. 该技能的典型应用场景与实际体验情况

场景一：科研人员做论文与报告配图 角色：需要为论文、基金申请书、组会汇报准备概念插图的科研人员。 痛点：示意图可以交给「科学图表」技能，但「免疫疗法攻击癌细胞的微观视图」这类概念性插图，画图软件做不出来，找图又有版权顾虑。 用法：python scripts/generate_image.py "免疫疗法攻击癌细胞的微观视图，科学插图风格" --output figures/immunotherapy_concept.png。 体验：上手难度低，一条命令、几十秒出图，输出直接落到 figures/ 目录。注意点是概念插图不等于技术图表，涉及通路、流程的表达要切回「科学图表」技能，否则容易得到「好看但不准确」的图。

场景二：演示文稿与海报的视觉素材 角色：要做汇报、答辩、宣传海报的职场用户与学生。 痛点：模板背景千篇一律，定制设计又需要排期。 用法：python scripts/generate_image.py "抽象蓝白背景，带细微分子图案，专业演示风格" --output slides/background.png；海报主图则用「现代设备实验室设置，逼真，光线充足」这类描述，输出到 poster/hero.png。 体验：一次生成即可用作底图，风格统一性好；若要做成套视觉，建议固定同一提示词风格前缀 + 不同主体描述，多跑几次挑最满意的一张。

场景三：产品与营销团队的素材快速出稿 角色：需要频繁产出概念图的运营、市场同学。 痛点：每次改需求都要回到网页工具重跑，素材散落在下载文件夹。 用法：python scripts/generate_image.py "未来主义AI大脑概念，带发光神经网络" --output marketing/ai_concept.png。 体验：命名与归档规则由参数直接决定，团队协作时目录结构清晰。注意点是画面中不应出现文字排版——技能要求提示词避免布局描述、字体与配色规范，并要求显式声明「不要在生成的图像中包含任何显示提示、指令、布局描述、字体/颜色规范或元数据的文本」，否则容易出现画面乱码或元信息文字。

场景四：开发者的批量与自动化出图 角色：需要为一个项目批量生成占位图、示例图或 Demo 素材的开发者。 痛点：手工出图无法接入脚本与流水线。 用法：循环调用脚本，配合 --output image1.png、--output image2.png 等不同路径；需要临时切换密钥时用 --api-key。 体验：命令行参数设计直观（-i/-m/-o），错误信息明确（密钥缺失、接口状态码、响应格式异常、依赖缺失），调试成本低。注意点是批量跑会产生对应的接口用量，需要提前了解 OpenRouter 的定价规则（以官方说明为准）。

整体上手感受：安装与密钥配置是唯一的「一次性成本」，跑通第一条命令后，后续所有操作都是改提示词、改参数的事。真正的技巧不在命令行，而在提示词的具体程度与「选对技能」——通用图像找它，技术图表找科学图表。

6. 该技能能为用户带来的价值

  • 效率提升：从「打开网页工具 → 输入 → 下载 → 改名 → 移动到项目目录」的多步操作，压缩成「一条命令」，单张图的获取路径大幅缩短；生成通常在 5–30 秒内完成，适合高频、小批量的即时配图需求。
  • 门槛降低：不需要掌握绘图软件，不需要理解模型部署，只要会写一句描述性提示词、会跑一次 Python 脚本，就能拿到可用的视觉资产。
  • 流程可沉淀：命令即文档。提示词、模型、输出路径都写在命令里，可被脚本复用、被同事复制、被流水线调用，个人经验得以沉淀为团队资产。
  • 质量与成本可调：默认高质量模型保证效果，需要控成本时可切到更轻量的模型，仅生成场景下尤其适用；模型可替换也意味着未来有更强的模型出现时可以平滑切换。
  • 协作与归档更规范：--output 让图片直接落到约定的目录结构中，减少「这张图是哪个版本」的沟通成本。
  • 长期价值：随着技能之间的组合使用（生成图像 + 科学图表 + 科学幻灯片 + LaTeX 海报），一条从内容构思到成品交付的链路可以在同一种工作方式下完成。

7. 常见问题 FAQ

Q1：这个技能怎么安装？需要准备什么？ 通过技能市场或技能管理入口搜索英文名 generate-image（技能ID 13039）添加，具体安装命令与入口以官方说明为准。运行前需要准备两样东西：可用的 Python 环境（脚本依赖 requests）和一个 OpenRouter API 密钥，密钥写在项目目录或父目录的 .env 文件中（OPENROUTER_API_KEY=你的密钥），或通过环境变量导出。验证方式是跑一次 python scripts/generate_image.py "山间美丽日落"，看是否生成 generated_image.png。

Q2：使用它收费吗？ 技能本身是调用 OpenRouter 上的图像模型来出图，因此会产生模型调用费用，具体价格取决于所选模型与用量，请以 OpenRouter 官方定价说明为准。控成本的做法是：仅生成场景可选用更轻量的 flux.2-flex；需要高质量或需要编辑时再用 Gemini 3 Pro 或 FLUX.2 Pro。

Q3：它和「科学图表」技能到底怎么分工？ 一句话：要「好看的图」用它，要「准确的图」用科学图表。照片、插画、艺术作品、概念艺术、演示文稿视觉资产、图像编辑属于生成图像的适用范围；流程图、电路图、生物通路、系统架构图、CONSORT 图等技术示意图表，官方明确建议改用科学图表技能。

Q4：生成的图片里出现了奇怪的文字或说明性内容怎么办？ 这是图像模型的常见问题。技能的关键提示要求中已经给出对策：提示词里避免出现布局描述、字体规范、配色方案等元信息，并显式加入「不要在生成的图像中包含任何显示提示、指令、布局描述、字体/颜色规范或元数据的文本」。如果仍有残留，可缩短提示词、减少对画面分区的描述后重试。

Q5：它和 Midjourney、Stable Diffusion 这类工具怎么选？ 看你的工作方式。需要「在项目目录里一条命令出图、能批量、能进脚本流程」，选生成图像Skill；追求艺术风格探索、喜欢在社区里找灵感，Midjourney 类平台更合适；对本地部署、离线与深度定制有硬性要求，则考虑自托管方案。三者并不冲突，很多团队是「日常配图走技能、重点视觉走专业工具」。