图像生成技能Skill：用一条命令生成与编辑高质量图像
- 一句话定位：基于 OpenRouter 上的 FLUX.2 与 Gemini 3 Pro 图像模型，通过一个 Python 脚本完成「文生图」与「图生图」两类任务，输出自动保存为 PNG。
- 上手极简：核心只有一条命令
python scripts/generate_image.py "提示语"，加--input即切换为图像编辑模式。 - 质量与成本可控：默认使用高质量的
google/gemini-3-pro-image-preview，也可按需切换到更快的flux.2-pro或更便宜的flux.2-flex。 - 边界清晰：专攻照片、插图、艺术品、概念图和视觉资产；流程图、电路图、架构图等技术示意图应改用 scientific-schematics 技能。
- 唯一硬性前提：需要配置 OpenRouter API 密钥（
.env文件或环境变量），脚本会自动检测并在缺失时给出明确提示。
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 |
|---|---|
| 技能中文名 | 图像生成技能Skill |
| 技能英文名 | generate-image |
| 技能ID | 13066 |
| 核心能力 | 使用 AI 模型（FLUX、Gemini）生成或编辑图像 |
| 依赖 | Python、requests 库、OpenRouter API 密钥 |
它解决什么问题
在写论文、做演示、做产品文档、做营销物料时，最耗时的往往不是文字，而是"配一张合适的图"：找图有版权风险，自己画成本高，通用聊天工具出图又难以稳定落到项目目录里。generate-image 把这个动作收敛成一条可复制、可脚本化、可批量执行的命令——提示语进，PNG 文件出，直接落到你指定的 --output 路径，天然适配工程化工作流与自动化流水线。
同时它明确划定了能力边界：通用目的的图像生成与编辑归它管；流程图、电路图、生物通路图、系统架构图、CONSORT 图这类技术/示意图，则交由 scientific-schematics 技能处理。这种"专事专办"的分工，避免了用图像模型硬画技术图导致的文字错乱与结构失真。
一键安装与验证的思路（通用步骤）
- 准备运行环境：确认本地 Python 环境可用，并安装脚本依赖的
requests库（依赖缺失时脚本会给出明确报错）。 - 放置技能文件：将技能包放入项目目录（技能市场中通常提供一键安装入口，具体命令与入口以官方说明为准），确认
scripts/generate_image.py可被访问。 - 配置 API 密钥（关键步骤）：脚本需要 OpenRouter API 密钥。可任选一种方式：在项目目录或父目录创建
.env文件并写入OPENROUTER_API_KEY=your-api-key-here；或直接设置环境变量export OPENROUTER_API_KEY=your-api-key-here。密钥可在 https://openrouter.ai/keys 获取。脚本会自动检测.env文件，并在密钥缺失时输出清晰的错误提示。 - 跑通第一条命令：执行
python scripts/generate_image.py "山脉上的美丽日落"，观察当前目录是否生成generated_image.png。 - 验证生效：若文件成功生成且图像内容符合提示，说明安装与密钥配置均已生效；若报错，优先按错误消息排查密钥、网络与依赖三项。
该技能的主要功能和特点
- 文生图（生成）：给一段自然语言描述，直接产出照片、插图、艺术品、概念艺术、演示用视觉资产等通用图像。
- 图生图（编辑）：通过
--input传入已有图片，用自然语言指令修改它，例如"让天空变紫色"“给人添加太阳镜”“从图像中移除文字”。 - 多模型可选：默认
google/gemini-3-pro-image-preview（高质量，生成与编辑皆可）；black-forest-labs/flux.2-pro主打快速且高质量，同样支持生成与编辑；black-forest-labs/flux.2-flex快速且便宜，但仅用于生成，画质不如 Pro 版。 - 参数化输出控制：
--output自定义文件名与目录，便于按figures/、slides/、marketing/等结构归档。 - 自动落盘为 PNG：模型返回的 base64 数据 URL 会被自动解码保存，无需手动处理编码。
- 友好的错误处理：对 API 密钥缺失、API 错误（附状态码）、响应格式异常、依赖缺失四类情况给出明确提示。
- 面向自动化的可脚本性：多次运行即批量出图，天然适合接入构建脚本、文档流水线与内容生产流程。
和普通工具比强在哪：一是"可编程"，一条命令替代一次打开网页、粘贴提示、下载图片、重命名搬运的手工循环；二是"可组合"，与 scientific-slides（演示文稿）、latex-posters（海报视觉）、scientific-schematics（技术图表）形成分工明确的图像生产链；三是"防污染提示"，技能内置了一条重要约束——要求生成图像中不得出现提示词、指令、布局描述、字体/配色规格或任何 AI 元数据文本与标签。
如何使用该技能？
第 1 步：确认密钥就绪
检查项目目录或父目录是否存在 .env 且包含 OPENROUTER_API_KEY，或已导出同名环境变量。密钥也可通过 --api-key 参数临时覆盖。
第 2 步：写一条清晰的提示语
输入示例：python scripts/generate_image.py "微观视角下癌症细胞被免疫治疗剂攻击，科学插图风格" --output figures/immunotherapy_concept.png
输出说明：命令在当前目录生成对应 PNG 文件；未指定 --output 时默认保存为 generated_image.png。
第 3 步：按需选模型
python scripts/generate_image.py "太空中的猫" --model "black-forest-labs/flux.2-pro"
选择逻辑：追求质量用 gemini-3-pro 或 flux.2-pro；需要编辑必须选这两个之一；纯粹控成本、只要生成，可用 flux.2-flex。
第 4 步：进入编辑模式
python scripts/generate_image.py "让背景变蓝色" --input photo.jpg
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 5 步：编辑并自定义输出
python scripts/generate_image.py "从图像中移除文字" --input screenshot.png --output cleaned.png——这一步对清理截图里的水印式文字特别实用。
第 6 步：批量出图
用不同提示或不同输出路径多次运行即可，例如连续生成 image1.png、image2.png。
第 7 步：出错就按提示修 脚本会明确区分"密钥缺失（附设置指令）"“API 错误（附状态码）”“响应格式意外”“依赖缺失”，先解决问题再重试，不必盲目重跑。
参数速查：prompt（必需，描述或编辑指令）、--input/-i、--model/-m、--output/-o、--api-key。
编辑效果的关键技巧：指令要具体、可定位——写"将天空改为日落颜色"优于"编辑天空"；尽量点名要改动的具体元素；生成通常耗时 5–30 秒，视模型而定。
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 |
|---|---|---|---|---|---|
| generate-image（本技能） | 可脚本化的通用图像生成/编辑 | 文生图、图生图、多模型切换、自定义输出路径 | 需 Python 与 OpenRouter 密钥，配置一次后命令行即用 | 论文配图、演示视觉、文档插图、营销概念图、批量出图 | 优势：命令化、可批量、可与其他技能串联、边界清晰；不足：需自备 API 密钥，且不擅长技术示意图 |
| scientific-schematics（同系技能） | 技术/示意图专项 | 流程图、电路图、系统架构图、生物通路、CONSORT 图 | 同为技能安装方式，以官方说明为准 | 学术论文方法图、工程设计图 | 优势：结构准确、文字可控；不足：不适合照片与艺术创作 |
| Midjourney 等在线图像平台 | 面向创意与美术的托管式服务 | 高质量艺术风格出图 | 网页订阅使用，无需编程 | 艺术创作、风格化视觉探索 | 优势：美术风格强；不足：难以直接落到本地工程目录，批量与自动化弱 |
| 本地部署扩散模型 | 完全自建的开源方案 | 高度可定制的生成与 LoRA 微调 | 需显卡、环境配置与调参经验 | 数据敏感、需深度定制的团队 | 优势：数据不出域、可控性最高；不足：硬件与运维成本高，门槛偏大 |
该技能的典型应用场景与实际体验情况
场景一：科研人员的论文与海报配图
痛点：需要"看起来专业"的概念插图，但外包成本高、版权归属麻烦。用法：为论文生成"免疫治疗剂攻击癌细胞"的微观概念图，为海报生成"照明良好的现代实验室环境"主图，输出到 figures/、poster/hero.png。实际体验：上手难度低，提示语写得越像"画面描述"效果越好；注意概念图属艺术表达，不能替代真实实验数据图。
场景二：做汇报的职场用户
痛点：PPT 首页背景图反复找素材、风格不统一。用法：一条命令生成"带微妙分子图案的抽象蓝白背景，专业演示风格"，落到 slides/background.png；再配合 scientific-slides 技能组装成视觉统一的演示文稿。实际体验：5–30 秒出图，风格一致性靠固定提示模板维持；注意不同模型风格差异明显，同一套材料建议锁定同一模型。
场景三：开发者与内容运营的素材流水线
痛点：文档、落地页、营销物料需要大量配图，人工逐张下载重命名效率极低。用法：把命令写进脚本循环，不同提示配不同 --output 路径，一次跑完一批。实际体验：可编程性是其最大优势；注意 OpenRouter 按模型计费，成本需查看其定价页核算，批量前先用小批量试跑。
场景四：截图与旧图的快速修复
痛点：截图里有多余文字、旧照片背景不理想。用法：--input 指定文件，指令写"从图像中移除文字"“让背景变蓝色”。实际体验：指令越具体越准；同时务必在提示中声明不要在图中出现提示词、布局描述、字体/配色规格等元数据文本，否则可能把"指令"画进图里。
该技能能为用户带来的价值
- 效率层面：把"找图—下载—重命名—归档"的多步手工流程压缩为一条命令，单张图从数分钟降到几十秒（生成耗时通常 5–30 秒），批量场景下收益成倍放大。
- 门槛层面：不需要绘画能力、不需要理解模型参数、不需要处理 base64 编码，会用命令行就能出图；密钥配置一次即可长期复用。
- 成本层面：三档模型可按"质量/速度/成本"灵活取舍，纯生成需求可用更便宜的
flux.2-flex，避免为不需要的画质付费。 - 质量与合规层面：内置"输出不包含元指令/水印/布局描述"的规范要求，减少返工；能力边界明确，避免拿图像模型硬做技术图造成的错误。
- 长期价值：命令化意味着可版本化、可复制、可集成，与 scientific-slides、latex-posters、scientific-schematics 组合后，形成一条从文字到成品的稳定图像生产链。
常见问题 FAQ
Q1：怎么安装这个技能？需要准备什么？
A：将技能包放入项目（技能市场通常有一键安装入口，具体命令以官方说明为准），确认 scripts/generate_image.py 可用；安装 requests 依赖；配置 OpenRouter API 密钥（.env 中写 OPENROUTER_API_KEY=... 或设置同名环境变量）。跑通 python scripts/generate_image.py "山脉上的美丽日落" 并看到 generated_image.png 即为成功。
Q2：这个技能收费吗？ A：技能本身的使用方式是基于脚本调用 OpenRouter 的图像模型，图像生成按模型计费，具体价格需查看 OpenRouter 的模型定价页（https://openrouter.ai/models）。不同模型成本不同，`flux.2-flex` 相对更便宜，仅支持生成。
Q3：它能编辑我自己的图片吗？
A：可以。用 --input（或 -i）传入 PNG、JPEG、GIF、WebP 格式的图片即进入编辑模式，指令越具体越好，例如"给人添加太阳镜"优于"改一下人像"。编辑需使用 gemini-3-pro 或 flux.2-pro，flux.2-flex 不支持编辑。
Q4：为什么生成的图里出现了奇怪的文字或"左面板/右面板"字样？ A：这是模型把提示中的描述当成了画面内容。技能文档明确要求：提示中应包含"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/颜色规格或元数据的文本"这类约束，并避免在提示里写排版与配色规格。
Q5：它和 scientific-schematics 该选哪个？ A：看图的类型。照片、插图、艺术品、概念艺术、演示视觉资产、图像编辑，用 generate-image；流程图、电路图、系统架构图、生物通路、CONSORT 图等技术/示意图，用 scientific-schematics。两者可组合使用：技术图交给 schematics，主视觉与配图交给 generate-image。