技能使用指南

generate-image（AI图像生成与编辑技能）Skill 是什么？如何下载安装？

generate-image 技能用一条命令调用 FLUX.2 与 Gemini 3 Pro 完成 AI 文生图与图像编辑，输出自动保存为 PNG，支持多模型切换与批量出图。本文详解安装配置、API 密钥设置、常用命令、竞品对比与真实应用场景，帮开发者快速把出图能力嵌入工作流。

AI图像生成与编辑技能Skillgenerate-image
8 个章节 约 15 分钟阅读 AI 智能生成

AI图像生成与编辑技能：一句话提示即可产出高质量图片与精修结果

核心结论速览：

  • 它是什么：一个通过命令行脚本调用 OpenRouter 上 FLUX.2 与 Gemini 3 Pro 图像模型的 AI 技能，既能文生图，也能对现有图片做定向编辑。
  • 怎么用：一条命令即可，python scripts/generate_image.py "描述" 生成新图，加上 --input 图片路径 即进入编辑模式。
  • 门槛在哪里：唯一硬性前提是配置 OPENROUTER_API_KEY，脚本会自动读取 .env 或环境变量，缺失时给出清晰报错。
  • 强在哪：把「选模型、调接口、处理 base64 返回、存盘为 PNG」这些琐事全部封装，用户只需要写清楚想要什么。
  • 别用错地方：流程图、电路图、系统架构图等技术示意图，应改用「科学示意图」技能。

1. 该技能叫什么？如何下载安装 AI 技能提升开发效率？

基本信息：

项目 内容
中文名 AI图像生成与编辑技能Skill
英文名 generate-image
技能ID 13093
底层模型 FLUX.2 Pro、FLUX.2 Flex、Gemini 3 Pro（经由 OpenRouter 调用）
调用方式 命令行脚本 scripts/generate_image.py

它解决什么问题？

日常工作中，「配一张图」往往是最耗时的环节之一：设计师排期要等，图库素材不贴合需求，自己用在线工具又得反复调参、下载、改名、挪目录。这个技能把图像生成与编辑压缩成一条命令——你描述画面，它产出 PNG；你给出原图和一句修改指令，它返回改好的版本。对开发者而言，它更像一个「可编程的图片生产线」，能嵌进脚本、文档流水线和自动化流程里。

一键安装的思路与步骤：

  1. 确认安装前提：本技能以脚本形式提供，运行环境需要支持 Python，并具备 requests 库（详情中明确将「缺失依赖（requests库）」列为脚本会报错的情形之一）。若未安装，按常规方式安装该依赖即可，具体版本要求以官方说明为准。
  2. 获取技能：通过你所用 AI 技能平台的技能市场/技能库搜索技能ID 13093 或英文名 generate-image 完成添加，具体入口与命令以官方说明为准。
  3. 配置 API 密钥（关键步骤）：脚本运行前必须准备 OpenRouter API 密钥。二选一：
    • 在项目目录或父目录创建 .env 文件，写入一行：OPENROUTER_API_KEY=您的API密钥；
    • 或者设置环境变量：export OPENROUTER_API_KEY=您的API密钥。 密钥可在 OpenRouter 的密钥管理页面获取（详情给出地址为 https://openrouter.ai/keys）。
  4. 验证是否生效：跑一条最简单的生成命令，例如 python scripts/generate_image.py "美丽的山脉日落"。若当前目录下出现 generated_image.png，说明链路已通；若提示密钥缺失，回到第 3 步检查 .env 位置与变量名拼写。

效率提升的关键点在于：密钥只需配置一次，之后所有生成、编辑、批量出图都复用同一套配置，不需要每次打开网页、登录、上传、下载。

2. 该技能的主要功能和特点

  • 文生图（生成模式）：输入一段文本描述，输出一张全新图像，覆盖照片、写实场景、艺术插图、概念艺术、演示文稿配图等通用视觉需求。
  • 图生图（编辑模式）：通过 --input 传入原图，配合一句修改指令（如「将天空变为紫色」「给人添加太阳镜」「从图像中移除文字」），即可得到编辑后的结果。支持的输入格式包括 PNG、JPEG、GIF、WebP。
  • 多模型可选，按需权衡：
    • google/gemini-3-pro-image-preview（默认，质量优先，生成+编辑）
    • black-forest-labs/flux.2-pro（快速且高质量，生成+编辑）
    • black-forest-labs/flux.2-flex（更快更便宜，仅支持生成，质量弱于 pro 版）
  • 输出路径可控：默认保存为 generated_image.png，也可用 --output 指定文件名与目录，天然适配 figures/、slides/、marketing/ 这类项目结构。
  • 响应格式自适配：脚本同时兼容 OpenRouter 不同模型返回的 images 与 content 两种响应格式，返回的 base64 数据 URL 会自动落盘为 PNG，省去手工解码。
  • 错误信息可读：缺少密钥、API 报错（带状态码）、响应格式异常、依赖缺失，都会给出明确提示，而不是一句沉默的失败。
  • 与「科学示意图」技能明确分工：本技能专注「看起来像照片/艺术品」的视觉内容；流程图、电路图、路径图、系统架构图、CONSORT 图等技术示意图应交给科学示意图技能，避免用错工具。

和普通在线出图工具相比强在哪？ 普通工具是「人对着界面点」，本技能是「脚本对着需求跑」——可以写进循环批量出图、可以进版本库、可以被其他 AI 技能（如科学幻灯片、LaTeX 海报技能）当作下游能力直接调用。

3. 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，其中是否有 OPENROUTER_API_KEY=<key>；也可以临时用 --api-key 参数覆盖。

第 2 步：执行最简生成。

python scripts/generate_image.py "美丽的山脉日落"

输出：当前目录新增 generated_image.png。

第 3 步：按需指定模型与输出路径。

python scripts/generate_image.py "太空中的猫" --model "black-forest-labs/flux.2-pro"
python scripts/generate_image.py "抽象艺术" --output artwork.png

第 4 步：进入编辑模式。 只要带上 --input，提示词就变成「修改指令」：

python scripts/generate_image.py "将背景变为蓝色" --input photo.jpg
python scripts/generate_image.py "给人添加太阳镜" --input portrait.png --model "black-forest-labs/flux.2-pro"
python scripts/generate_image.py "从图像中移除文字" --input screenshot.png --output cleaned.png

第 5 步：批量出图——脚本不提供内置批处理参数，而是通过多次运行、分别指定输出路径实现：

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

参数速查表：

参数 是否必需 说明
prompt 必需 生成描述或编辑指令
--input / -i 可选 传入后启用编辑模式
--model / -m 可选 默认 google/gemini-3-pro-image-preview
--output / -o 可选 默认 generated_image.png
--api-key 可选 覆盖 .env 中的密钥

第 6 步：写好提示词（这一步最影响成败）。 详情特别强调：生成提示时，务必要求图像中不出现任何「元指令」文本——包括提示词本身、系统指令、AI 元数据、水印标签、布局描述（如「左侧面板」）、字体或色彩规格。官方建议在提示中固定加上这句：

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/色彩规格或元数据的文本。

关于耗时：生成时间因模型而异，通常在 5–30 秒之间，脚本为同步执行，批量任务请预留时间。

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
generate-image（本技能） 命令行式 AI 图像生成与编辑能力 文生图 + 图生图编辑，多模型切换，自动落盘 PNG 需 Python 环境与 OpenRouter API 密钥，配置一次即可复用 开发者自动化出图、文档配图、演示素材、批量资产 优势：可脚本化、可集成进流水线、模型可选；不足：需自备 API 密钥，纯命令行交互无图形预览
在线网页版出图平台 面向大众的图形化生成工具 网页输入提示直接出图，通常带风格预设与图库 无需编程，注册即用 设计师快速试稿、非技术人员单张出图 优势：零代码、可即时预览调参；不足：难以批量自动化，素材与配置难沉淀到项目仓库，与开发流程割裂
通用大模型对话工具的图像能力 在聊天窗口中顺带生成图片 对话式出图，多轮修改 无需安装，有账号即可 随手配图、概念草图 优势：交互自然；不足：输出尺寸与保存路径不可控，缺乏稳定的脚本接口，编辑能力依赖对话上下文
本地部署开源图像模型 自建推理服务 完全本地化生成与微调 需显卡、环境依赖与调优，门槛最高 数据不出内网的合规场景、深度定制 优势：数据可控、长期成本可优化；不足：部署与调优成本高，本地硬件投入大，出图质量取决于所选模型与参数

选型建议：要「进流程」选本技能，要「随手画」选网页或对话工具，要「数据不出门」再考虑本地部署。

5. 该技能的典型应用场景与实际体验情况

场景一：科研人员为论文配概念插图 痛点是示意图易得、但「概念级视觉」难画。做法是生成微观免疫细胞攻击癌细胞的科学插图风格图，并直接输出到论文图目录： python scripts/generate_image.py "免疫治疗剂攻击癌细胞的微观视图，科学插图风格" --output figures/immunotherapy_concept.png 体验：提示词里加上「科学插图风格」能显著提升可用度；生成耗时通常在十几秒量级，输出路径一步到位，省去下载再挪目录的往复。

场景二：汇报与海报的视觉素材 为幻灯片做标题背景、为海报做英雄图，可直接批量跑几条命令分别落到 slides/、poster/ 目录。体验：颜色与氛围类描述效果稳定，但纯文字类需求（如要求图里写标题字）风险较高——官方明确要求避免图中出现文字与排版指令，这一点需要提前设计「图归图、字归字」的版式。

场景三：文档与营销内容的通用配图 「团队围绕数字白板协作」「发光神经网络的 AI 大脑概念」这类需求，一次命令即可拿到可交付素材。体验：上手难度低，真正需要练的是提示词的颗粒度；建议用 --output 按用途分目录，长期积累会形成可复用的资产库。

场景四：对既有图片做定向修改 把天空改成紫色、给人物加副太阳镜、把截图里的文字去掉。体验：详情给出的编辑技巧是「具体说明想要的更改，并尽可能引用图中的特定元素」——「将天空变为日落颜色」明显优于「编辑天空」；两种主力模型都支持编辑，效果不满意时换模型重试是低成本策略。

总体注意事项：① 密钥缺失是最高频的失败原因，报错信息会直接提示如何设置；② 生成时间波动，不要假设秒回；③ 技术示意图请改用科学示意图技能，别为难通用图像模型。

6. 该技能能为用户带来的价值

  • 效率层面：把「找素材—下载—改名—归档」四步压缩成一条命令，配合 --output 直接落位到项目目录。以一天需要 5–10 张配图计，单张节省的检索与整理时间按分钟累计，整体可省下可观工时。
  • 门槛层面：无需掌握绘图软件、无需研究模型参数，只要会写一句清晰的描述、会敲一行命令；模型选择也被简化成「要质量用 gemini-3-pro / flux.2-pro，要便宜用 flux.2-flex」这一条判断。
  • 可量化收益：生成时间通常 5–30 秒、单次调用完成「生成或编辑 + 保存」全流程、批量场景通过多次运行线性扩展，成本按 OpenRouter 的模型定价计量，可按量核算。
  • 长期价值：出图过程变成可版本化、可复现的脚本资产；与科学示意图、科学幻灯片、LaTeX 海报等技能组合后，形成「文档—视觉—成品」的自动化链条。素材目录一旦积累起来，就是团队可复用的视觉资产库。

7. 常见问题 FAQ

Q1：怎么安装这个技能？必须先有 API 密钥吗？ A：通过技能平台按技能ID 13093 或英文名 generate-image 添加（具体入口以官方说明为准），并准备 Python 运行环境与 requests 依赖。是的，必须先有 OpenRouter API 密钥——写入 .env 的 OPENROUTER_API_KEY=... 或设为环境变量，否则脚本会在启动时直接报错并提示设置方法。

Q2：这个技能收费吗？ A：技能本身的获取方式以官方说明为准；图像生成与编辑产生的费用来自 OpenRouter 上的模型调用，具体价格需查看 OpenRouter 的模型定价页面（详情给出的地址为 https://openrouter.ai/models），并按你的实际用量结算。

Q3：它能做流程图、电路图或系统架构图吗？ A：不建议。详情明确划界：流程图、过程图、电路图、生物路径与信号级联、系统架构图、CONSORT 图等技术/示意图，应改用「科学示意图」技能；本技能负责照片、插图、艺术品、概念艺术和通用视觉资产。

Q4：为什么生成的图里出现了奇怪的文字或水印？ A：这是图像模型常见的「元指令泄漏」。解决办法是在提示中显式加入官方建议的那句约束——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/色彩规格或元数据的文本，并避免在提示里堆砌「左侧面板」这类布局措辞。

Q5：图片编辑效果不理想怎么办？ A：先把指令具体化，明确「改什么、改成什么」并引用图中的具体元素；再考虑切换模型（gemini-3-pro 与 flux.2-pro 都支持编辑），同一条指令换个模型重试往往就有改善。另外注意输入格式需为 PNG、JPEG、GIF、WebP 之一。