技能使用指南

nano-banana-pro（Gemini3Pro图像生成技能）Skill 是什么？如何下载安装？

nano-banana-pro 技能封装 Google Gemini 3 Pro Image 模型，支持强文本渲染、5 主体角色一致性、多轮对话改图、搜索接地与 4K 出图，提供 Python、TypeScript、cURL 与 Next.js 接入示例。本文详解安装步骤、使用方法、竞品对比与典型场景，助你快速提升出图效率。

Gemini3Pro图像生成技能Skillnano-banana-pro
8 个章节 约 13 分钟阅读 AI 智能生成

Gemini3Pro图像生成技能Skill：用一句提示词调用 Google 最强图像模型

  • 它是什么：nano-banana-pro 是一个封装 Google Gemini 3 Pro Image（模型 ID gemini-3-pro-image-preview，市场名称 Nano Banana Pro）的 AI 技能，让你在开发工作流中直接生成和编辑高质量图像。
  • 核心能力：超强文本渲染（海报、信息图文字准确）、最多 5 个主体的角色一致性、多轮对话式迭代编辑、Google 搜索接地、1K/2K/4K 与多种画幅比例控制。
  • 接入方式：Python SDK、REST/cURL、TypeScript、Next.js API 路由四种调用方式，均以 Gemini API 密钥为唯一前提。
  • 适合谁用：需要批量产出营销图、信息图、产品图的开发者、内容团队与独立创作者。
  • 注意点：Pro 版本质量最佳但速度更慢、成本更高，预览类高容量场景可改用 Nano Banana（2.5 Flash）。

该技能叫什么？如何下载安装 AI 技能提升开发效率？

技能中文名：Gemini3Pro图像生成技能Skill 技能英文名：nano-banana-pro 技能ID：13142

它解决的问题很明确：Google 的 Gemini 3 Pro Image 是目前文本渲染与图像编辑能力最强的模型之一，但直接对接 API 需要处理请求结构、响应解析、Base64 图像解码、多轮会话状态等一堆琐碎细节。这个技能把这些工程细节打包成"一句话触发"的能力——你只要说出「Nano Banana Pro」「Gemini 3 Pro Image」「gemini-3-pro-image-preview」「Google 图像生成」等触发词，技能就会按内置的调用范式帮你生成图像。

安装与生效步骤（通用流程，具体入口以官方说明为准）：

  1. 准备前提：拥有一个 Google 账号，并能访问 Google AI Studio。
  2. 获取 API 密钥：前往 Google AI Studio，点击"获取 API 密钥"，把密钥安全存储为环境变量（例如 GEMINI_API_KEY）。这是全流程唯一的硬性前提。
  3. 安装技能：在你的 AI 技能平台/客户端中搜索技能英文名 nano-banana-pro 或技能 ID 13142 完成添加（具体安装命令与入口以官方说明为准）。
  4. 配置环境变量：确保运行环境能读取 GEMINI_API_KEY，避免把密钥硬编码进代码。
  5. 验证是否生效：用一句最简单的提示词试跑，例如"生成一只在沙滩上晒太阳的橘猫"，若能同时返回一段文字描述和一张 PNG 图像，说明技能已正常工作。

相比手工从零写调用代码，这种"一键安装 + 触发词唤起"的方式把接入成本从"读半小时文档"压缩到"配一个密钥"。

该技能的主要功能和特点

  • 高质量图像生成：基于 gemini-3-pro-image-preview，是 Google 当前图像生成与编辑能力最强的档位，定位于生产级、专业级出图。
  • 优越的文本渲染：这是它最突出的差异化能力。海报标题、日期、地点、信息图标签等文字内容能被较准确地"画"进图里，而不是生成一堆乱码字形。
  • 角色一致性（最多 5 个主题）：可传入参考图（Base64 编码的 inline_data），让生成结果保持同一人物/物体的外观一致，适合系列化视觉内容。
  • 多轮对话式迭代编辑：通过 client.chats.create 建立会话，先出初稿，再用自然语言指令修改，例如"将此信息图更新为西班牙语，保持所有其他元素不变"。
  • Google 搜索接地：通过 tools=[{"google_search": {}}] 启用搜索接地，可生成带实时信息的内容图，如"今日股票市场趋势信息图"。
  • 精细的画幅与分辨率控制：aspect_ratio 支持 1:1、3:2、16:9、9:16、21:9；image_size 支持 1K、2K、4K。
  • 多语言技术栈覆盖：Python SDK、REST/cURL、TypeScript/JavaScript、Next.js API 路由示例齐全，前端后端都能直接抄作业。
  • 比普通工具强在哪：普通文生图工具通常"只能出图、不能改图、文字必崩"，而它把"生成—修改—保持一致—嵌入实时信息"串成了一条完整链路。

如何使用该技能？

第 1 步：初始化客户端

from google import genai
from google.genai import types

client = genai.Client(api_key="YOUR_GEMINI_API_KEY")

第 2 步：发起一次基础生成

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="一个宁静的日本花园，有樱花和锦鲤池",
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE']
    )
)

注意 response_modalities 必须同时包含 TEXT 和 IMAGE，模型才会返回图像部分。

第 3 步：解析并保存结果

返回的 parts 里，带 text 属性的是文字描述，带 inline_data 属性的是图像（Base64 编码，mime_type 通常为 image/png）。解码后写入文件即可：

import base64
with open("output.png", "wb") as f:
    f.write(base64.b64decode(image_data))

第 4 步：加上画幅与分辨率配置

config=types.GenerateContentConfig(
    response_modalities=['TEXT', 'IMAGE'],
    image_config=types.ImageConfig(aspect_ratio="16:9", image_size="2K")
)

第 5 步：需要改图时改用多轮会话

chat = client.chats.create(model="gemini-3-pro-image-preview", config=...)
response1 = chat.send_message("创建一个解释光合作用的生动信息图")
response2 = chat.send_message("将此信息图更新为西班牙语。保持所有其他元素不变。")

第 6 步：非 Python 环境用 REST 调用

curl -s -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"contents":[{"role":"user","parts":[{"text":"创建一个关于光合作用的生动信息图"}]}],"generationConfig":{"responseModalities":["TEXT","IMAGE"]}}'

在 Next.js 项目中，可把上述逻辑封装进 app/api/generate-image/route.ts，接收 prompt、aspectRatio、imageSize 三个参数，返回可直接用于 <img src> 的 data URL。

输入输出示例：输入"创建一个专业海报，标题：2025年年度科技峰会，日期：2025年3月15-17日，地点：旧金山会议中心"，输出为一段文字说明 + 一张含准确中英文排版的 PNG 海报图。

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
nano-banana-pro（本技能） Gemini 3 Pro Image 的封装技能 高质量出图、强文本渲染、5 主体一致性、多轮编辑、搜索接地、1K–4K 需 Google AI Studio 密钥；技能一键安装 生产级海报、信息图、系列角色图 优势：文字准、可迭代、能力全面；不足：速度较慢、成本较高
Nano Banana（2.5 Flash） 同系列轻量版 基础图像生成与编辑 同上，门槛一致 预览、草图、高容量批量出图 优势：更快更便宜；不足：画质与文字精度不及 Pro
通用第三方文生图服务 通用 AIGC 出图 文生图为主 注册即用，部分需订阅 插画、氛围图、社媒配图 优势：上手快、生态成熟；不足：长文本渲染易出错、编辑与一致性弱
自建开源图像模型 本地/私有部署 完全可定制 需 GPU、环境与调优投入 数据敏感、深度定制 优势：可控、无调用费；不足：部署与维护成本高、效果依赖调优

选择建议：追求成品质量与文字准确性选本技能；只做快速预览用 2.5 Flash；需要私有化部署再考虑自建路线。

该技能的典型应用场景与实际体验情况

场景一：市场运营做活动海报 运营同学常被"改一个字重出一张图"折磨。用本技能直接描述标题、日期、地点，文本渲染能力让排版一次成型；后续只需多轮对话说"标题改成蓝色"，无需重写提示词。实际体验：上手难度低，首次出图即可用，但涉及长段中文时建议拆短句、分行给，准确率更高。

场景二：内容团队制作科普信息图 "创建一个解释光合作用的生动信息图"这类需求，过去要设计师画半天。借助搜索接地还能生成带实时数据的图表。实际体验：结构化的知识型图像效果突出，注意在提示词中明确"用中文标注"等语言要求。

场景三：游戏/品牌做系列角色图 通过 inline_data 传入角色参考图，最多支持 5 个主体保持一致，适合做表情包、分镜、周边视觉。实际体验：一致性表现良好，但参考图质量直接影响结果，建议使用清晰、纯背景的素材。

场景四：开发者快速搭建出图功能 把 Next.js 路由示例稍作改造，就能给自己的 SaaS 加一个"AI 配图"按钮。实际体验：示例代码完整度高、响应解析逻辑清晰，主要工作量在密钥管理与错误处理上。

该技能能为用户带来的价值

  • 效率提升：从"写调用代码 + 解析响应 + 存图"到"一句触发词"，单次接入成本从数小时降到分钟级；一次生成即含文字与图像双输出。
  • 门槛降低：无需深入理解 Gemini API 的请求结构与多模态响应格式，Python/TypeScript/cURL 三种范式照抄即可用。
  • 质量收益：强文本渲染直接解决"AI 出图文字必崩"的行业痛点，海报、信息图这类高文字密度素材可一次成型；4K 输出满足印刷与高清展示需求。
  • 修改成本下降：多轮对话编辑让"改一处、保其余"成为现实，避免整图重生成带来的不可控性。
  • 长期价值：角色一致性与搜索接地为品牌资产沉淀和实时内容生产提供了可复用的技术底座。

常见问题 FAQ

Q1：这个技能怎么安装？需要付费吗？ 在技能平台搜索 nano-banana-pro 或技能 ID 13142 添加即可，同时需要在 Google AI Studio 获取 Gemini API 密钥。技能本身的安装费用与 API 调用计费标准以官方说明为准。

Q2：为什么我调用后只返回文字，没有图片？ 最常见原因是 response_modalities 未设置为 ['TEXT', 'IMAGE']。请确认该字段同时包含两者，否则模型不会输出图像部分。

Q3：它和 Nano Banana（2.5 Flash）怎么选？ Pro 版质量最佳但更慢更贵，适合生产与专业交付；2.5 Flash 更快更便宜，适合预览、草图和高容量批量场景。详情可参考模型的官方对比说明。

Q4：适合谁用？不会写代码能用吗？ 主要面向开发者与内容技术团队。非技术用户可在支持该技能的 AI 客户端中用自然语言触发，但精细的画幅、分辨率与参考图控制仍需代码层配置。

Q5：生成的图片文字还是有小错误怎么办？ 可优先缩短文案、逐行给出，并在多轮会话中定点修正，例如"把标题中的’峰会’改为’论坛’，其他保持不变"，比整图重生成更可靠。