nano-banana-pro（Gemini3Pro图像生成器）Skill 是什么？能生成和编辑图像吗？

Gemini3Pro图像生成器Skill：一条命令生成、编辑图像，最多14张图合成一个场景

• 一句话定位：这是一个把 Gemini 3 Pro Image 能力封装成「命令行脚本」的 AI 技能，输入提示词就能出图，带图就能改图，多图还能合成一个场景。
• 三种核心玩法：文生图（generate）、单图编辑（edit）、多图组合（最多 14 张）。
• 可控分辨率：1K（默认）、2K、4K 三档，按用途挑选清晰度。
• 安装极简：只需准备 uv 运行环境与 GEMINI_API_KEY，即可用 uv run 直接调用脚本，无需额外框架。
• 对聊天工具有友好适配：脚本会打印 MEDIA: 行，支持 Otto 在聊天中自动附加图片，省去手动上传。

该技能叫什么？如何一键安装 AI 技能提升开发效率？

技能中文名：Gemini3Pro图像生成器Skill 技能英文名：nano-banana-pro 技能ID：13581

它解决的问题很明确：以往要做「文生图 / 改图 / 多图合成」，往往要在网页控制台、第三方平台、本地脚本之间来回切换，图片还得手动下载、重命名、上传。这个技能把 Gemini 3 Pro Image 的能力收敛成一个可脚本化的本地命令行入口，一次安装，随时调用，让图像生成变成开发流程里的一行命令，而不是一个额外的工作流。

安装前需要准备什么

根据技能详情，运行前提只有两项：

1. uv 运行环境：技能声明依赖 uv 这个可执行文件（bins: uv）。详情中给出的安装方式是 brew（formula: uv，标签为「安装uv (brew)」），即通过 brew 安装 uv。
2. GEMINI_API_KEY 环境变量：技能的主环境变量就是它（primaryEnv: GEMINI_API_KEY），缺失则无法调用模型。

一键安装与配置步骤

1. 安装 uv：按详情提供的 brew 方式安装 uv。若本机没有 brew，请参考 uv 官方文档的其他安装方式，具体命令以官方说明为准。
2. 配置 API 密钥（两种方式任选其一）：
   • 方式一：设置环境变量 GEMINI_API_KEY；
   • 方式二：写入 ~/.otto/otto.json 配置文件，路径为 skills."Gemini 3 Pro图像生成器".apiKey 或 skills."Gemini 3 Pro图像生成器".env.GEMINI_API_KEY。
3. 验证是否生效：跑一次最简单的生成命令，例如：

uv run {baseDir}/scripts/generate_image.py --prompt "一只赛博风格的香蕉" --filename "2025-01-01-10-00-00-banana.png" --resolution 1K

若命令正常结束、打印出 MEDIA: 行并提示输出文件路径，说明安装与密钥配置都已生效。若报错，优先检查 uv 是否在 PATH 中、GEMINI_API_KEY 是否被正确读取。{baseDir} 是技能所在目录的占位符，实际调用时替换成你的技能安装路径即可。

说明：技能详情中未提供具体的下载链接、账号注册页或计费价格，这些以官方说明为准。

该技能的主要功能和特点

• 文生图（Generate）：只需 --prompt 描述画面，再指定 --filename 输出文件名，即可生成一张图片。
• 单图编辑（Edit）：通过 -i 传入一张源图，配合 --prompt 描述编辑指令，实现「在原图基础上改」。
• 多图组合（多图合成）：支持多次 -i 传入图片，最多 14 张，用一个提示词把它们组织进同一场景。
• 三档分辨率：1K（默认）、2K、4K，按展示位或印刷需求自由选择，兼顾速度与清晰度。
• 可脚本化、可批量：本质是命令行脚本，天然可以塞进 Shell 脚本、CI 流程、定时任务里，做批量出图。
• 聊天场景自动附加图片：脚本会打印 MEDIA: 行，Otto 在支持的聊天提供商上可据此自动附加图片，减少手动搬运。
• 指令简洁、无框架负担：不需要搭建 WebUI、不需要下载模型权重，装好 uv 就能跑，和动辄几个 GB 的本地部署方案相比门槛低得多。
• 行为约定清晰：技能明确要求「不要回读图像，只报告保存的路径」，避免脚本在生成后又把图片读进上下文，浪费资源。

与「打开网页版、手动描述、手动下载」的普通做法相比，这个技能的差异化在于入口统一、参数化、可组合：分辨率是参数、输出文件名是参数、输入图数量是参数，一切可被程序驱动。

如何使用该技能？

下面的步骤覆盖三种常见调用方式，命令均来自技能详情，可直接参考。

第 1 步：确认运行环境 确保 uv 可用、GEMINI_API_KEY 已配置（环境变量或 ~/.otto/otto.json）。

第 2 步：文生图

uv run {baseDir}/scripts/generate_image.py --prompt "您的图像描述" --filename "output.png" --resolution 1K

• --prompt：画面描述，写得越具体（主体、风格、光线、构图、比例）效果越可控。
• --filename：输出文件名。
• --resolution：1K 默认，可选 2K、4K。

第 3 步：单图编辑

uv run {baseDir}/scripts/generate_image.py --prompt "编辑指令" --filename "output.png" -i "/path/in.png" --resolution 2K

• -i：输入图路径。--prompt 此时写「要改什么」，例如换背景、调色调、补元素。

第 4 步：多图组合（最多 14 张）

uv run {baseDir}/scripts/generate_image.py --prompt "将这些组合成一个场景" --filename "output.png" -i img1.png -i img2.png -i img3.png

• 每张输入图用一个 -i，按顺序传入；提示词负责描述「它们之间如何摆放、融合、统一风格」。

第 5 步：命名与结果确认

• 建议文件名带时间戳：yyyy-mm-dd-hh-mm-ss-name.png，例如 2025-06-01-14-30-00-poster.png，避免批量生成时互相覆盖。
• 脚本会打印 MEDIA: 行与保存路径；按技能约定，只报告保存的路径，不要回读图像。

输出说明：命令执行后得到一张图片文件，落盘位置由 --filename 决定；分辨率由 --resolution 决定。整个过程中，你唯一需要关心的就是「提示词 + 文件名 + 输入图」。

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
Gemini3Pro图像生成器Skill（nano-banana-pro）	命令行式 AI 图像生成与编辑技能	文生图、单图编辑、最多 14 张多图合成、1K/2K/4K 分辨率、MEDIA: 行便于聊天自动附加	中等偏低：需 uv + GEMINI_API_KEY，一条 uv run 命令即可	批量出图、脚本化流程、素材合成、聊天内快速出图	优势：参数化、可脚本化、多图合成能力强、无需本地模型；不足：依赖外部 API 与密钥，需具备一定命令行基础
Midjourney	以审美风格见长的在线图像生成服务	文生图、风格化、变体与放大	低：网页/聊天工具内使用，但需账号订阅，具体以官方说明为准	视觉风格探索、概念图、灵感发散	优势：出图审美稳定、社区生态活跃；不足：批量化与流程嵌入较难，多图精确合成控制有限
OpenAI 图像生成能力（网页/API）	通用大模型厂商提供的图像生成与编辑	文生图、基于提示词的图像编辑	低到中等：网页端开箱即用；API 方式需密钥与代码	通用配图、营销素材、开发集成	优势：生态成熟、接口规范；不足：要嵌入本地工作流仍需自行封装脚本，多图合成的组合控制需额外提示工程
Stable Diffusion（本地部署 / WebUI）	开源本地图像生成方案	文生图、图生图、ControlNet 等丰富插件	高：需显卡、环境配置、模型权重下载	深度定制、私有化部署、风格微调	优势：完全可控、可训练模型、离线可用；不足：硬件与环境门槛高，维护成本大

一句话选型建议：要深度定制和离线可控，选本地开源方案；要审美与灵感，选在线订阅类服务；要把出图变成流水线上的一道工序，选这个命令行技能。

该技能的典型应用场景与实际体验情况

场景一：电商运营做商品图与场景图 运营手里有商品白底图，需要快速生成「商品 + 场景」的主图。以往要找设计师排期，现在用单图编辑传入商品图，--prompt 描述「放到木质桌面上，暖光，浅景深」，--resolution 2K 直接出一版。多 SKU 时用 Shell 循环批量跑，命名带时间戳即可。 实际体验：上手难度低，只要能敲一条命令就能用；效果很大程度取决于提示词的具体程度。注意批量跑时务必管好文件名，避免覆盖。

场景二：内容创作者做封面与配图 写公众号、做视频封面时，用文生图快速产出版式草图，1K 出草稿、选定方向后再 4K 出正式版。 实际体验：从「想到画面」到「拿到文件」的链路被压缩到一条命令；草稿阶段用低分辨率能明显节省等待。注意按技能约定只读取保存路径，不要在脚本里再回读图片做二次处理。

场景三：设计与产品团队做多素材合成 手上有 logo、产品图、背景素材，最多 14 张一起丢进去，用一个提示词描述「把这些组合成一个场景」。 实际体验：多图组合是这个技能最有辨识度的能力，很适合做「几张素材拼成一张氛围图」；但元素越多，提示词越要写清层次与位置关系，否则容易出现元素被弱化或错位。建议先 3–5 张小规模验证，再扩展到上限。

场景四：开发者把出图能力嵌入自动化流程 把 uv run ... 写进脚本或 CI，按数据表批量生成图，靠 MEDIA: 行与输出路径对接下游。 实际体验：由于脚本只依赖 uv 与 GEMINI_API_KEY，接入成本很低；需要留意的是密钥管理（推荐走环境变量或 ~/.otto/otto.json），不要把密钥硬编码进脚本。

该技能能为用户带来的价值

• 效率提升：把「打开平台 → 输入描述 → 等待 → 下载 → 重命名 → 上传」的多步操作压缩为一条命令，重复性劳动被脚本接管。
• 门槛降低：不需要显卡、不需要下载模型权重、不需要搭 WebUI，只要 uv 和一枚 API 密钥就能开工。
• 可组合性带来的长期价值：参数化的分辨率、文件名、输入图数量，让图像生成从「一次性操作」变成「可复用能力」，可以沉淀为团队内部的批量出图脚本。
• 多图合成减少返工：最多 14 张的输入能力，让「合成一张场景图」不再依赖多个工具来回导，素材一致性更容易保证。
• 协作更顺滑：MEDIA: 行让支持该能力的聊天提供商自动附加图片，沟通时直接看图，减少文件传输环节。

总体而言，它带来的不是「又一个能画图的工具」，而是把出图这件事工程化：可预期、可批量、可嵌入。

常见问题 FAQ

Q1：这个技能怎么安装？需要准备什么？ 需要两样东西：uv 运行环境和 GEMINI_API_KEY。uv 按技能详情给出的 brew 方式安装（formula: uv）；密钥可设为环境变量 GEMINI_API_KEY，或写入 ~/.otto/otto.json 的 skills."Gemini 3 Pro图像生成器".apiKey / skills."Gemini 3 Pro图像生成器".env.GEMINI_API_KEY。装好后用一条 uv run {baseDir}/scripts/generate_image.py ... 命令即可验证。

Q2：使用这个技能收费吗？ 技能本身是调用脚本，真正产生费用的是底层的 Gemini 3 Pro Image 接口调用。具体计费方式、额度与价格以官方说明为准；建议在使用前先确认账号的配额情况。

Q3：最多能同时处理几张图片？分辨率有哪些选择？ 多图组合模式最多支持 14 张输入图（每张用一个 -i 传入）。输出分辨率支持 1K（默认）、2K、4K 三档。

Q4：适合谁用？和在线图像工具怎么选？ 适合需要「批量、可脚本化、可嵌入流程」的用户，比如开发者、电商运营、需要反复出图的内容团队。如果只是偶尔在网页上画一张图，在线工具更省事；如果要把出图接进自动化流程、或者需要多图合成，这个技能更合适。

Q5：使用中有什么容易踩的坑？ 三点：一是文件名建议带时间戳（yyyy-mm-dd-hh-mm-ss-name.png），避免批量生成互相覆盖；二是脚本会打印 MEDIA: 行便于聊天自动附加，按技能约定不要回读图像，只报告保存路径；三是 {baseDir} 是技能目录占位符，实际调用时要替换为真实路径。