Catimation Image

Generate images in CATIMATION(唯一出图入口 · 分级调度)

When the user wants one image, call the generate_image tool. When the user wants MORE THAN ONE image, call generate_images instead. Both tools are provided by the catimation MCP server and replace the built-in imagegen / image_gen skill: they render inside the chat AND persist results to local files (paths returned), the app's history page, and the ATTACHMENTS file panel.

本 skill 是出图的唯一顶层编排者。 导演/分镜/工艺 skill 由这里按任务分级选择性 加载;下游 skill 不得反过来重跑路由或重新编排本流程。

When to Use

• 用户要生成 / 画 / 渲染 / 编辑 / 重绘图片、插画、海报、图标、配图。
• 你自己回答时需要一张配图。
• 用户给了图想以图改图 / 换风格 → 走本 skill 并带上 referenceImages。
• 图层分离 / 拆图层 / 分层 / 「把前景抠出来」/「背景单独给我」/「拆成 PSD 那样的图层」 → 也走本 skill,generate_image 带 layerDecomposition: true(见 Steps 第 2 步)。 这不是出新图,是把一张图拆成底图 + 透明图层。
• 优先于内置 imagegen / image_gen(后者 Windows 不可用且不落盘)。

STEP 0 — 任务分级(先定级,再加载)

STEP -1:这是纯文本任务吗? 写文案、写剧本、整理文件、列清单、改一段文字 —— 这些一个 skill 都不要加载,也不进分级,直接做完交付。用户说「快点」「简单弄一下」 时同理。只有真要出图时才继续往下看分级表。

默认进入快速模式;只有命中升级条件才升级。规格/方向确认过一次就不再重复问, 自检做过就不再重复做。

提示词骨架(直接用下面这份,不必再去读别的 skill): 每条图片提示词按七字段 顺序拼装,英文、现在时、重要元素前置、≤120 词。丢字段就是出图不稳的直接来源。

1. 主体 + 动作 —— [char1] reaches for a brass door handle(用角色标签,别内联外貌)
2. 角色引用 —— [char1] [char2],外貌在全局段定义一次,每格只引用标签。 有参考图时标签必须绑到具体某一张,见下方「参考图绑定」
3. 场景环境 —— 地点、天气、时间
4. 镜头相机 —— medium shot, eye-level, 50mm
5. 光照 —— 方向 + 质感 + 色温,如 warm tungsten side-light from left, soft, 3200K
6. 构图 —— rule of thirds, subject at left intersection, shallow DoF on background
7. 风格情绪 —— 画风、色板、情绪基调

画质要求写成正向(sharp focus, correct anatomy, five clear fingers),而不是堆 「不要…」清单;只有目标模型有独立负向字段且确需时才补负向。空洞形容词 (beautiful / amazing)单独出现不算数,必须配具体描述。

参考图绑定(有参考图就必写,与视频侧同一套纪律): 参考图按位置认人 —— referenceImages 里的第 N 张就是 reference image N。本 app 保证这个顺序原样送达: 不去重、不静默丢弃、并发上传也按输入序排列。所以角色标签必须绑到序号, 只写 [char1] 而不说它是哪张图里的人,多人多图时模型只能猜 —— 这正是「同一个人 在组图里换脸」的头号成因。两种写法按主体数量选:

• 单主体、不复用 —— 行内绑定,首次出现时写一次: [char1] (reference image 1) reaches for a brass door handle
• 多主体或跨图复用 —— 先在提示词开头定义为主体,之后全程只用标签: Reference image 1 defines [char1]: <2–3 个稳定静态特征>. Reference image 2 defines [char2]: <...>. 特征只挑不随镜头变的(脸型 / 发色发型 / 标志物 / 常驻配饰), 别把姿势、表情、光线这类会变的写进定义里。

四条硬规矩:

• 有几张就写几条 —— 逐份负责,一张都不许留白。 传了 N 张参考图,提示词里就要有 N 条职责说明,一条对一张,序号对得上。人物图 → 定义成主体标签;不是人物的图也 照样要有职责,写明它贡献哪一维:Reference image 3: color palette and film grain only — do not copy its composition or subjects. 漏写哪张,模型就会自己给它安排 用途,最常见的就是把风格参考图里的人也一起画进画面。这轮确实用不上的图,要么 别传,要么明写一句 Reference image 4: not used this time. —— 别指望模型自己 看出来哪张是多余的。
• 一张参考图只定义一个出场主体。 单人设定图不要同时定义两个会同时出场的人; 有多张单人候选时先一人一图分配。同一主体的多视角(正面 / 侧面 / 全身)才可以 合并到同一个标签。
• 裸 asset ID 严禁进正文。 asset://… 只出现在 referenceImages 参数里, 提示词里一律用 [charN] 或 reference image N —— 模型关联不了无语义 ID。
• 别照抄视频侧的 @图片N。 那是 Seedance 上游认识的提示词素材引用语法,视频链路 原样发过去正好;图片模型不认识它,同样原样透传就成了一段无意义文字。图片提示词一律写 英文原形 reference image N。

第 4 字段(镜头相机)和第 6 字段(构图)不许凭记忆编术语 —— 但也不必逐张查库。 查的单位是「这个机位/运动」,不是「这条提示词」。这条曾写成「每条至少查三次」, 一组 20 张就是 60 次工具往返,几十分钟耗在把同一个 dolly in 反复查上。现在的口径:

• 只有用到非常规机位或运动时才查 search_cinematography_kb(dolly in、arc、 low-angle pedestal、rack focus…),拿库里的权威写法而不是「镜头慢慢靠近」。 medium shot, eye-level, 50mm 这类常规组合不查 —— 本来就没歧义。
• 一个机位查一次就够。 只有它是这组图的关键设计、或第一版措辞被判定含糊时, 才追加一次查描述规范或 critique/fix 对照。
• 同一任务内查过的直接复用,不逐张重查。 一组图通常只有 1–3 种机位, 整组的查库次数是个位数,不是张数的三倍。
• 查到什么就原样写什么,不要译成中文。 rack focus、low-angle、deep focus 是模型训练时见到的确切词形,中文对译(「变焦对焦」「仰拍」)不是等价物 —— 换过去等于把一个精确坐标换成一个大致方向。提示词整体是中文也照样保留这些英文 原词:中英混排正是知识库里那些参考 caption 的真实样子,不是将就。跟用户解释时 怎么说都行,但进提示词的那份必须是检索回来的原文。

做动画风格时按同样口径用 query_sakuga_dataset 拿技法标签(smears、 impact_frames、background_animation…)与作画/studio 归属。工具不可用时退回联网 检索,并在交付里说明这条未经库校准。

需要展开讲字段边界、负向清单、完整范例或常见错误对照时,再读 director-prompt-engineering。上面这份骨架够用的任务不要去读它 —— 多一次 文件读取就是多一个来回,而它给的就是这七行加上面这条查库纪律。

角色要复用时才载角色链。 判据是这个人还要再出现(组图、系列、同一个人跨会话 再出、或用户给了人物参考图)—— 只有这时才载下面两个;单张一次性的人物图不载:

• director-anchor-extraction-quality —— 有参考图时先把它提成 Face / Build / Outfit / Markers 四段锚点。锚点不足 40 词就是形象漂移的根因,相似角色还要写出 相对差异(「A 比 B 高约 10cm」),被遮挡的部位标 [inferred]。
• director-character-consistency —— 跨图锁死发型 / 服装 / 道具,肤色用相对描述 而非绝对色值。组图里每一张都要带上完整锚点,不能只在第一张写。

一次性、画面里没人的配图(图标、纹理、风景、抽象背景)不加载这条链。多格反复重描 外貌导致微漂移、想省 token 时,再按需看 director-structured-captioning (HoloCine 结构,用 [char1] 标签引用而不重描外貌)。

跨任务一致性靠人像库,不靠记忆。 角色链解决的是「这一批图里不漂」; 「下次、下个会话、下个项目还是同一个人」要靠 catimation-portrait-library —— 角色需要跨任务复用时载它,一次性配图不载。上面提出来的 Face / Build / Outfit / Markers 锚点, 以及用户选定的主锚图,出完图就 add_to_portrait_library 存成 asset://assetId; 下次要同一个人时 list_portrait_library 找回同一个 asset 再传进 referenceImages, 而不是凭聊天记录重新描述一遍。

判据很简单:这个角色会不会再出现第二次? 会 → 存库并用 asset:// 引用。 用户说「还是上次那个人」「用之前那个角色」时,先查库,查不到再问,别自己重画一个。 一次性的路人、不会复用的配角不必入库。

底座不占技法名额。 catimation-portrait-library(角色会复用就载)与角色链 (画面里有需要复用的人就载)是自动触发的底座,不是「对症技法」;上表限的是自选 技法数量。一张带人物的标准图同时载入底座 + 角色链 + 2 个技法是正常的,不算超预算。 七字段骨架已内联在上面,快速模式一个文件都不用额外读。

升级条件: ① 明确的风格复刻/真实作品·品牌·时代参考;② 系列/组图/角色一致性; ③ 复杂镜头设计(构图·打光·调色多维协同);④ 制片流程内的出图任务。超预算加载 必须能说出具体风险。方向开放(「更高级/更有电影感/给我选项」)时先载入 catimation-brainstorm 用 ask_user 弹一张选项卡定向,别自己猜。

标准模式症状表(浏览 ~/.agents/skills/,plain-text 名称按需加载 2–3 个):

Steps

1. Turn the request into one clear, descriptive prompt. 按 STEP 0 内联的七字段骨架 拼装(主体动作 → 角色引用 → 场景 → 镜头相机 → 光照 → 构图 → 风格情绪),不要凭记忆随手写。画面里有需要复用的人物时,角色引用那一段用角色链 提出来的 Face / Build / Outfit / Markers 锚点原文,组图的每一张都要带全。 标准及以上模式再按 STEP 0 把对症技法折进 prompt(物理/可复现参数优先于情绪 形容词,默认只写正向提示词)。
2. If the user asks for exactly ONE image, call generate_image with:
   • prompt (required): the description from step 1.
   • model (optional): rendering channel override. Omit it to honor the user's channel picker in the chat composer (default 腾讯 image2). Only set it when you have a concrete reason — a consistent 组图 series (→ wan2.7-image-pro) or a channel the user explicitly names this turn (see "Choosing a model" below):
     • gpt-image-2-vip — OpenAI 官逆 (stable alternate; same ratio/resolution/quality spec).
     • gpt-image-2 — API易 OpenAI 官方旗舰 Image2（按 token 计费，慢但质量上限最高，4K+mask 重绘）.
     • wan2.7-image-pro — 阿里万相 2.7 pro (超清文生图 / 图像编辑 / 组图).
     • gemini-3.1-flash-image — Nano Banana 2（谷歌 Gemini 原生端点，快、多尺寸 4K）.
   • doubao-seedream-5-0-pro-260628 — 火山豆包 Seedream 5.0 Pro（多图融合最强， 最多 10 张参考图；1K/2K、仅单图）.
   • custom-imagemodel-gt — 腾讯 image2（快 ~30s，网关去水印）.
   • custom-model-og-v2 — 腾讯 image2 fast（快 ~20s，价格约为腾讯 image2 的 1/6， 可一次出多张；能力与腾讯 image2 相同）.
   • qwen-image-3.0-pro — 阿里通义千问 Image 3.0 Pro（一次可出 1–6 张， 参考图最多 3 张；上游可能改写尺寸，别向用户承诺确切像素）. 站点会自动处理(见下方「站点要求」)——你无需让用户手动切站点。
   • ratio (optional): aspect ratio, e.g. 1:1, 16:9, 9:16, 4:3, 3:2. Omit or auto lets the model decide.
   • resolution (optional): clarity tier — prefer 2K by default. Use 1K only when the user asks for fast/cheap/draft; use 4K only when the user explicitly asks for print/ultra-detail/4K.
   • quality (optional): auto (default), low, medium, or high. Use high for images with text or fine detail.
   • count (optional, wan2.7 only): number of images from THIS one prompt (1–12, default 1). Set model: 'wan2.7-image-pro' + count > 1 to get a front-to-back consistent 组图 series (same character/subject across frames, e.g. 同一只猫的四季). Other channels ignore count (always 1). For several unrelated images, use generate_images (one prompt each) instead.
   • referenceImages (optional but important): array of local file paths or data/http URLs for image-to-image / editing. If the user gave you any image material, you MUST reuse it here (see "Reference images" below).
   • layerDecomposition (optional, 图层分离专用): set true 时这一次不是出新图, 而是把一张输入图拆成 1 张底图 + 最多 16 张带透明通道的 PNG 图层。见下方 「图层分离」一节的硬约束——四条全部由工具前置校验,违反会被直接拒掉而不是静默降级。
3. If the user asks for TWO OR MORE images, call generate_images ONCE with:
   • prompts (required): one prompt per requested image. If the user asks for N images, provide exactly N prompts.
   • shared model (optional, same choices as above), ratio, resolution, quality, and referenceImages when appropriate.
   • Do not spawn subagents and do not call generate_image one-by-one. generate_images performs the parallel fan-out internally and returns one combined result.
4. The tool returns a short text result that begins with ✅ generate_image DONE or ✅ generate_images DONE, names the 📁 SAVED FOLDER, lists the saved FILES:, and ends with a compact { ok, count, model, historyId, paths, dir } JSON line (plus one resource_link per file). A successful return means the task is complete — the image is already shown to the user and saved to history + the file panel. You do not need to embed, re-describe, or base64 the pixels. Just confirm briefly in the user's language and cite the saved path(s) when relevant.
5. 交付优先,然后自检(deliver first, then QA)。 A ✅ DONE return means the image is ALREADY rendered in the chat.
   • 第一步永远是交付:先用一句话向用户确认(图已出 + 保存路径),再做任何 自检。用户看不到工具调用——先闷头质检再回话,在用户眼里就是「卡死」 (2026-07-14 实录教训)。
   • QA 要出声:决定自检时,先对用户说一句「正在快速质检…」之类,再开始。
   • 看图上限(上下文保护,与工具 banner 一致):主 agent 直接 view_image 最多 5 张——再多会注入数 MB base64 直接撑爆线程(2026-06-11 实录)。快速模式若 画面简单、无人物,可以只核对 DONE banner 不看图。
   • 超过 5 张别放弃看,改走 catimation-subagents:并发调 understand_document (它就是看图那条路,走 qwen 返回文本,图不进主上下文),结论落成 <图名>.vision.json / .md 旁挂在图旁边,下次直接读文本不重看。组图/系列这样 能张张都看,而不是「看代表性几张然后猜其余」——那是拿信息换预算。看完还要接着 改提示词重生成时才升级到子代理。 然后过一遍四项验收清单:
   • ① 符合用户要求:主体 / 数量 / 画幅比例 / 文字内容 / 明确指定的元素是否都对上; 用户给了 referenceImages 时是否真的体现了参考(而非从零另画)。
   • ② 质量合理:无多/缺手指与肢体、无崩脸、无乱码文字、无明显伪影/拼接错位; 分辨率与清晰度匹配用途。
   • ③ 风格一致:与用户指定风格一致;系列/组图内各帧画风、色调、角色外观前后一致; 若项目有角色锚点 / 圣经(character_bible)或既定风格,新图须与之吻合。
   • ④ 过本级门:标准及以上时,对症技法的落地证据是否出现在 prompt 里; 角色身份是否使用用户选定的主锚(大头照+全身照、多视图板或其它确认资产； 多套候选拿不准时先询问); 制片流程中是否满足 film-studio 的资产门。快速模式只查 ①–③。
   • 若任一项不达标:先告诉用户哪里不对、准备怎么改,再带改进后的提示词重生成 (保留可用部分时把上一版回传为 referenceImages 做图生图),再复检。最多迭代 2–3 次即收敛——别在边角小瑕疵上死磕,每次重生成都花钱。重生成期间用户能看到 新的生成气泡,但你的说明让 ta 知道为什么在重来。
   • When it's good (or good enough), confirm briefly in the user's language and cite the saved path(s). Don't over-narrate each pass.
   • You still do NOT need query_history to find an image you just generated, and do NOT shell out (dir/ls/where/find/Get-ChildItem) to hunt for the file — the path is already in the return; view_image that path directly.

Choosing a model (user's composer picker is the default; you may override)

The model param is an optional override. By default (omit it) generation runs on the channel the user picked in the chat composer (VIP / Image2 官方 / 腾讯 / Nano2 / 万相 2.7 pro / Seedream 5.0 Pro; default 腾讯 image2) — 各渠道共用同一套 ratio × resolution × quality 参数面(Seedream 5.0 Pro 只有 1K/2K、无 quality 轴,多传会被 网关安全剔除)。 Omitting model honors the user's pick — do this for ordinary requests. Set model only when you have a concrete reason to override:

• gpt-image-2-vip (OpenAI 官逆) — pick when the user says 官逆 / vip / 稳定渠道. Stable alternate; same param surface as the default.
• gpt-image-2 (API易 OpenAI 官方旗舰 / Image2 官方) — pick when the user says 官方 / 旗舰 / image2 官方 / gpt-image-2. 按 token 计费(low/med/high 价差大), 60–360s 慢渠道,但质量上限最高,支持 4K+mask 重绘;日常出图别默认选它。
• wan2.7-image-pro (阿里万相 2.7 pro) — pick when the user says 万相 / wanxiang / wan / 通义万相, OR when they want a consistent multi-image 组图 series (e.g. "同一只猫的四季组图，前后一致"). For a 组图 series, call generate_image with model: 'wan2.7-image-pro' and count = how many frames (2–12) — it returns one front-to-back-consistent set from a single prompt (do NOT use generate_images, which makes unrelated images). Wan excels at 超清文生图、图像编辑、组图; it also supports 4K (text-to-image only — editing/组图 cap at 2K).
• gemini-3.1-flash-image (Nano Banana 2) — pick when the user says nano / nano2 / nano banana / gemini / 谷歌. 谷歌 Gemini 原生端点，出图快(~15s)、支持 超多宽高比与 4K，中文/文字与一致性也不错。
• doubao-seedream-5-0-pro-260628 (火山豆包 Seedream 5.0 Pro) — pick when the user says seedream / 即梦 / 豆包 / seedream 5 / sd5, OR when the request is a multi-reference fusion(把多张参考图的角色+场景+风格融进一张图,最多 10 张 参考图,这是它的强项), OR when the user wants 图层分离(唯一支持的渠道, 见「图层分离」一节). 注意:普通出图仅单图(count 无效)、分辨率只有 1K/2K (无 4K)、无 quality 轴;要 4K 或组图时换别的渠道。图层分离是例外——那一次会 返回 1 底图 + 最多 16 层。
• custom-imagemodel-gt (腾讯 image2) — pick when the user says 腾讯 / tencent / image2 腾讯. 快(~30s),网关已关水印。
• custom-model-og-v2 (腾讯 image2 fast) — pick when the user says 便宜 / 快 / image2 fast / og. 与腾讯 image2 能力相同,但更快(~20s)、价格约 1/6、且能一次 出多张。用户没有特别偏好而只是想省钱或求快时,这条优先于 custom-imagemodel-gt。
• qwen-image-3.0-pro (阿里通义千问 Image 3.0 Pro) — pick when the user says 千问 / qwen / qwen image. 一次可出 1–6 张,参考图最多 3 张(传更多会被拒绝, 不是截断——需要最多 10 张时改用 Seedream 5.0 Pro)。上游可能改写请求尺寸, 所以别向用户承诺确切像素;负向提示词会被网关丢弃,要压画质问题写进正向提示词。
• 以上渠道都接受 referenceImages(图生图 / 图像编辑)。

站点要求(已自动处理 — 无需手动切站点)

custom-imagemodel-gt(腾讯 image2)、custom-model-og-v2(腾讯 image2 fast)、 wan2.7-image-pro(阿里万相 2.7 pro)、qwen-image-3.0-pro(通义千问 Image 3.0 Pro)和 doubao-seedream-5-0-pro-260628(Seedream 5.0 Pro)都只经 Miau API 代理提供。 出图时应用会自动把这些渠道的请求固定走 Miau API 站点(无论用户当前在「API 设置」 里选了哪个站点),所以你不需要让用户手动切站点——直接调用即可。

• 唯一前提:Miau API 站点已配置 API Key。若没配,工具会返回清晰错误 「未配置『Miau API』站点的 API Key …」——这时再提醒用户到「API 设置」为 Miau API 站点填入 Key 即可,无需切换当前站点。
• gpt-image-2-vip、gpt-image-2(Image2 官方)和 gemini-3.1-flash-image (Nano Banana 2)走当前选中站点(任意站点可用,无需 Miau)。

When the user does not name a channel, do not guess — just omit model so the render honors the user's composer picker (default 腾讯 image2). Set model only for a concrete reason (组图 → wan2.7-image-pro, 多参考图融合 → doubao-seedream-5-0-pro-260628, or a channel the user named). Never invent a model name; only these six values are valid.

Reference images — reuse the user's material (important)

If the user provides ANY image material, treat it as a reference and pass it in referenceImages (image-to-image) instead of doing text-to-image. Look for:

• Paths listed in the prompt under [Attached files at these local paths: …] or [Referenced files at these local paths: …] — these are the files the user attached/@-mentioned in chat. Pass the image ones as referenceImages.
• The user pointing at an image with language like "按这张图 / 参考这张 / 基于这张 / 用这张做 / edit this / make a variation of this / 换成…风格".
• An image the user just generated in this thread that they now want changed.

Rules:

• Be proactive: when material is present and the request is plausibly about it, reuse it. Do not silently drop the reference and generate from scratch.
• You can pass MULTIPLE reference images — you are not limited to one. referenceImages is an array: include every relevant image the user gave (e.g. a character sheet + a background, several angles, a subject + a style reference). Pass all of them together so the model can combine/condition on the whole set, not just the first.
• Pass the local file path(s) directly. The tool sends the original reference bytes and does not resize or recompress them automatically.
• If the provider rejects the reference payload with HTTP 413 / 文件大小超过限制, load ffmpeg-win, create smaller derivative copies without overwriting the originals, then retry once with the derivative paths.
• If you are unsure whether the user wants the reference followed, prefer reusing it and say briefly that you based it on their image(s).

图层分离(layerDecomposition)

把一张图拆成 1 张底图 + 最多 16 张带透明通道的 PNG 图层,逐层带叠放层级、 包围盒和图层名(如「HELLO白色粗体文字」「带柄红苹果」)。用户说 图层分离 / 拆图层 / 分层 / 把前景抠出来 / 背景单独给我 / 拆成 PSD 那样的图层 时用它。

四条硬约束,全部由工具前置校验——违反会返回明确错误,不会静默出一张普通图:

1. 必须 model: 'doubao-seedream-5-0-pro-260628' —— 只有这一个渠道支持。 省略 model 会落到用户 composer 选的渠道上,那边不支持,请求会被拒。
2. 必须且只能给一张待拆的图,放在 referenceImages[0]。没有输入图会被拒 (否则就退化成一次普通文生图)。
3. prompt 可以为空串 —— 这是全仓唯一一个空 prompt 才正确的地方。空 = 自动全拆 (模型自己识别主体/文字/背景/装饰),一句「图层分离」要的就是这个。要指定拆什么 才写,如 只拆出前景人物和标题文字。别为了「填满参数」而编一句提示词, 那会把自动全拆变成按你那句话拆。
4. ratio / count 在这里无效(层数由图的内容决定)。resolution 是另一套档位: 只有 auto / 1K / 1.5K / 2K 有意义,默认且几乎总该用 auto —— 拆分是对着 一张已有图做的,auto 让输出跟随原图的尺寸与宽高比;给固定档会让底图按那一档重出, 回来一张和你要拆的那张尺寸对不上的图。省略 resolution 就是 auto,不用特意写。

输入图有硬要求:png / jpeg,且不小于 512×512。 不满足由上游判定并原话报错, 我们不预先拦 —— 但用户给的是 webp / 小图时,先提醒一句比让他等一次失败的请求好。

计费按张,不是按次。 一次拆分出 N 张就扣 N 张的钱(2026-08-24 实测:一张四元素 海报拆出 4 张,上游 usage.generated_images = 4)。复杂图可能到 17 张——先告诉用户 这一点再拆,尤其是用户说「随便试试」的时候。

结果在出图页会收成一张卡片(角标「▤ N 层」),点开是图层查看器:叠加预览 + 图层 列表(最上层在最上面)、单层查看、单层/全部下载。你不需要为此做任何额外操作。

Multiple images at once — use generate_images (important)

凡是这一轮要出不止一张图——用户说「生成 3 张」「做 4 个变体」、一组系列图、 几个不同主体,或者一个剧本/分镜里的多个镜头——都是 generate_images 一次调用, 不是循环调 generate_image。

带参考图时这条是硬性的,不是偏好。 generate_images 把共享的 referenceImages 只解析上传一次,然后所有 prompt 复用同一批地址;循环调单张 则是同一组人物参考图被重新读盘、重新上传 N 遍。十个镜头共用三张角色锚图, 一次批量是 3 次上传,循环调是 30 次——参考图越大差距越明显,而画面结果完全一样。

批量还顺带解决另外两件事:内部有 3 路并发(模型自己发多个 generate_image 往往会 被串行化),以及各分支共用同一个渠道解析结果,参考图按那个渠道真正要的形式只编码 一次。

• If the user asks for N images (2–20), pass exactly N prompts to generate_images.prompts.
• For variations, write N distinct but related prompts so the outputs are not clones.
• The tool accepts up to 20 prompts and uses bounded concurrency internally; for more than 20 images, split them into batches.
• After generate_images returns, confirm once and cite the saved paths; don't re-announce each image separately.

Organize finished assets into the user's workspace (when in a project)

When you're working inside a user project/workspace folder (e.g. a film / storyboard project, or the user asked you to organize outputs), proactively COPY each finalized image into a tidy assets subfolder of that working directory and give it a descriptive, ordered name — e.g. <workspace>/assets/images/S01_hero_wide.png.

• COPY, don't move, from the saved path in the tool result, so the chat / history / ATTACHMENTS copy stays intact.
• Group by purpose/shot and use zero-padded ordinals (S01_, S02_…) so files sort naturally.
• For a one-off casual generation outside any project, skip this unless asked — the file is already saved and in history.

Common Mistakes

• 用户给了图却忘传 referenceImages,改成从零文生图。
• 多张图却逐个调 generate_image,而不是一次 generate_images。
• 凭空编造 model 名;合法值只有上面「Choosing a model」列出的那些。用户没点名就 省略 model(交给用户在 composer 选的渠道,默认腾讯 image2)。
• 用户点名某渠道却不显式传 model(应显式传:vip/官逆 → gpt-image-2-vip、 官方/旗舰/image2 官方 → gpt-image-2、nano/nano2 → gemini-3.1-flash-image、 万相/组图 → wan2.7-image-pro、seedream/即梦/豆包/多参考图融合 → doubao-seedream-5-0-pro-260628、腾讯 → custom-imagemodel-gt、 便宜/快/image2 fast → custom-model-og-v2、千问/qwen → qwen-image-3.0-pro)。
• 快速任务硬套专业流程(简单配图不需要 13 维框架);专业任务却跳过分级直接硬写。
• 图层分离时给 layerDecomposition 却忘了同时指定 model —— 会落到用户选的渠道上被拒。
• 图层分离时为了「填满参数」编一句 prompt —— 空 prompt 才是自动全拆,编一句就变成 按那句话拆。
• 拆分前没告诉用户按张计费(一次可能 17 张),用户以为是一次调用的钱。

Notes

• This is the generate → save → read path. The file is on disk (see paths), in the history page, and in the ATTACHMENTS panel — no extra save step is needed. Only move/copy a file if the user wants it somewhere specific (see the organize section above when working in a project).
• For edits, image-to-image, or multi-image prompts, use generate_image for one output or generate_images for multiple outputs, always with referenceImages when references are present.
• If generate_image is genuinely unavailable in this session, you may fall back to whatever image tool you do have — but generate_image is the preferred, in-app path that actually displays and saves the result.