Ernie Image Gen

ERNIE Image Gen

使用 ERNIE Image 做文生图，默认走服务调用模式，并支持切换到兼容原生 /generate 接口的模式。这个 skill 适合：

• 需要通过配置切换不同 ERNIE Image 服务地址
• 需要保留 model_dir / weight_tar_path 等部署上下文，但不希望写死本机路径
• 需要中文优先、多语言混合、长文本、多区域文本渲染
• 需要把生成图片和元数据稳定落盘到当前项目或当前任务目录

默认逻辑：云端优先，本地显式触发

这个 skill 的默认行为是：

1. 优先采用云端模型服务
   • 默认优先找云端配置
   • 默认优先使用 assets/cloud-config.portable.cn.yaml
   • 默认优先走 openai_compatible
2. 如果云端配置还没完成
   • 不要直接假设本地模型
   • 先引导使用者补齐最少配置：base_url、auth_token_env、mode
   • 配完后先做 health_check.py，再生成
3. 只有在用户明确说明要用本地模型时
   • 才切到本地配置路径
   • 才使用本地权重 / 本地部署上下文
   • 才优先参考 assets/local-config.portable.cn.yaml

使用者先配置这几项

无论是在另一台电脑、另一个项目，还是分享给别人用，优先检查这 5 项：

1. base_url
   • 改成你自己的 ERNIE Image 服务地址
2. auth_token_env
   • 填“环境变量名”，不是 API Key 本身
   • 例如：ERNIE_IMAGE_API_KEY
3. mode
   • OpenAI 兼容接口用 openai_compatible
   • 原生接口用 native_generate
4. output.artifact_dir
   • 推荐保留 ${ERNIE_IMAGE_ARTIFACT_DIR:-./achievement}
   • 不写死本机绝对路径
5. weight_tar_path
   • 如果只是调远程服务，可以留空
   • 只有在你要保留本地部署上下文时才需要填

推荐直接从这两个模板开始：

• 通用英文模板：assets/cloud-config.portable.yaml
• 通用中文模板：assets/cloud-config.portable.cn.yaml
• 本地模型中文模板：assets/local-config.portable.cn.yaml

如果你只是普通云端调用，最常用的动作其实只有两步：

export ERNIE_IMAGE_API_KEY='你的key'
python3 scripts/generate_image.py --config assets/cloud-config.portable.cn.yaml --prompt '一只可爱的橘猫表情包'

Quick Start

A. 默认：云端服务调用

1. 优先复制可移植云端模板，而不是项目私有模板：
   • assets/cloud-config.portable.cn.yaml
   • 或 assets/cloud-config.portable.yaml
2. 按需修改：
   • mode: openai_compatible 或 native_generate
   • base_url
   • auth_token_env
   • model_dir（通常不用改）
   • weight_tar_path（可留空，或用环境变量占位）
   • 输出目录 output.artifact_dir（推荐相对路径或环境变量）
3. 先做健康检查：

python3 scripts/health_check.py \
  --config assets/cloud-config.portable.cn.yaml

4. 生成图片：

python3 scripts/generate_image.py \
  --config assets/cloud-config.portable.cn.yaml \
  --prompt "一只戴宇航员头盔的橘猫，电影感打光，超高细节"

B. 仅当用户明确要求：本地模型调用

1. 复制本地模板：
   • assets/local-config.portable.cn.yaml
2. 重点修改：
   • base_url
   • mode
   • model_dir
   • weight_tar_path
   • output.artifact_dir
3. 再执行：

python3 scripts/health_check.py \
  --config assets/local-config.portable.cn.yaml

python3 scripts/generate_image.py \
  --config assets/local-config.portable.cn.yaml \
  --prompt "一只戴宇航员头盔的橘猫，电影感打光，超高细节"

更详细的跨机器/跨项目使用方式见：

• references/portable-usage.md

Mode Decision

默认：openai_compatible

优先调用：

• GET /health
• POST /v1/images/generations

适合：

• 已有 OpenAI 兼容图片接口
• 想用统一的 size / response_format
• 后续希望无缝切到兼容网关
• 默认云端服务优先时，优先选这个

兼容：native_generate

调用：

• GET /health
• POST /generate

适合：

• 直接对接你现有的 ernie-image-siliconflow 原生接口
• 需要显式传 height / width / num_inference_steps / guidance_scale
• 用户明确说明要走本地模型 / 本地部署时，优先检查这个模式

Prompt Workflow

1. 先明确画面主体、场景、风格、构图
2. 如果图里有文字，必须把逐字文本单独列出来
3. 如果是多语言或长文本，明确：
   • 语言种类
   • 每块文本的相对位置
   • 是否需要海报/标牌/包装排版
4. 默认保留显式参数覆盖入口：
   • seed
   • width
   • height
   • num_inference_steps
   • guidance_scale

详细模板见：

• references/prompting.md

Artifact Policy

• 默认先执行健康检查，不健康直接失败
• 生成成功后，把图片保存到 output.artifact_dir
• 默认同时保存 metadata JSON：
  • prompt
  • effective_prompt
  • seed
  • width / height
  • num_inference_steps
  • guidance_scale
  • mode
  • model
  • output file path
  • response summary

Config Contract

统一配置文件为 YAML，核心字段：

• mode
• base_url
• model
• auth_token_env
• openai_path
• native_path
• health_path
• model_dir
• weight_tar_path
• defaults.width
• defaults.height
• defaults.num_inference_steps
• defaults.guidance_scale
• defaults.response_format
• output.artifact_dir
• output.save_metadata

跨机器复用建议：

• weight_tar_path 推荐写成 ${ERNIE_IMAGE_WEIGHT_TAR_PATH:-}
• output.artifact_dir 推荐写成 ${ERNIE_IMAGE_ARTIFACT_DIR:-./achievement} 或项目内相对目录
• 相对 artifact_dir 会相对配置文件所在目录解析

字段说明见：

• references/service-config-and-api.md
• references/portable-usage.md

Local Deployment / Existing Service

如果你要直接适配你自己的本地部署项目、容器服务或云函数服务，也可以继续用这个 skill。
skill 本身只关心接口与配置，不绑定某个固定项目目录。

注意：

• 没有明确“本地模型”诉求时，默认不要走本地路径
• 只有用户明确说“使用本地模型 / 本地权重 / 本地服务”时，才切换到本地配置模板
• 如果云端配置缺失，优先做的是提示补配置，而不是自动切本地

部署与联调说明见：

• references/local-deploy.md

Scripts

• scripts/validate_config.py：校验 YAML 配置
• scripts/health_check.py：健康检查
• scripts/generate_image.py：统一生成入口

当需要稳定行为时，优先直接运行这些脚本，而不是让 agent 临时拼 HTTP 请求。