Gemini Image Gen

Gemini Image Generation & Editing

通用图片生成/编辑工具，基于 Google Gemini 图像生成 API。

本 skill 不含任何领域特化逻辑。 学术论文配图请使用 academic-paper skill 的配图子模块，它会调用本 skill 作为底层引擎。

Usage

脚本位于 scripts/generate_image.py（相对于本 SKILL.md 所在目录）。运行前先解析完整路径。

生成新图片：

uv run <this-skill-directory>/scripts/generate_image.py \
  --prompt "your image description" \
  --filename "output-name.png" \
  [--resolution 1K|2K|4K] [--model MODEL] [--api-key KEY] \
  [--base-url URL] [--provider auto|gemini-native|openai-chat-compat]

编辑已有图片：

uv run <this-skill-directory>/scripts/generate_image.py \
  --prompt "editing instructions" \
  --filename "output-name.png" \
  --input-image "path/to/input.png" \
  [--resolution 1K|2K|4K] [--model MODEL]

重要： 始终在用户的工作目录运行，图片保存在当前目录而非 skill 目录。

Resolution

• 1K (default) — ~1024px
• 2K — ~2048px
• 4K — ~4096px

编辑模式下，若未指定分辨率，自动匹配输入图片尺寸。

Model

默认 gemini-3.1-flash-image-preview。可选：

• gemini-3.1-flash-image-preview — 快速
• gemini-3-pro-image-preview — 高质量，较慢

Provider & Gateway

• auto (default): 先 gemini-native，失败则 fallback openai-chat-compat
• gemini-native: 强制 Gemini SDK
• openai-chat-compat: 强制 /v1/chat/completions

网关示例：

uv run ... --base-url "https://api.ikuncode.cc" --provider auto

可选重试参数：--max-retries 3 / --retry-backoff-ms 1200 / --timeout-ms 60000

API Key

优先级：--api-key > ~/.config/inno-figure-gen/config.env 中的 INNO_FIGURE_GEN_API_KEY > GEMINI_API_KEY 环境变量。

配置文件 ~/.config/inno-figure-gen/config.env：

INNO_FIGURE_GEN_API_KEY=sk-xxx
INNO_FIGURE_GEN_BASE_URL=https://your-gateway.example.com
INNO_FIGURE_GEN_DEFAULT_MODEL=gemini-3.1-flash-image-preview

Prompt Handling

• 生成： 直接传递用户描述。仅在明显不足时补充。
• 编辑： 传递编辑指令（如 "remove the background", "change to cartoon style"）。

通用模板：

• 生成："Create an image of: <subject>. Style: <style>. Background: <bg>. Color palette: <palette>. Avoid: <list>."
• 编辑（保持其余不变）："Change ONLY: <single change>. Keep identical: subject, composition, pose, lighting, color palette, background, text, and overall style."

Filename

格式：yyyy-mm-dd-hh-mm-ss-descriptive-name.png

Post-Generation Figure Check (Optional)

生成图片后，可以选择性地调用 pi-subagent 的 figure-qa agent 做视觉质量检查。

调用方式详见 pi-subagent/agents/figure-qa.md，使用以下参数：

Scene:  general
Intent: <original prompt summary>

• 默认关闭：gemini-image-gen 是通用工具，不强制检查
• 专用 skill（academic-paper、rhetoric-of-decks）已内置 figure-qa 集成
• figure-qa 会自动压缩图片再审查，不会撑爆上下文
• 若报告返回 ❌ REGENERATE，根据 Regeneration Guidance 构造修复 prompt，使用 --input-image 重新生成

Preflight

command -v uv                    # 必须存在
test -n "$GEMINI_API_KEY"        # 或传 --api-key
test -f "path/to/input.png"      # 编辑模式需验证输入文件

Output

• PNG 保存到当前目录
• 脚本输出完整路径
• 不要回读图片内容 — 只告知用户保存路径