Image Gen

image-gen

通用图片生成/编辑工具，支持多模型，通过本地代理服务统一调用。

本 skill 不含领域特化逻辑。 学术论文配图、演示文稿配图等专用 skill 可调用本 skill 作为底层引擎。

支持的模型

使用方法

脚本路径：<skill-dir>/scripts/generate_image.py（相对于本 SKILL.md 目录）。

生成新图片：

uv run <skill-dir>/scripts/generate_image.py \
  --prompt "your image description" \
  --filename "output-name.png" \
  [--session NAME] [--output-dir DIR] \
  [--resolution 1K|2K|4K] \
  [--model gemini-3.1-flash-image-preview|gpt-image-2|grok-4.2-image] \
  [--no-gallery]

编辑已有图片：

uv run <skill-dir>/scripts/generate_image.py \
  --prompt "editing instructions" \
  --filename "output-name.png" \
  --input-image "path/to/input.png" \
  [--session NAME] [--resolution 1K|2K]

仅重建 Gallery HTML（不生成图片）：

uv run <skill-dir>/scripts/generate_image.py --session NAME
# 或指定自定义目录
# uv run <skill-dir>/scripts/generate_image.py --output-dir ~/my-gallery

重要： 始终在用户的工作目录运行。

输出目录

设计原则：草稿 / 候选图和 gallery 默认不写入工作目录，避免污染项目。确认的终稿手动复制到项目（如 figures/）。

分辨率

• 1K（默认）—— ~1024px
• 2K —— ~2048px
• 4K —— ~4096px（仅建议用于 gpt-image-2，其他模型忽略此参数）

gemini 和 grok 的分辨率由代理服务端决定，无法通过参数精确控制；--resolution 仅作为提示传入 prompt。

Gallery 功能

默认每次生成后自动建立/更新 Gallery，位于 output-dir 中，不污染工作目录。

--session NAME 常用来隔离不同任务的 gallery：

# 每次生成都属于同一个居名 session
uv run .../generate_image.py --prompt "..." --filename "a.png" --model gemini-3.1-flash-image-preview --session my-project
uv run .../generate_image.py --prompt "..." --filename "b.png" --model gpt-image-2 --resolution 2K      --session my-project
uv run .../generate_image.py --prompt "..." --filename "c.png" --model grok-4.2-image                   --session my-project

# Gallery 位于：~/.local/share/image-gen/my-project/gallery.html
open ~/.local/share/image-gen/my-project/gallery.html

如需在项目内用 figures/method.png 这种路径，图片会直接写入项目，而 gallery 仍在 session 目录：

uv run .../generate_image.py \
  --prompt "..." \
  --filename "figures/method.png" \
  --session my-paper
  # 图片 → <CWD>/figures/method.png
  # gallery → ~/.local/share/image-gen/my-paper/gallery.html

Gallery HTML 功能：

• 按模型、审批状态、prompt 关键词筛选
• Approve / Reject 按钒（状态存 localStorage，刷新后保留）
• 点击图片可放大（Lightbox）
• 配套同目录的 .meta.json 存储元数据

Proxy 配置

代理服务已硬编码在脚本中，无需任何环境变量或配置文件：

• Base URL: http://localhost:8090
• API Key: 已内嵌（不暴露在 SKILL.md 中）

Prompt 指南

• 生成：直接传递描述，仅在明显不足时补充细节
• 编辑：传递具体修改指令，如 "remove background" / "change to watercolor style"

模板：

• 生成："Create: <subject>. Style: <style>. Background: <bg>. Color palette: <palette>."
• 编辑："Change ONLY: <single change>. Keep identical: composition, lighting, colors, style."

文件名规范

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

Post-Generation Check（可选）

生成后可调用 pi-subagent 的 figure-qa agent 做视觉质量检查（参数 Scene: general）。若返回 ❌ REGENERATE，根据建议构造修复 prompt 用 --input-image 重新生成。

Preflight

command -v uv          # 必须存在
curl -s http://localhost:8090/v1/models -H "Authorization: Bearer <key>" | grep gpt-image-2