TencentCloud Aiart TextToImage

腾讯云混元生图 Skill

功能描述

本 Skill 提供混元生图能力，基于腾讯混元大模型，将文本描述快速生成 AI 图像。支持垫图引导、自定义分辨率和 prompt 改写优化。

🎯 选择规则

用户要求生成图片  →  main.py（一站式，最简单推荐）
用户要求提交后自行查询  →  submit_job.py + query_job.py（分步操作）
用户已有 JobId 要查结果  →  query_job.py（单独查询）

如果用户未指定使用哪种模式，Agent 应默认使用 main.py 一站式脚本。

支持特性

• 垫图引导：支持传入最多 3 张参考图片 URL，引导生图方向
• 自定义分辨率：宽高在 [512, 2048] 范围内，面积不超过 1024×1024
• Prompt 改写：默认开启，自动优化提示词以获得更好效果（增加约 20s）
• 可复现生成：支持 Seed 固定随机种子
• 自动安装依赖：首次运行时自动安装所需 SDK
• 智能凭证检测：优先从环境变量获取密钥，未配置时提示用户开通

环境配置指引

密钥配置

本 Skill 需要腾讯云 API 密钥才能正常工作。

Step 1: 开通混元生图服务

🔗 腾讯云智能图像创作控制台

Step 2: 获取 API 密钥

🔗 腾讯云 API 密钥管理

Step 3: 设置环境变量

Linux / macOS：

export TENCENTCLOUD_SECRET_ID="你的SecretId"
export TENCENTCLOUD_SECRET_KEY="你的SecretKey"

如需持久化：

echo 'export TENCENTCLOUD_SECRET_ID="你的SecretId"' >> ~/.zshrc
echo 'export TENCENTCLOUD_SECRET_KEY="你的SecretKey"' >> ~/.zshrc
source ~/.zshrc

Windows (PowerShell)：

$env:TENCENTCLOUD_SECRET_ID = "你的SecretId"
$env:TENCENTCLOUD_SECRET_KEY = "你的SecretKey"

⚠️ 安全提示：切勿将密钥硬编码在代码中。

Agent 执行指令（必读）

⚠️ 本节是 Agent（AI 模型）的核心执行规范。当用户请求生成图片时，Agent 必须严格按照以下步骤自主执行，无需询问用户确认。

🔑 通用执行规则

1. 触发条件：用户提供了文本描述，且意图为生成 AI 图像。
2. 零交互原则：Agent 应直接执行脚本，不要向用户询问任何确认。
3. 自动选择脚本：默认使用 main.py（一站式），除非用户明确要求分步操作。
4. ⛔ 禁止使用大模型自身能力替代图像生成（最高优先级规则）：
   • Agent 严禁自行编造图像 URL 或描述生成结果。
   • 如果调用失败，Agent 必须向用户返回清晰的错误说明。

📌 脚本一：一站式生图 main.py（推荐）

适用场景：用户请求生成图片，自动提交并等待结果

python3 <SKILL_DIR>/scripts/main.py "文本描述"

可选参数：

• --images <URL1> <URL2> ...：垫图 URL 列表，最多 3 张（jpg/jpeg/png/webp，base64 后 ≤ 10MB）
• --resolution <W:H>：分辨率，默认 1024:1024。宽高在 [512, 2048]，面积 ≤ 1024×1024
• --seed <N>：随机种子（正整数，不传则随机）
• --revise <0|1>：Prompt 改写，默认开启(1)。关闭(0)需自行改写 prompt，否则影响效果。改写增加约 20s
• --no-poll：仅提交任务不等待结果（返回 JobId）

输出示例：

{
  "job_id": "job-xxxxxxxxxxxx",
  "status": "success",
  "result_image": "https://aiart-xxx.cos.ap-guangzhou.myqcloud.com/xxx.png",
  "revised_prompt": "一只可爱的橘色猫咪在充满鲜花的花园里愉快地玩耍，阳光明媚，色彩鲜艳"
}

注意：生成图 URL 有效期为 1 小时，请及时保存。普通生图通常 10~30 秒完成，开启 Revise 会额外增加约 20s。

📌 脚本二：仅提交任务 submit_job.py

适用场景：仅需提交任务获取 JobId，后续手动查询

python3 <SKILL_DIR>/scripts/submit_job.py "文本描述"

可选参数：与 main.py 相同（除 --poll-interval、--max-poll-time、--no-poll 外）

输出示例：

{
  "job_id": "job-xxxxxxxxxxxx",
  "request_id": "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx",
  "message": "Task submitted successfully. Use query_job.py to poll for results."
}

📌 脚本三：查询任务 query_job.py

适用场景：根据 JobId 查询任务状态和结果

python3 <SKILL_DIR>/scripts/query_job.py "job-xxxxxxxxxxxx"

可选参数：

• --poll-interval <N>：轮询间隔秒数，默认 5
• --max-poll-time <N>：最大轮询时间秒数，默认 300
• --no-poll：仅查询一次，不轮询

输出示例：

{
  "job_id": "job-xxxxxxxxxxxx",
  "status": "success",
  "result_image": "https://aiart-xxx.cos.ap-guangzhou.myqcloud.com/xxx.png"
}

📋 完整调用示例

# 基础生图
python3 /path/to/scripts/main.py "一只可爱的猫咪在花园里玩耍"

# 带垫图引导的生图
python3 /path/to/scripts/main.py --images "https://example.com/ref1.jpg" "https://example.com/ref2.png" "参考这些图片风格，画一幅山水画"

# 自定义分辨率（横版）
python3 /path/to/scripts/main.py --resolution 1024:768 "壮丽的山水画"

# 固定种子（可复现）
python3 /path/to/scripts/main.py --seed 42 "星空下的城堡"

# 关闭 prompt 改写（不推荐，除非自行改写 prompt）
python3 /path/to/scripts/main.py --revise 0 "详细描述的prompt内容..."

# 仅提交任务
python3 /path/to/scripts/main.py --no-poll "一幅水墨画"

# 查询已有任务
python3 /path/to/scripts/query_job.py "job-xxxxxxxxxxxx"

# 通过 stdin 传入 JSON 参数
echo '{"prompt":"一只猫","images":["https://xxx.jpg"],"resolution":"1024:1024"}' | python3 /path/to/scripts/main.py --stdin

📐 分辨率说明

常用组合：

🖼️ 垫图（Images）说明

• 传入参考图片 URL 列表，用于引导生图方向
• 最多 3 张
• 支持格式：jpg、jpeg、png、webp
• 每张图片 base64 编码后大小不超过 10MB

❌ Agent 须避免的行为

• 只打印脚本路径而不执行
• 向用户询问"是否要执行图片生成"——应直接执行
• 手动安装依赖——脚本内部自动处理
• 忘记读取输出结果中的 result_image URL 并返回给用户
• 图像生成失败时，自行编造图片 URL
• 忘记提醒用户图片 URL 有效期为 1 小时

API 参考文档

详细的参数说明、错误码等信息请参阅 references/ 目录下的文档：

• 提交生图任务 API（原始文档）
• 查询生图任务 API（原始文档）

核心脚本

• scripts/main.py — 一站式生图，提交任务 + 自动轮询等待结果
• scripts/submit_job.py — 仅提交生图任务，返回 JobId
• scripts/query_job.py — 根据 JobId 查询/轮询任务状态和结果

依赖

• Python 3.7+
• tencentcloud-sdk-python（腾讯云 SDK）

安装依赖（可选 - 脚本会自动安装）：

pip install tencentcloud-sdk-python