Image Generation Super

能力概述

调用 GPT-Image-2 模型进行 AI 图像生成与编辑，支持通过自然语言描述生成高质量图片，以及上传多张图片进行 AI 编辑融合。

接口列表：

核心能力：

• 文生图：通过 prompt 描述生成全新图片，支持多种尺寸和数量配置
• 多图编辑：上传 1–3 张图片，通过文本描述控制融合、背景替换、风格统一、局部重绘等效果
• 提示词优化：接口返回 revised_prompt，展示模型自动优化后的提示词

平台差异概览：

详细参数说明、代码示例及两平台完整实现见：

• references/image-generations-api.md — 创建图片接口
• references/image-edits-api.md — 编辑图片接口

使用前决策

调用本工具前，先判断场景是否真的需要 AI 生成：

图生图优先原则（重要）：

满足以下任一条件时，必须使用 editImage（图生图）接口，禁止使用 createImage（文生图）：

1. 用户在对话中上传了图片
2. 本次对话中已通过本工具生成过图片

用户提出的修改意见（如"换个背景"、"改成卡通风格"、"让颜色更鲜艳"）均属于对已有图片的编辑，必须走图生图流程。

禁止覆盖原图： 编辑后的图片必须保存为新文件（如在原文件名后加 _v2、_edited 或序号），原始图片文件不得修改或删除。

Prompt 编写规范

底层模型（GPT-Image-2）对英文提示词的理解和图像质量通常优于中文，请优先将用户需求改写为英文后再提交 API。

写作原则：

• 使用描述句，直接描述目标画面，而非告诉模型"帮我生成……"
• 具体优于抽象："a ginger cat sitting in a sunlit garden" 好于 "可爱的猫"
• 避免否定词：不写 "no background"，改写 "isolated on pure white background"
• 末尾加质量修饰词提升细节：high quality, detailed, 8k, photorealistic

文生图模板：

[Subject], [Action/Pose/State], [Scene/Environment], [Lighting], [Style], [Quality]

示例：

A golden retriever puppy, sitting and looking up curiously, in a cozy living room with warm afternoon lighting, watercolor illustration style, high quality, detailed

图生图 / 多图编辑额外建议：

• 先描述希望保留的内容，再描述希望改变的内容
• 风格迁移时明确目标风格，例如 "convert to anime style" 或 "oil painting style"
• 多图融合时说明图片之间的关系，例如 "use image 1 as background, place the product from image 2 in the center"

生成期用法（Agent 直接调用）

在调用 API 之前，先将用户需求翻译/改写为英文提示词，GPT-Image-2 模型对英文输入的图像质量明显优于中文。

两个接口均为同步调用，直接返回 Base64 编码图片，不含 URL。

核心原则：Base64 数据绝不进入模型上下文。 图片 Base64 通常达 1–3 MB，折合 25 万–75 万 token。应直接调用 scripts/generate_image.py，脚本内完成请求、解码、写文件全部操作，模型只接收最终元数据。

完整生成期工作流：

1. 判断接口：对话中有已有图片（用户上传或之前已生成）→ 加 --images；纯文字描述 → 不加
2. 确定保存路径（图生图不得覆盖原文件，追加 _v2 / _edited 后缀）
3. 用 Bash 工具执行脚本（参见下方命令），必须将 Bash 工具的超时时间设置为 600000ms（600 秒），否则默认 120 秒会导致请求中断
4. 脚本 stdout 输出一行 JSON，读取 file 和 revised_prompt 告知用户

文生图：

python3 <skill-path>/scripts/generate_image.py \
  --prompt "ENGLISH_PROMPT_HERE" \
  --output image.png \
  --size 1024x1024

图生图 / 多图编辑：

python3 <skill-path>/scripts/generate_image.py \
  --prompt "ENGLISH_PROMPT_HERE" \
  --output image_v2.png \
  --size 1024x1024 \
  --images /path/to/img1.png [/path/to/img2.png]

脚本成功时 stdout 输出：{"file": "image.png", "revised_prompt": "...", "size": "1024x1024"}

Prompt 空间位置增强（可选）：

加入空间位置词可提高构图准确性：centered、in the top-left corner、in the foreground / background、on the left side / right side、filling the entire frame。

生成后用法（应用内通过 Edge Function 调用）

应用内通过 Edge Function 安全调用上游 API，密钥不暴露给前端。

安全合约：

• 前端只发送业务参数到 Edge Function，不接触 API Key
• Edge Function 从 Deno.env.get("INTEGRATIONS_API_KEY") 读取密钥
• 请求上游时注入 X-Gateway-Authorization: Bearer ${apiKey}
• 429（配额超限）和 402（余额不足）错误体原样透传给前端
• 返回的 Base64 数据由前端接收并解码渲染

Edge Function 实现：

• image-generations：代理创建图片接口，处理 JSON 请求
• image-edits：代理编辑图片接口，处理 multipart/form-data 请求

完整 Edge Function 代码和前端调用代码详见：

• references/image-generations-api.md（创建图片的 Edge Function + 前端代码）
• references/image-edits-api.md（编辑图片的 Edge Function + 前端代码）

参数说明

创建图片核心参数

编辑图片核心参数

返回核心字段

注意事项

• Base64 不进上下文：生成期图片数据通过脚本直接写到磁盘，禁止让模型接收 Base64 再输出保存命令，否则每次生成消耗 25–75 万 token。
• 禁止覆盖原图：图生图保存路径必须是新文件名（追加 _v2 / _edited / 序号），原始文件不得修改或删除。
• 密钥安全：生成期密钥由 process.env["INTEGRATIONS_API_KEY"] 注入；Edge Function 用 Deno.env.get("INTEGRATIONS_API_KEY")，严禁暴露到前端。
• 文件上传限制：编辑接口最多支持 3 张图片（image[0] 必填），需确保图片格式和大小符合上游要求。
• 错误处理：429 配额耗尽 / 402 余额不足 / 400 参数错误 / 401 认证失败。
• 计费：本插件未启用计费（enable_billing: false），但仍需确保 API Key 有效且配额充足。