多模态 AI 图像生成引擎

基于官方 API 的多提供商 AI 图像生成工具，支持 OpenAI、Google、DashScope 和 Replicate，具备图生图、多比例输出和企业级配置管理。

基本信息

• 技能名称?Baoyu Image Gen
• 中文名称?多模态 AI 图像生成引擎
• 作者?peters820-art
• 分类?专业技能
• 版本?1.0.0
• 标签?ai-image-generation, multi-provider, text-to-image, image-to-image, openai, google-gemini, dashscope, replicate, cli-tool, batch-generation

使用方法

使用说明
核心功能
baoyu-image-gen 是一款面向开发者和专业用户的 AI 图像生成技能，通过统一的 CLI 接口整合四大主流图像生成 API：
OpenAI ：GPT Image 系列模型，支持原生图像编辑
Google ：Gemini 多模态模型（Pro/Flash），支持参考图生成
DashScope ：阿里云通义万象，中文场景优化
Replicate ：开源模型托管平台，支持社区模型如 SDXL
显著优点

1. 多模态能力 ：原生支持参考图像输入（reference images），可将现有图片作为风格或内容基准进行再创作
2. 企业级配置 ：通过 EXTEND.md 实现项目级和用户级偏好持久化，支持默认提供商、质量预设、输出路径等
3. 灵活的参数控制 ： aspect ratio（1:1 到 2.35:1）、quality 预设（normal/2k/4K）、明确模型指定
4. 智能降级 ：自动检测可用 API key，多 key 场景默认优先 Google
5. 并行生成支持 ：大批量场景可启用多 subagent 并发（默认串行保稳定）
   潜在局限
   依赖外部 API ：需自行配置各平台 API key，国内用户访问 OpenAI/Google 需网络环境支持
   成本不透明 ：不同提供商定价差异大（Replicate 按秒计费，OpenAI 按张计费），无内置成本估算
   Replicate 冷启动 ：社区模型可能存在启动延迟
   模型能力参差 ：各提供商图像质量、中文理解、复杂构图能力差异显著，需实验选型
   适合人群
   需要批量生成封面、插图的内容创作者
   构建 AI 工作流的开发者（支持 JSON 输出、环境变量注入）
   需要图生图、风格迁移的设计师
   国内企业用户（DashScope 提供合规中文支持）
   常规风险
   API key 泄露 ：通过环境变量或 .env 文件管理，需确保 .gitignore 配置
   内容安全 ：各平台有独立的内容审核策略，可能触发拒绝生成
   成本失控 ：并行生成 4-8 并发时需注意配额和预算
   EXTEND.md 阻塞 ：首次使用强制配置流程，未经验证的配置可能导致生成失败