| name | wan2.7-image-skill |
| description | 基于 wan2.7-image 模型，支持多种图像生成与编辑能力，包括文本生成图像、文本生成多图组合、基于图像生成多图组合、单图编辑以及基于多张参考图的图像合成，适用于多样化的创作场景。主要覆盖以下三类任务：1、图像生成——如“画一只猫”、“生成一张穿红裙的女士在咖啡馆的照片”等；2、图像编辑——如“将图中的汽车换成自行车”、“这张图片背景换成室外”、“把图中衣服颜色从蓝色改成绿色”等；3、风格迁移——如“将这张照片转为 <xxx> 风格”、“用 <yyy> 风格重绘这张建筑图”、“参考 <yyy> 的画风来改变 <zzz> 的风格”等。触发条件：只要用户意图涉及 AI 驱动的图像创作、生成、编辑、修改、重构或风格调整——无论其表述是直接指令（如“生成图片”）、口语化请求（如“帮我画只小狗”）还是隐含需求（如“让这张图更梦幻”）——均应激活本技能。 |
| metadata | {"version":"0.1.0"} |
Wan2.7 Image Generation Skill （Wan2.7 图片生成编辑技能）
Generate AI images with "Wan2.7 Image" via direct API calls.
Quick Start
1. 配置环境 → common.md
2. 了解能力 → 阅读下文核心能力介绍
3. 选择模式 → 根据需求选择三种操作模式之一
4. 详细用法 → image-generation-editing.md
核心能力：
- ✅ 文生图：纯文本生成单张图像
- ✅ 图像编辑：基于参考图的编辑、风格迁移、多图融合
- ✅ 组图生成：文生组图、图生组图（最多 12 张）
Workflow: Unified Image Generation & Editing（统一图像生成与编辑）
graph TB
A[用户请求] --> B{是否有参考图？}
B -->|无参考图 | C[文生图/文生组图]
B -->|有参考图 | D[图生图/图像编辑/图生组图]
C --> E[调用image-generation-editing.py]
D --> E
E -->|SUCCEEDED| I[返回图片 URL]
E -->|FAILED| J[错误处理]
流程说明：
- 判断模式 - 根据是否有参考图以及用户内容，选择文生图,图生图还是组图生成
- 预处理脚本执行 - 根据输入情况自动选择：
- 有文件路径：调用
scripts/file_to_oss.py --file 上传文件到OSS
- 有 base64 数据（如Claw chat框粘贴场景）：调用
scripts/file_to_oss.py --base64 上传到OSS
- 有分辨率和长宽比的需求：执行
scripts/parse_resolution.py 获取size配置
- 调用生成脚本 - 调用
scripts/image-generation-editing.py，根据下述三种操作模式进行对应的参数填充
- 获取结果 - 从响应中提取图片 URL（有效期 24 小时）
- 展示结果 - 把图片URL在用户交互界面中显示出来
- 保存图片 - 提示用户图片结果链接有有效期，如果用户想长期保存结果，让用户指定一个目录，把图片存进这个目录
📖 详细流程与参数： image-generation-editing.md
Three Operation Modes（三种操作模式）
Mode 1: 图像生成（文生图）
用途： 纯文本生成单张图像
输入： 文本提示词
输出： 图片
特点： 无需输入参考图
关键参数：
enable_sequential: falsen: 生成数量 1size: 分辨率 (支持 1K/2K 或自定义)
📖 详细说明与用例： image-generation-editing.md#mode-1
Mode 2: 图像编辑（图生图、风格迁移、多图融合）
用途： 基于参考图像进行编辑、风格迁移或保持主体一致性生成
输入： 文本提示词 + 1-9 张参考图
输出： 图片
特点： 输入1-9张参考图进行参考生成
关键参数：
enable_sequential: falsen: 生成数量 1size: 分辨率（支持 1K/2K 或自定义）
📖 详细说明与用例： image-generation-editing.md#mode-2
Mode 3: 组图生成
用途： 根据文本描述生成系列图像（一次生成多张关联的图片，教程、故事等）
输入： 文本提示词 + 可选参考图（最多 9 张）
输出： 最多 12 张图片
特点： 一次生成多张关联的图片，实际数量由模型决定
关键参数：
enable_sequential: truen: 生成数量范围 [1-12]size: 分辨率 （支持 1K/2K 或自定义）
📖 详细说明与用例： image-generation-editing.md#mode-3
Documents Structure（文档结构）
用途： 通用配置和环境变量管理
包含内容：
- API Key 获取和配置步骤
- 环境变量配置（DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL）
- 地域选择（北京、新加坡）
何时查阅： 首次配置环境或需要修改配置时
用途： Wan 2.7 统一技能详细文档
包含内容：
- 三种操作模式的详细说明和用例（Mode 1/2/3）
- 图像输入要求（格式、分辨率、大小、宽高比）
- 分辨率转换脚本使用说明（parse_resolution.py）
何时查阅： 需要了解具体 API 用法、参数配置或排查问题时
用途： 本地文件或 base64 图片数据上传到临时 OSS 存储的 Python 脚本
包含内容：
- 文件上传功能实现
- 获取 oss:// URL
- 支持文件路径和 base64 两种输入方式
- 支持所有需要本地文件的场景，如果用户在聊天框粘贴传入参考图，请把这些参考图，以 base64 形式传递给脚本
何时查阅： 需要上传本地图片用于图生图、图像编辑、图生组图时
使用示例：
python scripts/file_to_oss.py --file /tmp/image.jpg --model wan2.7-image
python scripts/file_to_oss.py --base64 "<base64_data>" --model wan2.7-image
用途： 解析用户输入的分辨率描述，转换为 API 所需的 size 参数。
包含内容：
- 用户输入中有分辨率，1K，2K，2:4 等相关内容
- K + 比例：
"2K 3:4", "1K 16:9"
- 仅 K 值：
"1K", "2K"（默认 1:1）
- 直接指定：
"1024*1024", "2048*2048"
何时查阅： 需要解析用户分辨率需求时（如：当用户即对分辨率有要求又对宽高比有要求时，解析用户输入的分辨率描述），转换使用
使用示例：
python scripts/parse_resolution.py "2K 3:4"
📖 生成任务耗时过长及异步任务查询
何时使用：
当用户调用scripts/image-generation-editing.py 用时太长时，脚本不会等待最终输出结果，会主动输出task_id。
后续每隔10秒用scripts/check_wan_task_status.py 脚本，查询该task_id所对应的任务的状态。连续查询3次，若有url输出则说明最终完成了任务；若还在进行中，则显示该task_id，提示用户之后再用task_id进行查询。
重要原则
当多次查询都还在生成进行中（RUNNING），则告知用户task_id，提示用户之后再用task_id进行查询。绝对不要私自更改用户的需求，例如减少参考图片的张数和生成组图的张数。
使用示例：
python scripts/check_wan_task_status.py "<task_id>"
Error Handling
常见错误及解决方案：
| 错误 | 原因 | 解决方案 |
|---|
| API key not provided | 未设置 API Key | 设置 DASHSCOPE_API_KEY 环境变量 |
| 请求失败：code=XXX | API 调用失败 | 检查网络连接、API Key 有效性、模型可用性 |
| 解析响应失败 | 响应格式异常 | 查看原始响应，参考 DashScope 文档 |
详细错误码参考：DashScope 错误码文档
Related Documents
