| name | image-service |
| description | 多模态图像处理技能，支持文生图、图生图、图生文、长图拼接、营销物料包、产品设计图、元素拆解图、社交媒体套图。当用户提到截图，查看,「画图」「生成图片」「画个XX」「图片处理」「图生图」「OCR」「识别图片」「拼长图」「信息图」「配图」「产品图」「物料包」「营销素材」「详情页」「电商图」「设计图」「爆炸图」「拆解」「套图」「九宫格」等关键词时触发。注意：如果用户要求的是视频（含配图+配音），可应使用video-creator技能。 |
图像处理技能
概述
| 能力 | 说明 | 脚本 |
|---|
| 文生图 | 根据中文文本描述生成图片 | scripts/text_to_image.py |
| 图生图 | 在已有图片基础上进行编辑 | scripts/image_to_image.py |
| 图生文 | 分析图片内容（描述、OCR、图表等） | scripts/image_to_text.py |
| 长图拼接 | 将多张图片垂直拼接为微信长图 | scripts/merge_long_image.py |
| 调研配图 | 预设手绘风格的调研报告信息图 | scripts/research_image.py |
配置
配置文件：config/settings.json
| 配置项 | 值 |
|---|
| IMAGE_API_BASE_URL | https://xxx/v1 |
| IMAGE_MODEL | Gemini3 |
| VISION_MODEL | qwen2.5-vl-72b-instruct |
执行规范
图片默认保存到命令执行时的当前工作目录：
- 不要使用
workdir 切换到 skill 目录执行命令
- 始终在用户的工作目录下执行，使用脚本的绝对路径
- 脚本路径：skill 目录下的
scripts/
$PYTHON $SKILL_DIR/scripts/text_to_image.py "描述" -r 3:4 -o output.png
快速使用
文生图
$PYTHON $SKILL_DIR/scripts/text_to_image.py "信息图风格，标题：AI技术趋势" -r 16:9
$PYTHON $SKILL_DIR/scripts/text_to_image.py "竖版海报，产品展示" -r 3:4 -o poster.png
参数：-r 宽高比 | -s 尺寸 | -o 输出路径
支持比例：1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9
图生图
$PYTHON $SKILL_DIR/scripts/image_to_image.py input.png "编辑描述" -r 3:4
图生文
$PYTHON $SKILL_DIR/scripts/image_to_text.py image.jpg -m describe
$PYTHON $SKILL_DIR/scripts/image_to_text.py screenshot.png -m ocr
模式：describe | ocr | chart | fashion | product | scene
长图拼接
$PYTHON $SKILL_DIR/scripts/merge_long_image.py img1.png img2.png -o output.png --blend 20
$PYTHON $SKILL_DIR/scripts/merge_long_image.py -p "*.png" -o long.png --sort name
参数：-p 通配符 | -o 输出 | -w 宽度 | -g 间隔 | --blend 融合 | --sort 排序
调研配图
$PYTHON $SKILL_DIR/scripts/research_image.py -t arch -n "标题" -c "内容" -o output.png
类型：arch 架构图 | flow 流程图 | compare 对比图 | concept 概念图
执行前必做：需求类型判断（铁律）
收到图片生成需求后，必须先判断是哪种类型，再决定执行方式：
长图识别规则
提示词中出现以下任一特征，即判定为长图需求：
| 特征类型 | 识别关键词/模式 |
|---|
| 明确声明 | 长图、长图海报、垂直长图、微信长图、Infographic、Long Banner |
| 分段结构 | 提示词包含多个段落（如"第1部分"、"顶部"、"中间"、"底部"） |
| 编号列表 | 使用 ### 1.、### 2. 等编号分段 |
| 多屏内容 | 描述了3个及以上独立画面/模块 |
| 从上至下 | 出现"从上至下"、"从上到下"等描述 |
判断后的执行路径
识别为长图 → 必须先读取 references/long-image-guide.md → 按长图流程执行
识别为单图 → 直接使用 text_to_image.py 生成
铁律：识别为长图后，禁止直接生成！必须先加载长图指南，按指南流程执行。
详细指南（按需加载）
| 场景 | 触发条件 | 参考文档 |
|---|
| 生成多屏长图 | 命中上述长图识别规则 | references/long-image-guide.md（必须加载） |
| 图片含中文文字 | 提示词要求图片包含中文标题/文字 | references/text-rendering-guide.md |
| 为 PPT/文档配图 | 用户提供了配色要求或参考文档 | references/color-sync-guide.md |
| API 接口细节 | 需要了解底层实现 | docs/api-reference.md |
| 提示词技巧 | 需要优化提示词效果 | docs/prompt-guide.md |
提示词要点
- 必须使用中文撰写提示词
- 图片中的标题、标签必须为中文
- 默认宽高比 16:9，可通过
-r 参数调整
- 推荐风格：信息图、数据可视化、手绘文字、科技插画
营销物料生成（产品图/物料包/设计图/元素拆解）
当用户提到「产品图」「物料包」「营销素材」「详情页」「元素拆解」「爆炸图」「套图」「多尺寸」「电商图」等关键词时，按以下流程执行。
提示词模板库：references/marketing-templates.md（必须加载，里面有完整的分类模板）
能力矩阵
| 能力 | 触发词 | 流程 | 输出 |
|---|
| 电商详情长图 | 详情页、长图、商品介绍 | 叠罗汉串行生图 → merge 拼接 | 1张长图 |
| 营销物料包 | 物料包、营销素材、多尺寸 | 拆元素 → 多角度多场景 → zip | 10-15张 + zip |
| 产品设计图 | 产品图、渲染图、效果图 | 基准图 → 多角度/配色变体 | 3-8张 |
| 元素拆解图 | 拆解、爆炸图、分解、特写 | 整体图 → 局部特写/功能拆解 | 4-8张 |
| 社交媒体套图 | 套图、九宫格、朋友圈 | 统一风格 → 多尺寸适配 | 9张（1:1） |
| 多配色/SKU图 | 配色、多色、SKU | 基准图 → 图生图换色 | N张 |
流程一：电商详情长图
输入：产品名 + 卖点 + 风格
↓
Step 1：规划分屏（通常5-8屏）
- 屏1：Hero大图（产品+核心卖点）
- 屏2-N：逐个卖点展开（功能/材质/场景/参数）
- 末屏：规格参数表
↓
Step 2：叠罗汉串行生图（必须读 references/long-image-guide.md）
- 第1屏：text_to_image 生成基准
- 第2-N屏：image_to_image 以上一屏为参考，保持风格一致
↓
Step 3：merge_long_image 拼接（--blend 20 融合接缝）
↓
Step 4：输出长图 + 各分屏原图
流程二：营销物料包（重点！）
铁律：不是同一张图改尺寸！是拆元素、换角度、换场景！
输入：产品名 + 卖点列表 + 风格偏好
↓
Step 1：生基准主图（text_to_image，产品全貌 16:9）
↓
Step 2：元素拆解（image_to_image × 4-6张）
- 核心卖点微距特写（1:1）
- 功能爆炸图/拆解图（3:4）
- 材质/工艺细节（4:3）
- 配件全家福（16:9）
↓
Step 3：场景变体（text_to_image / image_to_image × 3-4张）
- 生活使用场景（16:9）
- 工作使用场景（4:3）
- 开箱/拆封场景（1:1）
- 艺术剪影/氛围图（21:9）
↓
Step 4：营销创意（text_to_image × 3-4张）
- 对比评测图（3:4）
- 数据可视化/声波图（16:9）
- 多配色SKU展示（16:9）
- 九宫格社交媒体（1:1）
↓
Step 5：全部打包 zip + 逐张预览发送
并发规则：同一批最多8张并发，超过分批。失败的单独重试。
流程三：产品设计图
输入：产品名 + 设计要求
↓
Step 1：text_to_image 生基准主图（产品正面，16:9）
↓
Step 2：image_to_image 生变体（以基准图为参考）
- 45度角展示
- 侧面/背面
- 俯视图
- 不同配色版本
- 不同使用场景
流程四：元素拆解图
输入：产品图（已有图片）或产品描述
↓
Step 1：如有产品图 → image_to_image 拆解；无图 → text_to_image 先生全貌
↓
Step 2：逐元素生成（image_to_image）
- 爆炸图/分解视角
- 局部1微距特写 + 功能标注
- 局部2微距特写 + 工艺标注
- 局部3微距特写 + 材质标注
↓
Step 3：可选拼长图（merge_long_image）
流程五：社交媒体套图
输入：产品/主题 + 平台（小红书/朋友圈/微博）
↓
Step 1：确定数量和比例
- 小红书：6-9张，3:4
- 朋友圈九宫格：9张，1:1
- 微博：4-9张，16:9 或 1:1
↓
Step 2：规划每张内容（参考 marketing-templates.md 九宫格模板）
↓
Step 3：统一风格前缀，并发生成
↓
Step 4：按顺序编号输出
通用规范
- 提示词必须中文，加载
references/marketing-templates.md 获取模板
- 同一批次风格统一：定义风格前缀，所有图片复用
- 并发≤8张，失败单独重试
- 命名规范：
{类型}_{序号}.png（如 detail_01.png、scene_gaming.png）
- 交付时：逐张发送预览 + 打包 zip（如有多张）
触发关键词
- 生成类：生成图片、创建图片、文生图、图生图、信息图、数据可视化
- 分析类：分析图片、OCR、识别文字、图生文
- 拼接类：长图、微信长图、拼接图片
- 营销类：产品图、物料包、营销素材、详情页、电商图、设计图、渲染图、效果图
- 拆解类：拆解、爆炸图、分解、特写、微距
- 套图类：套图、九宫格、朋友圈、多尺寸、多配色、SKU
