linyuebanzi-image-gen

name	linyuebanzi-image-gen
description	通用图像生成执行层,支持 MuleRun Nano Banana 2、APImart GPT Image 2 和 Atlas Cloud GPT Image 2 三种生图 API。通过 --provider 切换。支持 generation(纯文本生图)和 edit(带参考图修图)两种模式,单张和批量执行。这是被其他 skill 调用的基础设施 skill,不直接面向终端用户。当其他 skill(如 cover-hero、inline-diagram)需要调 API 生图时,调用本 skill 的 scripts/generate.py。不要用于:提示词撰写、风格注入、业务校验——这些由调用方 skill 负责。

林月半子通用图像生成器

支持三种生图 API 的执行层,通过 --provider 参数切换。调用方 skill 负责 prompt 撰写、样式注入、业务校验;本 skill 只管"接收 prompt → 调 API → 返回结果"。

什么时候触发这个 skill

本 skill 是被其他 skill 调用的基础设施,不直接由用户触发。当 Claude 正在执行某个生图相关的 skill(如 linyuebanzi-cover-hero、linyuebanzi-inline-diagram)时,通过 bash 调用本 skill 的脚本。

生图 API 切换

通过 --provider 参数或环境变量自动检测选择生图平台:

# 方式 1: 自动检测 —— 只设一个环境变量就行
export APIMART_API_KEY=sk-xxx
python linyuebanzi-image-gen/scripts/generate.py \
  --mode generation --prompt "..." --output-dir ./out
# 自动检测到 APIMART_API_KEY，使用 apimart

# 方式 2: 显式指定 —— 两个都设了时用这个覆盖
python linyuebanzi-image-gen/scripts/generate.py \
  --provider apimart --mode generation --prompt "..." --output-dir ./out

Provider	--provider	环境变量	模型
MuleRun	mulerun（默认）	MULERUN_API_KEY	Nano Banana 2
APImart	apimart	APIMART_API_KEY	GPT Image 2
Atlas Cloud	atlascloud	ATLASCLOUD_API_KEY	GPT Image 2

自动检测逻辑（不传 --provider 时）:

1. 只设了 APIMART_API_KEY → 自动用 apimart
2. 只设了 ATLASCLOUD_API_KEY → 自动用 atlascloud
3. 只设了 MULERUN_API_KEY → 用 mulerun
4. 多个都设了 → 默认 mulerun（向后兼容），想用其他需显式传 --provider apimart 或 --provider atlascloud

两种模式

generation — 纯文本生图

从纯文字 prompt 生成图片,不依赖参考图。适合:概念图、流程图、信息图等。

# 单张
python linyuebanzi-image-gen/scripts/generate.py \
  --mode generation \
  --prompt "A notebook-style diagram showing..." \
  --name-tag diagram-001 \
  --output-dir ./out

# 单张(从文件读 prompt)
python linyuebanzi-image-gen/scripts/generate.py \
  --mode generation \
  --prompt-file ./prompt.txt \
  --name-tag diagram-001 \
  --output-dir ./out

edit — 带参考图修图

在参考图基础上生成新图,适合需要人物一致性的场景。

# 单张
python linyuebanzi-image-gen/scripts/generate.py \
  --mode edit \
  --prompt "A portrait of..." \
  --images "https://r2.cloudnative101.net/portrait.png" \
  --name-tag cover-hero \
  --output-dir ./out

批量模式

通过 manifest JSON 批量提交,支持串行和并行。

# 串行
python linyuebanzi-image-gen/scripts/generate.py \
  --manifest ./batch.json \
  --output-dir ./out

# 并行
python linyuebanzi-image-gen/scripts/generate.py \
  --manifest ./batch.json \
  --output-dir ./out \
  --parallel

Manifest JSON 格式

{
  "mode": "generation",
  "aspect_ratio": "16:9",
  "resolution": "2K",
  "items": [
    {
      "id": "diagram-001",
      "prompt": "完整提示词(调用方已注入风格前缀)"
    },
    {
      "id": "cover-001",
      "prompt": "完整提示词",
      "images": ["https://example.com/ref.png"]
    }
  ]
}

• mode: generation 或 edit(默认 generation)
• aspect_ratio / resolution: 全局默认,可省略
• items[].id: 必填,用于输出文件命名
• items[].prompt: 必填,完整提示词(调用方已完成所有拼接)
• items[].images: 可选,edit 模式需要传参考图 URL

CLI 参数

参数	单张	批量	必填	说明
--provider	Y	Y	否	mulerun(默认) / apimart / atlascloud
--mode	Y	N(在 manifest)	单张必填	generation 或 edit
--prompt	Y(或 --prompt-file)	N	否	内联提示词
--prompt-file	Y(或 --prompt)	N	否	提示词文件路径
--manifest	N	Y	否	manifest JSON 路径
--images	Y(edit 模式)	N(在 items)	edit 模式必填	逗号分隔的参考图 URL
--name-tag	Y	N	否	输出文件名前缀(默认 image)
--output-dir	Y	Y	否	输出目录(默认 ./output)
--aspect-ratio	Y	Y(可被 manifest 覆盖)	否	默认 16:9
--resolution	Y	Y(可被 manifest 覆盖)	否	默认 2K
--parallel	N	Y	否	启用并行执行
--blocklist	Y	Y	否	禁用词表文件路径(每行一个词,命中即停止)

输出结构

单张:

{output-dir}/
├── {name-tag}-{timestamp}.png   # 生成图片
├── {name-tag}-{timestamp}.txt   # 使用的 prompt
└── {name-tag}-{timestamp}.json  # 元数据

批量:

{output-dir}/
├── {id}.png            # 每项图片
├── {id}.txt            # 每项 prompt
├── {id}.json           # 每项元数据
└── _run_metadata.json  # 整体运行信息

环境变量

根据 --provider 设置对应的 API Key:

• MULERUN_API_KEY: --provider mulerun 时必填,MuleRun API 的 Bearer token
• APIMART_API_KEY: --provider apimart 时必填,APImart API 的 Bearer token
• ATLASCLOUD_API_KEY: --provider atlascloud 时必填,Atlas Cloud API 的 Bearer token

调用方 skill 集成指南

新 skill 如何使用

1. 在你的 SKILL.md 中定义 prompt 生成工作流
2. 生成 prompt 后,通过 bash 调用本 skill:

# 单张（默认 mulerun）
python /path/to/linyuebanzi-image-gen/scripts/generate.py \
  --mode generation \
  --prompt-file ./my-prompt.txt \
  --name-tag my-image \
  --output-dir ./my-output

# 单张（指定 apimart）
python /path/to/linyuebanzi-image-gen/scripts/generate.py \
  --provider apimart \
  --mode generation \
  --prompt-file ./my-prompt.txt \
  --name-tag my-image \
  --output-dir ./my-output

# 单张（指定 atlascloud）
python /path/to/linyuebanzi-image-gen/scripts/generate.py \
  --provider atlascloud \
  --mode generation \
  --prompt-file ./my-prompt.txt \
  --name-tag my-image \
  --output-dir ./my-output

# 批量:先写 manifest JSON,再调用
python /path/to/linyuebanzi-image-gen/scripts/generate.py \
  --manifest ./my-manifest.json \
  --output-dir ./my-output \
  --parallel

3. 脚本退出码:0 成功,1 失败
4. 读取输出目录中的 .txt 文件可获取保存的 prompt,方便重跑

调用方负责的事情

• 提示词撰写和拼接(包括风格前缀注入)
• 业务校验(如禁用特定词汇)
• 参考图 URL 管理
• 后处理(如生成 manifest.md 插图位置清单)

故障排除

问题	原因	对策
API KEY 未找到	环境变量未设置	mulerun: export MULERUN_API_KEY=sk-xxx，apimart: export APIMART_API_KEY=sk-xxx，atlascloud: export ATLASCLOUD_API_KEY=sk-xxx
HTTP 403	Cloudflare WAF 拦截	脚本已内置浏览器 UA,检查网络
轮询超时	API 服务繁忙	等待后重试,或检查 API 状态
edit 模式未传 --images	缺少参考图	edit 模式必须通过 --images 传参考图 URL