image-gen

name	image-gen
description	生成图片。当用户想让 AI 生成图片、插画、海报、头像等图像内容时使用。读取生图供应商配置，调用 OpenAI 兼容的图片生成 API（支持 OpenAI、火山方舟、SiliconFlow 三种方言与参考图），把生成的图片保存到项目目录。

图片生成（image-gen）

这是什么

当用户说「帮我画一张图」「生成一张海报」「做一个 logo」等请求时，用本技能 直接调用生图 API 出图。生成的图片保存为本地文件，交给用户在项目里使用。

生图供应商配置与「会话 LLM」完全分离：生图用的是 PiDeck 的 imagegen.json （或用户直接提供的 baseUrl / apiKey / 模型），不碰 AI 对话用的模型配置。

第一步：确定模型与凭据

生图请求最少需要三样：baseUrl + apiKey + 模型 id。按优先级取：

1. 读 PiDeck 生图配置（如果用户在用 PiDeck）：

   平台	配置路径
   Windows 安装版	%APPDATA%\pi-desktop\imagegen.json（即 C:\Users\<用户>\AppData\Roaming\pi-desktop\imagegen.json）
   Windows 便携版	<exe 同目录>\data\imagegen.json
   macOS	~/Library/Application Support/pi-desktop/imagegen.json
   Linux	~/.config/pi-desktop/imagegen.json

   文件结构：

   {
     "providers": [
       {
         "id": "ig-1",
         "name": "OpenAI 或 Ark",
         "baseUrl": "https://api.openai.com",   // 根地址，端点按规则推导（见下）
         "apiKey": "sk-xxxx",
         "models": ["gpt-image-1"],             // 该供应商可选模型
         "extraParams": { "size": true, "output_format": false, "watermark": true },
         "referenceMode": "none | edits | image-field",   // 参考图 API 形态
         "apiStyle": "openai | siliconflow"                // 字段名/响应方言
       }
     ],
     "activeProviderId": "ig-1",   // 用户上次选中的供应商
     "activeModel": "gpt-image-1"  // 用户上次选中的模型
   }
   

   • 默认用 activeProviderId + activeModel：用户上次选的，通常是想要的。
   • 模型必须在该供应商的 models[] 里；如果有多个模型，让用户确认用哪个（用户会指定）。

2. 读不到配置 / 用户不在 PiDeck 里：询问用户三样东西—— baseUrl、apiKey、模型 id。并顺手问是否需要参考图（图生图）。

第二步：确定是否有参考图

用户可能要求「基于这张图改一下」（图生图 / 局部编辑）。有参考图时：

• 让用户提供图片的文件路径，或直接上传。
• 把图片转成 base64 / data URI 备用（见下文各形态）。
• 若供应商 referenceMode 是 none：该供应商不支持图生图，直接告诉用户 「这个供应商没开启参考图能力」，不要硬发图。

参考图约束（与 PiDeck 一致）：≤ 4 张，支持 png/jpeg/webp。

第三步：拼端点 URL

baseUrl 是根地址，生图端点按下面规则推导（不要盲猜）：

• 已经以 /images/generations 结尾 → 直接用。
• 以版本段结尾（/v1、/v1beta、/api、/api/v3 等）→ 直接追加 /images/generations。
  • 例：https://ark.cn-beijing.volces.com/api/v3 → .../api/v3/images/generations
• 裸根地址 → 补 /v1 再追加。
  • 例：https://api.openai.com → https://api.openai.com/v1/images/generations

参考图走 edits 形态时，把上面结果里的尾段 /images/generations 换成 /images/edits。

第四步：发请求（三种方言）

鉴权一律 Authorization: Bearer <apiKey>。apiKey 只放 header，绝不写进日志、对话回显、生成的文件名或注释里。

方言 A：OpenAI 兼容（apiStyle=openai，默认）

无参考图或 referenceMode=image-field 时用这个：

curl -sS "$EP/generations" \
  -H "Authorization: Bearer $KEY" -H "Content-Type: application/json" \
  -d '{"model":"gpt-image-1","prompt":"<提示词>","n":1,"response_format":"b64_json"}'

• 可选字段只在用户/配置显式开启时才发（避免未知字段 400）：

  • size：官方尺寸，如 "1024x1024"（OpenAI）或 "2K"（方舟）；
  • watermark：true/false（方舟支持，OpenAI 官方不支持）；
  • output_format："png" / "jpeg"（文件编码，seedream 5.0 支持）。

• response_format:"b64_json" 固定要发：图片直接以 base64 返回，不依赖 24h 临时 url。

• 参考图（image-field）：方舟 seedream 风格，图片作为 data URI 数组放进 JSON 体：

  { "model": "...", "prompt": "...", "n": 1, "response_format": "b64_json",
    "image": ["data:image/png;base64,<base64>"] }
  

• 响应取图：data[0].b64_json；如果只有 data[0].url，则再 GET 该 url 下载图片字节。

方言 B：edits（referenceMode=edits，OpenAI gpt-image-1 风格图生图）

参考图多张、局部编辑走 multipart 到 /images/edits：

curl -sS "$EP/edits" \
  -H "Authorization: Bearer $KEY" \
  -F "model=gpt-image-1" -F "prompt=<提示词>" -F "n=1" \
  -F "image[]=@ref1.png" -F "image[]=@ref2.png"

• image[] 可多张；size 同样只在开启时才加 -F "size=..."。
• 响应与 generations 一致：取 data[0].b64_json 或 data[0].url。

方言 C：SiliconFlow（apiStyle=siliconflow）

字段名与响应结构都不同：

curl -sS "$EP/generations" \
  -H "Authorization: Bearer $KEY" -H "Content-Type: application/json" \
  -d '{"model":"<模型>","prompt":"<提示词>"}'

• 尺寸字段是 image_size（不是 size），且仍只在开启 size 时发； 如 "image_size":"1024x1024"。
• 参考图是单个 string（不认数组），取第一张拼 data URI： "image":"data:image/png;base64,<base64>"。
• 无 watermark / output_format / response_format 概念，一律不发。
• 响应取图：images[0].url（无 b64_json、无 data 数组）→ GET 下载该 url 得到图片字节。

下载 url 型图片

若响应只给了 url：curl -sS "<url>" -o out.bin，把返回字节当图片内容保存 （url 一般与 baseUrl 同源，直接取即可）。

第五步：保存结果到项目目录

1. 把图片字节/解码后的 base64 写进当前项目目录：

   • 默认放 assets/ 或 images/；没有就建，或按用户指定路径。
   • 文件名用简短语义名（英文、连字符），如 hero-banner.png、app-icon.png； 重复则不覆盖，加 -2 后缀。

2. 图片格式（png / jpeg）以返回内容为准；base64 解码示例：

   # 假设 base64 已存在变量 B64 里（去掉可能的 data:...;base64, 前缀）
   printf '%s' "$B64" | base64 -d > assets/hero-banner.png
   

3. 完成后告诉用户文件保存路径，并把图片信息（尺寸、格式、路径）简述一句。

安全边界（必须遵守）

• apiKey 绝不回显：不写进对话、日志、脚本注释、文件名；打码再展示。
• 提示词是用户内容，原样传递；模型/供应商 id 按白名单取。
• 发请求用参数数组 / 双引号包裹，不要 shell 拼插不可信内容。
• 失败时把服务端返回的错误正文给用户看（脱敏），帮助判断是 key 错、baseUrl 错还是额度/审核拒绝。

常见失败与排查

现象	原因	处理
401 / 403	apiKey 错或没权限	让用户核对 key
404 / 405	baseUrl 拼错端点	按第三步规则重算 URL
400 unknown field	发了厂商不支持的字段（size/watermark/output_format）	去掉未开启的可选字段重试
返回空、没有图片	方言不匹配（如把 SiliconFlow 当 OpenAI 读）	按第四步对应方言解析响应
网络不通	需要代理	国内访问 OpenAI 官方可提示用代理（本地端口 7890）