image-generation

name	image-generation
description	用宿主 generate_image 工具完成文生图与图生图编辑：先解析会话图片 file_id 再生成或基于原图编辑，区分搜图与生图。

文生图 / 图生图

When to use

• 用户要求生成一张新图片（配图、插画、示意图、海报、概念可视化等）→ 文生图。
• 用户要求基于/修改会话里已有图片（"改一下上面的图"、"把这张图做成 …"）→ 图生图编辑。
• 需要把抽象概念变成视觉呈现，或为回答/文档配图。

不是本 Skill 的职责：找互联网上已有的图片（那是 search_images 文搜图/图搜图）；解释图片内容（那是视觉模型 / read_session_file）。搜图 ≠ 生图，先判断用户要的是"找"还是"造/改"。

搜图后下载（文搜图/图搜图 → 真实图片文件）

search_images 返回的只是链接，沙箱无网无法直接访问。用户要"用图 / 看图 / 分析 / 存下来"时，必须接 download_external_image：

• 单张：url + destination_path（如 inputs/images/xxx.png）。
• 多张：urls 数组（2–8 张）+ destination_dir，宿主侧并行下载，每张图单独净化、哈希、出来源凭据。
• 下载走审批制：命中统一白名单自动放行，否则弹审批卡，用户批准后模型用相同参数重试。
• 下载成功后返回 file_id，后续引用/再编辑以 file_id 为准（读图走 read_session_file，编辑走 generate_image 图生图）。
• 部分失败不中断：结果里有 failed 列表，如实向用户汇报失败项与原因。

渐进式工具语义（先探索 → 再读取 → 最后生成）

工具调用必须按顺序渐进，禁止跳步、禁止凭记忆描述旧图：

1. list_session_files：用户提到"上面的图 / 之前的图 / 这张图"时，先列出会话文件，解析出准确的 file_id。禁止用训练记忆或文字转述去"还原"一张旧图。
2. read_session_file（图生图前必做）：读取源图确认它就是用户指的那张（模型支持图像输入时可看到图），并拿到 file_id。
3. generate_image：
   • 文生图：只传 prompt（详细、用用户语言的描述），省略 source_file_ids。
   • 图生图：prompt + source_file_ids=[第 2 步解析到的 file_id]，让 provider 编辑原图像素；绝不重新描述旧图去生成一张"看起来像"的新图。
   • 生成结果返回 file_id；后续引用、再编辑、再组合都以它为准。

决策要点

• 搜图 ≠ 生图：找现成图 → search_images；造新图 / 改图 → 本 Skill 的 generate_image。搜图后要真实文件 → download_external_image（多张用 urls 并行下载）。
• 尺寸：16:9 → 2048x1152；9:16 → 1152x2048；4:3 → 1536x1152；3:4 → 1152x1536；不确定 → auto。
• 图生图一次最多 4 张源图（source_file_ids ≤ 4），且生成模型必须支持图片编辑（如 qwen-image-edit-max / gpt-image-2）。
• 未配置图片生成 Provider 时工具会明确失败；如实告知用户到 Provider 管理启用，不假装生成成功。
• provider_id / model_id 默认省略（用工作区默认图片模型）；只有用户明确指定或默认不可用时才显式选择。

安全与边界

• 生成内容遵守工作区内容策略；不生成违规、侵权或敏感图像。
• 本包是宿主工具驱动：无 scripts/，不引入沙箱脚本。任何"自己写脚本生成图片"的做法都不属于本 Skill。
• 如实报告失败（provider 未启用、模型不支持编辑、源文件过大等），不编造结果。

详细说明

• 工具输入/输出契约与限制：references/input-output-contract.md
• 组合路线与意图判别矩阵：references/best-combinations.md
• 常见失败与诊断：references/troubleshooting.md