image-generation

name	image_generation
description	文生图工具，根据文字描述生成图片并保存到本地。原生 images 端点优先，失败自动降级为 chat completions（适配非标准图像生成模型）。支持多种尺寸和质量。
version	1.3
category	multimodal
enabled	true
tags	["multimodal","image","generation"]

文生图 (Image Generation)

根据文字描述生成图片并保存到本地。支持多种尺寸和质量。

插件路径

plugins/image_generation/

工作方式

1. 原生 images 端点 → client.images.generate()（DALL-E 等标准模型）
2. 失败时自动降级为 chat completions → prompt 作为用户消息发给专用模型，从响应中提取图片（JSON/base64/URL）

模型优先级

image_generation_model（config.json 专用配置）> "dall-e-3"（默认）

配置后优先使用专用模型；不配则使用 dall-e-3 走原生端点。

注册工具

工具名	描述
image_generate	根据文字描述生成图片并保存到本地

参数

参数	类型	必需	默认值	说明
prompt	string	是	—	图片描述
size	string	否	"1024x1024"	图片尺寸，格式为 宽x高。具体可选尺寸取决于厂商模型支持
quality	string	否	"standard"	图片质量。常见值：standard / hd。具体取决于厂商支持
n	integer	否	1	生成数量。具体可生成的数量取决于厂商模型支持
output_dir	string	否	users/<user>/download/	输出目录
filename	string	否	自动生成	文件名前缀（自动追加序号和 .png）

结果说明

• 成功：返回 JSON 数组，每项包含 url（原始 URL）、b64_json（base64 数据）、revised_prompt（模型修正后的提示词）
• 保存路径：文件保存到 output_dir 或默认 users/<user>/download/
• chat 降级：响应无法解析为图片时，返回内容作为 revised_prompt
• 失败：返回 ERROR: 前缀的错误信息

支持的服务商

• OpenAI 官方 — 原生 images 端点（DALL-E 2/3）
• OpenRouter / 其他兼容厂商 — 配 image_generation_model 后通过 chat 降级调用
• 不支持时 — 可通过 capabilities_override: ["image_generation"] 显式开启

常见规范

• 输出目录默认保存到 users/<user>/download/
• 同时支持 URL 下载和 base64 解码两种返回格式
• prompt 描述越具体，生成质量越高

常见处理办法

• 尺寸不支持：切换为常见尺寸 1024x1024，部分厂商仅支持固定尺寸
• quality 参数无效：非 DALL-E 模型可能不支持 hd，使用 standard
• chat 降级无图片：检查 image_generation_model 配置的模型是否实际支持图像输出

常见教训

• n 的上限因厂商而异，超出限制可能被静默截断或报错
• chat 降级路径的响应格式因厂商而异，可能是 JSON 含 base64 字段，也可能是 URL
• 部分 DALL-E 3 模型会自动改写 prompt（revised_prompt），最终图片可能与原始描述有偏差