Image Forge — 统一画图路由

目录结构

{baseDir}/
├── SKILL.md                     # 本文件（唯一用户入口）
├── backends.yaml                # 后端注册表 + 优先级 + 调度策略
├── styles/
│   ├── index.yaml               # 风格库（双层：10 Signature + 15 Rendering）
│   └── *.yaml                   # 10 个 Signature Style 独立文件
├── use-cases/
│   └── index.yaml               # 11 个用途 + 推荐风格 + 默认后端
├── references/                  # 用途提示词 JSON（11 个场景）
└── scripts/
    ├── reverse_style.py         # Gemini Vision 15 维风格反推
    └── generate_image.py        # Gemini/Nano Banana 2 生图

三维框架

用途（Use Case）× 风格（Style）× 主体（Subject）
      ↓                ↓               ↓
  结构指令          视觉语言         用户描述
 （布局/元素）  （色彩/技法/质感）   （画什么）

三者独立路由、组合注入 prompt。用途和风格可以各自单独触发，也可以同时命中。

风格库：双层结构（读取 styles/index.yaml）

Tier 1: Signature Styles（有独立 YAML，10 种）

高度具体的视觉方案，命中后加载对应 YAML 文件，默认走 nano-banana-2。

Tier 2: Rendering Styles（inline modifier，15 种）

通用渲染技法类别，命中后取 modifier 字段直接注入 prompt。按 preferred_backend 调度。

用途库（读取 use-cases/index.yaml）

11 类场景，每类携带推荐风格和默认后端：

路由决策树（6 条路径）

用户输入
│
├── 有参考图 + "用这个风格"/"反推"
│   → [Path R] 风格反推：reverse_style.py → 提取风格 → 生成
│
├── 有参考图 + "修改"/"编辑"
│   → [Path E] 参考图编辑
│       1张图 → gpt-image-2 edit endpoint
│       2+张图 → nano-banana-2 多参考图
│
├── 命中 Signature Style aliases（构成主义/glitch/risograph…）
│   → [Path S] 加载 YAML → prompt recipe → nano-banana-2
│
├── 命中 Rendering Style aliases（动漫/写真/3D/水彩…）
│   → [Path R2] 取 modifier → 注入 prompt → 按 preferred_backend 调度
│
├── 命中用途关键词（海报/头像/电商…）
│   → [Path U] 加载 use-cases/index.yaml → 检索 references JSON
│       → 若无指定风格，展示推荐风格（可跳过直接生成）
│       → 按 use-case.default_backend
│
└── 直接描述主体，无信号
    → [Path D] 优化/翻译英文 → gpt-image-2（默认最高 priority）

后端调度决策（读取 backends.yaml）

1. 用户显式覆盖（最高优先级）
   "用 GPT 画"/"4K高清"/"写实" → gpt-image-2
   "用 Gemini 画"/"动漫"        → nano-banana-2

2. Style preferred_backend
   Signature 风格命中 → nano-banana-2（全部 10 种）
   Rendering 风格命中 → 按各风格的 preferred_backend（见上表）

3. Use-case default_backend
   无风格指定时，按用途默认后端

4. 全局默认
   gpt-image-2（priority 最高）

GPT Image 2 强项：写实摄影、产品展示、文字渲染、4K 高清、海报、UI
Gemini 强项：动漫/插画/中国风/水彩/素描、多参考图合成、Signature 风格迁移

[Generation] — 后端执行

GPT Image 2（CRS 路由）

推荐使用 wrapper 脚本（支持 generate + edit，多图 edit，自动处理 base64）：

# 文生图
uv run {baseDir}/scripts/gpt_image2.py generate \
  --prompt "\x3Cprompt>" \
  --output /path/out.png \
  --size 1536x1024 \
  --quality high

# 改图（单张参考图）
uv run {baseDir}/scripts/gpt_image2.py edit \
  --prompt "\x3Cedit instruction>" \
  -i /path/ref.png \
  --output /path/out.png \
  --size 1024x1536

# 改图（多张参考图，最多 4 张）
uv run {baseDir}/scripts/gpt_image2.py edit \
  --prompt "\x3Cinstruction>" \
  -i ref1.png -i ref2.png \
  --output /path/out.png

注意：edit 接口不支持 input_fidelity 参数（已验证 2026-04-25）。

Python API（内联使用）：

import os, requests, base64, time

CRS_BASE = os.environ.get('CRS_BASE_URL', 'http://127.0.0.1:8765')
CRS_KEY  = os.environ['CRS_API_KEY']

def gpt_image2_generate(prompt, size='1536x1024', quality='high',
                         output_format='png', filename=None):
    resp = requests.post(
        f'{CRS_BASE}/openai/v1/images/generations',
        headers={'Authorization': f'Bearer {CRS_KEY}'},
        json={'model': 'gpt-image-2', 'prompt': prompt, 'size': size,
              'quality': quality, 'output_format': output_format,
              'response_format': 'b64_json'},
        timeout=180,
    )
    data = resp.json()['data'][0]
    out = filename or f'/tmp/image-forge-{int(time.time())}.{output_format}'
    with open(out, 'wb') as f:
        f.write(base64.b64decode(data['b64_json']))
    return out, data.get('revised_prompt', '')

def gpt_image2_edit(prompt, image_path, size='1536x1024', quality='high',
                    output_format='png', filename=None):
    with open(image_path, 'rb') as f:
        b64_img = base64.b64encode(f.read()).decode()
    resp = requests.post(
        f'{CRS_BASE}/openai/v1/images/edits',
        headers={'Authorization': f'Bearer {CRS_KEY}'},
        json={'model': 'gpt-image-2', 'prompt': prompt,
              'images': [{'image_url': f'data:image/png;base64,{b64_img}'}],
              'size': size, 'quality': quality,
              'output_format': output_format, 'response_format': 'b64_json'},
        timeout=180,
    )
    data = resp.json()['data'][0]
    out = filename or f'/tmp/image-forge-edit-{int(time.time())}.{output_format}'
    with open(out, 'wb') as f:
        f.write(base64.b64decode(data['b64_json']))
    return out, data.get('revised_prompt', '')

GPT Image 2 尺寸：1024x1024 / 1536x1024 / 1024x1536 / 2048x2048 / 3840x2160 (4K横) / 2160x3840 (4K竖)

Gemini / Nano Banana 2

# 文生图
uv run {baseDir}/scripts/generate_image.py \
  --prompt "\x3Coptimized_english_prompt>" \
  --filename "~/.openclaw/workspace/tmp/image-forge/$(date +%Y-%m-%d-%H-%M-%S)-\x3Cslug>.png" \
  --aspect-ratio "\x3C1:1|3:4|4:3|9:16|16:9>"

# 改图 / 多参考图合成（已实测 2026-04-25）
# Gemini 会在参考图基础上按 prompt 修改，多图合成/风格迁移尤其适合
uv run {baseDir}/scripts/generate_image.py \
  --prompt "\x3Ce.g.: keep character, change background to warm sunset>" \
  --filename "~/.openclaw/workspace/tmp/image-forge/$(date +%Y-%m-%d-%H-%M-%S)-\x3Cslug>.png" \
  -i "/path/to/ref1.jpg" -i "/path/to/ref2.jpg" \
  --aspect-ratio "3:4"

Gemini edit vs GPT Image 2 edit

• Gemini：多图合成、风格迁移更自由，但对原图布局保留能力较弱
• GPT Image 2：保留原图布局/文字/边框精确修改时更强，推荐用于卡牌、产品展示图的约束性编辑

Prompt 组合逻辑

Final Prompt =
  [Rendering Style modifier（如有）]
+ [Signature Style prompt（如有，替换主体后）]
+ [Use-case 结构指令（如有，从 references JSON 取）]
+ [用户主体描述（中→英翻译优化）]
+ [技术参数（lighting / composition / quality）]

• 中文输入全部翻译为英文后发给两个后端
• Signature Style prompt 已含完整视觉语言，Rendering modifier 作补充层
• 两者同时命中时：Signature 优先（更具体），Rendering 作辅助修饰

输出交付

• 保存目录：~/.openclaw/workspace/tmp/image-forge/
• 文件名：YYYY-MM-DD-HH-MM-SS-\x3Cslug>.png
• 回复：说明所选路径 + 后端 + 关键 prompt 要点，不读取二进制

渠道交付规则

飞书交付示例：

message action=send filePath=/abs/path/to/image.png

【注意】一次生成多张图时，分次发送每张图片。

典型示例

# [Path D] 默认 GPT Image 2
"画一只在宇宙中游泳的猫"
→ gpt-image-2，size=1536x1024

# [Path S] Signature 风格 + Gemini
"帮我画一张俄国构成主义风格的 AI 机器人海报"
→ constructivism.yaml → nano-banana-2，aspect=3:4

# [Path R2] Rendering 风格 → 自动按强项调度
"帮我画一张动漫风格的城市夜景"
→ anime-manga modifier → nano-banana-2
"帮我画一张赛博朋克风城市"
→ cyberpunk-sci-fi modifier → gpt-image-2

# [Path U] 用途路由 + 推荐风格
"帮我做一张 YouTube 视频封面，科技感"
→ youtube-thumbnail.json → 推荐 cinematic/photography → gpt-image-2

# [Path U + R2] 用途 + 风格同时命中
"帮我做一张水彩风格的社交配图，主题是咖啡和阅读"
→ social-media-post + watercolor → nano-banana-2，aspect=1:1

# [Path E] 参考图编辑
1张图 + "改成极简风格" → gpt-image-2 edit endpoint
2张图 + "合成一张"    → nano-banana-2 (-i ref1 -i ref2)

# [Path R] 风格反推
1张图 + "用这个风格给我画一只猫" → reverse_style.py → gpt-image-2

# 显式后端覆盖
"用 Gemini 画一张产品图" → nano-banana-2（覆盖用途默认）
"4K高清画一张产品海报"  → gpt-image-2，size=3840x2160