图像生成

当需要根据文本提示创建一张或多张图像，或使用 Gemini 编辑一张或多张现有图像时，请使用此技能。

要求

• ~/.openclaw/openclaw.json 中必须包含 $.skills.entries["gemini-image-generation"].enabled 设置为 true。
• ~/.openclaw/openclaw.json 中必须包含 $.skills.entries["gemini-image-generation"].env，并设置以下键值：

- GEMINI_API_KEY（必需）

- GEMINI_MODEL_ID（必需）

- GEMINI_BASE_URL（可选）

• 示例 ~/.openclaw/openclaw.json：

{
  ......,
  "skills": {
    "entries": {
      "gemini-image-generation": {
        "enabled": true,
        "env": {
          "GEMINI_API_KEY": "sk-xxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx",
          "GEMINI_MODEL_ID": "gemini-3.1-flash-image-preview",
          "GEMINI_BASE_URL": "https://custom-endpoint.com"
        }
      }
    }
  },
  ......
}

• 工作区环境中必须安装 Node.js。
• 在技能根目录下首次运行 npm install 安装依赖。

使用场景

• 用户要求根据文本提示生成新图像。
• 用户要求修改、重风格化、扩展或以其他方式编辑一张或多张现有图像。
• 用户希望将生成的图像保存到工作区文件中。
• 任务应通过可复用的 OpenClaw 技能处理，而非临时编写 SDK 代码。

操作流程

1. 将用户请求转化为一个清晰明确的图像生成提示。
2. 若用户提供了源图像，请在工作区中选择或确认输入文件路径。
3. 若用户指定了目标宽高比或尺寸，请通过 --aspectRatio 和 --imageSize 参数传递。
4. 除非用户已提供输出路径，否则在工作区中选择一个输出路径。
5. 对于文生图，运行 [generate-image.mjs](./scripts/generate-image.mjs)，传入 --prompt、--output 及可选的图像配置参数。
6. 对于图像编辑，运行 [edit-image.mjs](./scripts/edit-image.mjs)，传入 --prompt、一个或多个 --input 值、--output 及可选的图像配置参数。
7. 从环境变量中读取 GEMINI_API_KEY 获取 API 密钥，从 GEMINI_MODEL_ID 获取模型 ID。
8. 可选地，从环境变量 GEMINI_BASE_URL 读取自定义端点地址。
9. 返回保存的图像路径给用户。
10. 每返回一个图像路径后，还需输出 MEDIA:<image_path>（例如：MEDIA:outputs/gemini-native-image.png），以便在对话中内联显示图像。

命令示例

node ./skills/gemini-image-generation/scripts/generate-image.mjs --prompt "Create a picture of a nano banana dish in a fancy restaurant with a Gemini theme" --output "outputs/gemini-native-image.png"

node ./skills/gemini-image-generation/scripts/generate-image.mjs --prompt "Create a wide cinematic food photo of a nano banana dish in a fancy restaurant with a Gemini theme" --output "outputs/gemini-wide.png" --aspectRatio "16:9" --imageSize "2K"

node ./skills/gemini-image-generation/scripts/edit-image.mjs --prompt "Turn this cat into a watercolor illustration eating a nano-banana in a fancy restaurant under the Gemini constellation" --input "inputs/cat.png" --output "outputs/cat-watercolor.png" --aspectRatio "5:4" --imageSize "2K"

node ./skills/gemini-image-generation/scripts/edit-image.mjs --prompt "Create an office group photo of these people making funny faces" --input "inputs/person-1.jpg" --input "inputs/person-2.jpg" --input "inputs/person-3.jpg" --output "outputs/group-photo.png"

注意事项

• 脚本会输出 TEXT: 行用于模型文本响应，以及 IMAGE: 行用于每个保存的文件。
• 技能执行完成后，必须对每张生成的图像输出 MEDIA:<path>，确保图像能在对话中内联显示，同时附带文件路径。
• 最终的 JSON 总结仅包含生成的图像路径和可选的图像配置信息，不会回显提示内容、模型 ID 或源图像路径。
• 保存的文件扩展名遵循返回图像的 MIME 类型。若指定的输出路径使用了不同的后缀，脚本将保留基础名称，并按实际返回类型写入文件。
• 若模型返回多张图像，脚本会将其保存为 name-1.png、name-2.png 等形式。
• edit-image.mjs 支持重复使用 --input 参数。也可将多个输入路径以逗号分隔，传入单个 --input 参数。
• edit-image.mjs 会根据 .png、.jpg、.jpeg 或 .webp 后缀推断源文件的 MIME 类型。可使用一个 --mime-type 适用于所有输入，或为每个 --input 重复指定 --mime-type 以一一对应。
• 两个脚本均支持 --aspectRatio 和 --imageSize 参数，也接受连字符形式 --aspect-ratio 和 --image-size。
• 脚本仅在至少提供其中一个参数时才会发送 config.imageConfig。