多厂商AI图像生成工具，支持OpenAI、Google、阿里通义等10+平台，提供文生图、参考图、批量生成与智能身份保持功能。
说明：
## 核心用法
**baoyu-imagine** 是一款专业级AI图像生成技能，基于TypeScript/Bun构建，通过统一CLI接口整合10+主流图像生成API：
– **OpenAI GPT Image 2**（原生推荐，支持编辑/参考图）
– **Google Gemini** 多模态系列
– **Azure OpenAI** 企业级部署
– **阿里DashScope**（通义万象）、**Z.AI GLM-Image**、**豆包Seedream**、**即梦Jimeng**、**MiniMax** 等国产方案
– **OpenRouter** 聚合网关、**Replicate** 开源模型托管
### 关键功能矩阵
| 功能 | 说明 |
|——|——|
| 文生图 | 基础text-to-image，支持质量预设（normal/2K） |
| 参考图生成 | 身份保持式编辑，支持2-4张参考图联合定义主体 |
| 批量生成 | JSON批处理模式，自动并行+限流，内置重试机制 |
| 尺寸控制 | 比例模式（16:9等）或精确像素尺寸 |
| 多提示源 | 命令行、文件读取、多文件拼接 |
### 身份保持最佳实践
该技能特别强调**硬身份保持**策略：使用简短明确的指令如”Use the person in the reference as the same identity”，避免冗长面部描述导致模型合成新人物。支持跨年龄编辑（通过服装/场景/姿态而非改脸）、多图联合定义、以及反网红化约束。
### 配置系统
采用三级配置优先级：CLI参数 > EXTEND.md项目配置 > 环境变量 > 全局.env。首次使用强制引导式配置，持久化存储默认模型、质量、输出路径等偏好。
## 显著优点
1. **厂商中立架构**：统一抽象层屏蔽各API差异，同一条命令可无缝切换底层提供商
2. **企业级可靠性**：批量模式含自动限流、3次重试、失败隔离，适合生产流水线
3. **国产模型深度集成**：对通义万象、GLM-Image、Seedream等提供专属优化（如豆包5.0/4.5的参考图支持）
4. **Codex运行时兼容**：明确区分OpenAI API Key与Codex OAuth授权，提供降级路径
5. **身份保持专业度**：相比通用工具，提供结构化的参考图使用指南与漂移防控机制
## 潜在局限
– **依赖Node/Bun运行时**：需预装bun或npx环境，非纯Python方案
– **参考图支持碎片化**：Jimeng、Seedream 3.0、部分DashScope模型不支持参考图，需查阅provider-specific文档
– **OpenAI网关方言**：部分兼容网关需手动切换`ratio-metadata`方言，增加配置复杂度
– **国内厂商凭证多样**：豆包/即梦需Volcengine AK/SK，非标准API Key，学习成本较高
## 适合人群
– **内容创作者/设计师**：需要批量生成封面、插图、角色一致性素材
– **AI工作流工程师**：将图像生成嵌入CI/CD或自动化脚本
– **多平台策略用户**：希望同一项目灵活切换国内外模型以优化成本或合规
– **技术团队**：需要可审计、可配置、可版本控制的生成基础设施
## 常规风险
| 风险类别 | 说明 | 缓释措施 |
|———-|——|———-|
| API密钥泄露 | 环境变量/EXTEND.md可能误提交 | 使用`.env`+gitignore，CI中用secrets管理 |
| 内容安全合规 | 各平台审核策略差异 | 国内业务优先选用阿里/豆包/即梦 |
| 参考图身份漂移 | 多次生成迭代后特征淡化 | 限制引用链长度，定期回归原始素材 |
| 成本失控 | 批量生成+高分辨率=费用激增 | 先用normal质量验证，2K/4K用于终稿 |
| 厂商API变更 | 国产模型版本迭代快 | 锁定模型版本号，关注技能更新日志 |
安全等级**S**（代码开源可审计，无本地模型执行风险），来源可信度**T1**（GitHub活跃维护，版本迭代规范）。
会员专属
