图像处理技能

概述

能力	说明	脚本
文生图	根据中文文本描述生成图片	scripts/text_to_image.py
图生图	在已有图片基础上进行编辑	scripts/image_to_image.py
图生文	分析图片内容（描述、OCR、图表等）	scripts/image_to_text.py
长图拼接	将多张图片垂直拼接为微信长图	scripts/merge_long_image.py
调研配图	预设手绘风格的调研报告信息图	scripts/research_image.py

配置

配置文件：config/settings.json

配置项	值
IMAGE_API_BASE_URL	https://llm.api.zyuncs.com/v1
IMAGE_MODEL	lyra-flash-9
VISION_MODEL	qwen2.5-vl-72b-instruct

执行规范

图片默认保存到命令执行时的当前工作目录：

1. 不要使用 workdir 切换到 skill 目录执行命令
2. 始终在用户的工作目录下执行，使用脚本的绝对路径
3. 脚本路径：skill 目录下的 scripts/

# 正确示例（PYTHON 和 SKILL_DIR 替换为你环境的实际路径）
$PYTHON $SKILL_DIR/scripts/text_to_image.py "描述" -r 3:4 -o output.png

快速使用

文生图

$PYTHON $SKILL_DIR/scripts/text_to_image.py "信息图风格，标题：AI技术趋势" -r 16:9
$PYTHON $SKILL_DIR/scripts/text_to_image.py "竖版海报，产品展示" -r 3:4 -o poster.png

参数：-r 宽高比 | -s 尺寸 | -o 输出路径

支持比例：1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9

图生图

$PYTHON $SKILL_DIR/scripts/image_to_image.py input.png "编辑描述" -r 3:4

图生文

$PYTHON $SKILL_DIR/scripts/image_to_text.py image.jpg -m describe
$PYTHON $SKILL_DIR/scripts/image_to_text.py screenshot.png -m ocr

模式：describe | ocr | chart | fashion | product | scene

长图拼接

$PYTHON $SKILL_DIR/scripts/merge_long_image.py img1.png img2.png -o output.png --blend 20
$PYTHON $SKILL_DIR/scripts/merge_long_image.py -p "*.png" -o long.png --sort name

参数：-p 通配符 | -o 输出 | -w 宽度 | -g 间隔 | --blend 融合 | --sort 排序

调研配图

$PYTHON $SKILL_DIR/scripts/research_image.py -t arch -n "标题" -c "内容" -o output.png

类型：arch 架构图 | flow 流程图 | compare 对比图 | concept 概念图

执行前必做：需求类型判断（铁律）

收到图片生成需求后，必须先判断是哪种类型，再决定执行方式：

长图识别规则

提示词中出现以下任一特征，即判定为长图需求：

特征类型	识别关键词/模式
明确声明	长图、长图海报、垂直长图、微信长图、Infographic、Long Banner
分段结构	提示词包含多个段落（如"第1部分"、"顶部"、"中间"、"底部"）
编号列表	使用 ### 1.、### 2. 等编号分段
多屏内容	描述了3个及以上独立画面/模块
从上至下	出现"从上至下"、"从上到下"等描述

判断后的执行路径

识别为长图 → 必须先读取 references/long-image-guide.md → 按长图流程执行
识别为单图 → 直接使用 text_to_image.py 生成

铁律：识别为长图后，禁止直接生成！必须先加载长图指南，按指南流程执行。

详细指南（按需加载）

场景	触发条件	参考文档
生成多屏长图	命中上述长图识别规则	references/long-image-guide.md（必须加载）
图片含中文文字	提示词要求图片包含中文标题/文字	references/text-rendering-guide.md
为 PPT/文档配图	用户提供了配色要求或参考文档	references/color-sync-guide.md
API 接口细节	需要了解底层实现	docs/api-reference.md
提示词技巧	需要优化提示词效果	docs/prompt-guide.md

提示词要点

1. 必须使用中文撰写提示词
2. 图片中的标题、标签必须为中文
3. 默认宽高比 16:9，可通过 -r 参数调整
4. 推荐风格：信息图、数据可视化、手绘文字、科技插画

---

营销物料生成（产品图/物料包/设计图/元素拆解）

当用户提到「产品图」「物料包」「营销素材」「详情页」「元素拆解」「爆炸图」「套图」「多尺寸」「电商图」等关键词时，按以下流程执行。

提示词模板库：references/marketing-templates.md（必须加载，里面有完整的分类模板）

能力矩阵

能力	触发词	流程	输出
电商详情长图	详情页、长图、商品介绍	叠罗汉串行生图 → merge 拼接	1张长图
营销物料包	物料包、营销素材、多尺寸	拆元素 → 多角度多场景 → zip	10-15张 + zip
产品设计图	产品图、渲染图、效果图	基准图 → 多角度/配色变体	3-8张
元素拆解图	拆解、爆炸图、分解、特写	整体图 → 局部特写/功能拆解	4-8张
社交媒体套图	套图、九宫格、朋友圈	统一风格 → 多尺寸适配	9张（1:1）
多配色/SKU图	配色、多色、SKU	基准图 → 图生图换色	N张

流程一：电商详情长图

输入：产品名 + 卖点 + 风格
  ↓
Step 1：规划分屏（通常5-8屏）
  - 屏1：Hero大图（产品+核心卖点）
  - 屏2-N：逐个卖点展开（功能/材质/场景/参数）
  - 末屏：规格参数表
  ↓
Step 2：叠罗汉串行生图（必须读 references/long-image-guide.md）
  - 第1屏：text_to_image 生成基准
  - 第2-N屏：image_to_image 以上一屏为参考，保持风格一致
  ↓
Step 3：merge_long_image 拼接（--blend 20 融合接缝）
  ↓
Step 4：输出长图 + 各分屏原图

流程二：营销物料包（重点！）

铁律：不是同一张图改尺寸！是拆元素、换角度、换场景！

输入：产品名 + 卖点列表 + 风格偏好
  ↓
Step 1：生基准主图（text_to_image，产品全貌 16:9）
  ↓
Step 2：元素拆解（image_to_image × 4-6张）
  - 核心卖点微距特写（1:1）
  - 功能爆炸图/拆解图（3:4）
  - 材质/工艺细节（4:3）
  - 配件全家福（16:9）
  ↓
Step 3：场景变体（text_to_image / image_to_image × 3-4张）
  - 生活使用场景（16:9）
  - 工作使用场景（4:3）
  - 开箱/拆封场景（1:1）
  - 艺术剪影/氛围图（21:9）
  ↓
Step 4：营销创意（text_to_image × 3-4张）
  - 对比评测图（3:4）
  - 数据可视化/声波图（16:9）
  - 多配色SKU展示（16:9）
  - 九宫格社交媒体（1:1）
  ↓
Step 5：全部打包 zip + 逐张预览发送

并发规则：同一批最多8张并发，超过分批。失败的单独重试。

流程三：产品设计图

输入：产品名 + 设计要求
  ↓
Step 1：text_to_image 生基准主图（产品正面，16:9）
  ↓
Step 2：image_to_image 生变体（以基准图为参考）
  - 45度角展示
  - 侧面/背面
  - 俯视图
  - 不同配色版本
  - 不同使用场景

流程四：元素拆解图

输入：产品图（已有图片）或产品描述
  ↓
Step 1：如有产品图 → image_to_image 拆解；无图 → text_to_image 先生全貌
  ↓
Step 2：逐元素生成（image_to_image）
  - 爆炸图/分解视角
  - 局部1微距特写 + 功能标注
  - 局部2微距特写 + 工艺标注
  - 局部3微距特写 + 材质标注
  ↓
Step 3：可选拼长图（merge_long_image）

流程五：社交媒体套图

输入：产品/主题 + 平台（小红书/朋友圈/微博）
  ↓
Step 1：确定数量和比例
  - 小红书：6-9张，3:4
  - 朋友圈九宫格：9张，1:1
  - 微博：4-9张，16:9 或 1:1
  ↓
Step 2：规划每张内容（参考 marketing-templates.md 九宫格模板）
  ↓
Step 3：统一风格前缀，并发生成
  ↓
Step 4：按顺序编号输出

通用规范

1. 提示词必须中文，加载 references/marketing-templates.md 获取模板
2. 同一批次风格统一：定义风格前缀，所有图片复用
3. 并发≤8张，失败单独重试
4. 命名规范：{类型}_{序号}.png（如 detail_01.png、scene_gaming.png）
5. 交付时：逐张发送预览 + 打包 zip（如有多张）

---

触发关键词

• 生成类：生成图片、创建图片、文生图、图生图、信息图、数据可视化
• 分析类：分析图片、OCR、识别文字、图生文
• 拼接类：长图、微信长图、拼接图片
• 营销类：产品图、物料包、营销素材、详情页、电商图、设计图、渲染图、效果图
• 拆解类：拆解、爆炸图、分解、特写、微距
• 套图类：套图、九宫格、朋友圈、多尺寸、多配色、SKU