---
name: image-service
description: 多模态图像处理技能，支持文生图、图生图、图生文、长图拼接、调研配图、小红书卡片图、专业信息图、文章封面图。当用户提到图片、图像、生成图、信息图、封面图、小红书、OCR 等关键词时触发。
---

# 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` |
| 小红书卡片图 | 10种视觉风格 × 8种布局，生成小红书系列图 | 文生图 + 提示词模板 |
| 专业信息图 | 20种布局 × 17种视觉风格，专业信息可视化 | 文生图 + 提示词模板 |
| 文章封面图 | 5维定制系统，生成文章/公众号封面 | 文生图 + 提示词模板 |

## 配置

配置文件：`config/settings.json`

| 配置项 | 值 |
|-------|-----|
| IMAGE_API_BASE_URL | `https://ark.cn-beijing.volces.com/api/coding/v3` |
| IMAGE_MODEL | `doubao-seed-2.0-pro` |
| VISION_MODEL | `doubao-seed-code` |

## 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：`.opencode/skills/image-service/scripts/`

```bash
# 正确示例
python .opencode/skills/image-service/scripts/text_to_image.py "描述" -r 3:4 -o output.png
```

## 快速使用

### 文生图

```bash
python .opencode/skills/image-service/scripts/text_to_image.py "信息图风格，标题：AI技术趋势" -r 16:9
python .opencode/skills/image-service/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

```bash
python .opencode/skills/image-service/scripts/image_to_image.py input.png "编辑描述" -r 3:4
```

### 图生文（视觉分析）

```bash
# 使用火山方舟视觉模型分析图片
python .opencode/skills/image-service/scripts/vision_analyzer.py image.jpg -m describe
python .opencode/skills/image-service/scripts/vision_analyzer.py screenshot.png -m ocr
python .opencode/skills/image-service/scripts/vision_analyzer.py chart.png -m chart
python .opencode/skills/image-service/scripts/vision_analyzer.py image.jpg -m custom -q "图片中红框框出来的部分是什么？"
```

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

**注意**：Coding Plan 唯一支持的视觉模型是 `doubao-seed-code`，专业视觉模型(如doubao-vision-pro)不支持。

### 长图拼接

```bash
python .opencode/skills/image-service/scripts/merge_long_image.py img1.png img2.png -o output.png --blend 20
python .opencode/skills/image-service/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

```bash
python .opencode/skills/image-service/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

---

## 小红书卡片图

将长内容拆分为 1-10 张小红书风格卡片图，适合种草、教程、知识分享等场景。

**触发词**：小红书图片、小红书卡片、XHS图、种草图、小红书配图

### 双维度体系

| 维度 | 控制 | 可选值 |
|------|------|--------|
| **风格** | 视觉美学：配色、线条、装饰元素 | 甜美、清新、温暖、醒目、极简、复古、波普、笔记风、黑板风、手写笔记 |
| **布局** | 信息结构：密度、排列方式 | 留白、均衡、密集、列表、对比、流程、思维导图、四象限 |

风格和布局可自由组合，例如：「笔记风 + 密集」= 知识感的高密度卡片。

### 风格表

| 风格 | 中文名 | 说明 |
|------|--------|------|
| `cute` | 甜美（默认） | 甜系少女风，经典小红书美学 |
| `fresh` | 清新 | 干净清爽，自然舒适 |
| `warm` | 温暖 | 温馨亲切，有人情味 |
| `bold` | 醒目 | 高冲击力，抢注意力 |
| `minimal` | 极简 | 超干净，高级感 |
| `retro` | 复古 | 怀旧感，潮流复古 |
| `pop` | 波普 | 鲜艳活泼，视觉冲击 |
| `notion` | 笔记风 | 极简手绘线条，知识感 |
| `chalkboard` | 黑板风 | 彩色粉笔黑板，教育感 |
| `study-notes` | 手写笔记 | 真实手写照片风，蓝笔+红批注+黄荧光 |

### 布局表

| 布局 | 中文名 | 说明 |
|------|--------|------|
| `sparse` | 留白（默认） | 最少信息，最大冲击（1-2个要点） |
| `balanced` | 均衡 | 标准内容排版（3-4个要点） |
| `dense` | 密集 | 高信息密度，知识卡片风（5-8个要点） |
| `list` | 列表 | 枚举排行格式（4-7项） |
| `comparison` | 对比 | 左右对照排版 |
| `flow` | 流程 | 步骤/时间线排版（3-6步） |
| `mindmap` | 思维导图 | 中心发散式（4-8个分支） |
| `quadrant` | 四象限 | 四格/扇形分区 |

### 智能推荐

| 内容信号 | 推荐风格 | 推荐布局 |
|----------|----------|----------|
| 美妆、时尚、可爱、少女 | 甜美 | 留白/均衡 |
| 健康、自然、清洁、有机 | 清新 | 均衡/流程 |
| 生活、故事、情感、温馨 | 温暖 | 均衡 |
| 警告、重要、必看、避坑 | 醒目 | 列表/对比 |
| 专业、商务、高端、简约 | 极简 | 留白/均衡 |
| 经典、怀旧、传统、复古 | 复古 | 均衡 |
| 有趣、惊喜、好玩、安利 | 波普 | 留白/列表 |
| 知识、概念、效率、工具 | 笔记风 | 密集/列表 |
| 教程、教学、课堂、学习 | 黑板风 | 均衡/密集 |
| 笔记、手写、学习攻略、真实 | 手写笔记 | 密集/列表/思维导图 |

### 内容策略

| 策略 | 中文名 | 适用场景 | 结构 |
|------|--------|----------|------|
| 故事驱动 | 经验分享型 | 测评、个人分享、蜕变故事 | 钩子→痛点→发现→体验→总结 |
| 信息密集 | 干货输出型 | 教程、对比、清单、推荐 | 核心结论→信息卡→优缺点→推荐 |
| 视觉优先 | 氛围美图型 | 高颜值产品、生活方式 | 主图→细节→场景→引导 |

### 使用方式

1. 提供内容素材（文章、笔记、文本）
2. 指定风格和布局（或让系统自动推荐）
3. 系统分析内容，拆分为多张卡片
4. 为每张卡片生成提示词并调用文生图

```bash
# 示例：生成小红书卡片图
python .opencode/skills/image-service/scripts/text_to_image.py "小红书卡片风格，甜美配色，标题：护肤入门指南，内容要点：1.清洁 2.保湿 3.防晒" -r 3:4 -o xhs_card_01.png
```

### 输出结构

```
xhs-images/{主题}/
├── source-{slug}.{ext}           # 原始素材
├── analysis.md                   # 内容分析
├── outline.md                    # 最终大纲
├── prompts/                      # 各卡片提示词
│   ├── 01-cover-{slug}.md
│   ├── 02-content-{slug}.md
│   └── ...
├── 01-cover-{slug}.png           # 生成的卡片图
├── 02-content-{slug}.png
└── NN-ending-{slug}.png
```

---

## 专业信息图

20种布局 × 17种视觉风格，自由组合生成专业信息可视化图。

**触发词**：信息图、可视化、infographic、数据图、知识图谱、流程图

### 布局表（20种）

| 布局 | 中文名 | 适用场景 |
|------|--------|----------|
| `linear-progression` | 线性进程 | 时间线、流程、教程 |
| `binary-comparison` | 二元对比 | A vs B、前后对比、优缺点 |
| `comparison-matrix` | 对比矩阵 | 多因素对比评测 |
| `hierarchical-layers` | 层级金字塔 | 优先级、层次结构 |
| `tree-branching` | 树状分支 | 分类、知识体系 |
| `hub-spoke` | 中心辐射 | 核心概念 + 关联项 |
| `structural-breakdown` | 结构分解 | 拆解视图、剖面图 |
| `bento-grid` | 便当格（默认） | 多主题概览、综合展示 |
| `iceberg` | 冰山模型 | 表面 vs 深层、显隐对比 |
| `bridge` | 桥梁模型 | 问题→解决方案 |
| `funnel` | 漏斗模型 | 转化、筛选、收敛 |
| `isometric-map` | 等距地图 | 空间关系、场景布局 |
| `dashboard` | 仪表盘 | 指标、KPI、数据看板 |
| `periodic-table` | 元素周期表 | 分类集合、知识卡 |
| `comic-strip` | 漫画条 | 叙事、流程故事化 |
| `story-mountain` | 故事山 | 剧情结构、张力弧线 |
| `jigsaw` | 拼图模型 | 相互关联的组成部分 |
| `venn-diagram` | 维恩图 | 交叉概念、共性分析 |
| `winding-roadmap` | 蜿蜒路线图 | 旅程、里程碑、路径 |
| `circular-flow` | 循环流 | 周期、迭代、循环过程 |

### 风格表（17种）

| 风格 | 中文名 | 说明 |
|------|--------|------|
| `craft-handmade` | 手工拼贴（默认） | 手绘纸艺感，温暖亲切 |
| `claymation` | 黏土动画 | 3D黏土人偶，定格动画感 |
| `kawaii` | 卡哇伊 | 日系可爱，粉彩配色 |
| `storybook-watercolor` | 绘本水彩 | 柔和水彩，童话感 |
| `chalkboard` | 粉笔黑板 | 黑板粉笔画，教育感 |
| `cyberpunk-neon` | 赛博霓虹 | 霓虹灯光，未来科技感 |
| `bold-graphic` | 漫画粗线 | 漫画风格，网点半调 |
| `aged-academia` | 复古学术 | 老派科学手稿，泛黄纸张 |
| `corporate-memphis` | 企业孟菲斯 | 扁平矢量，鲜艳活泼 |
| `technical-schematic` | 技术蓝图 | 工程制图，蓝底白线 |
| `origami` | 折纸 | 几何折叠，纸张质感 |
| `pixel-art` | 像素风 | 复古8位游戏风 |
| `ui-wireframe` | 线框图 | 灰度界面原型风 |
| `subway-map` | 地铁线路图 | 交通图式，线条清晰 |
| `ikea-manual` | 宜家说明书 | 极简线稿，无废话 |
| `knolling` | 整理摆拍 | 物品俯拍整齐排列 |
| `lego-brick` | 乐高积木 | 积木拼搭，玩具感 |

### 推荐组合

| 内容类型 | 推荐布局 + 风格 |
|----------|-----------------|
| 时间线/历史 | 线性进程 + 手工拼贴 |
| 步骤教程 | 线性进程 + 宜家说明书 |
| A vs B 对比 | 二元对比 + 企业孟菲斯 |
| 层级结构 | 层级金字塔 + 手工拼贴 |
| 交叉概念 | 维恩图 + 手工拼贴 |
| 转化漏斗 | 漏斗模型 + 企业孟菲斯 |
| 循环流程 | 循环流 + 手工拼贴 |
| 技术架构 | 结构分解 + 技术蓝图 |
| 数据指标 | 仪表盘 + 企业孟菲斯 |
| 教育科普 | 便当格 + 粉笔黑板 |
| 旅程路径 | 蜿蜒路线图 + 绘本水彩 |
| 分类集合 | 元素周期表 + 漫画粗线 |

默认组合：便当格 + 手工拼贴

### 使用方式

1. 提供内容素材（文本、数据、大纲）
2. 指定布局和风格（或让系统根据内容自动推荐）
3. 系统分析内容结构，生成结构化信息图提示词
4. 调用文生图生成最终图片

```bash
# 示例：生成专业信息图
python .opencode/skills/image-service/scripts/text_to_image.py "信息图，手工拼贴风格，便当格布局，标题：大模型技术栈全景，包含6个模块：数据、预训练、微调、对齐、推理、部署" -r 16:9 -o infographic.png
```

### 核心原则

- 保留原始数据原文，不擅自总结或改写
- 先明确信息传达目标，再组织视觉结构
- 标题、标签、图例等文字内容用中文

### 输出结构

```
infographic/{主题}/
├── source-{slug}.{ext}           # 原始素材
├── analysis.md                   # 内容分析
├── structured-content.md         # 结构化内容
├── prompts/infographic.md        # 生成提示词
└── infographic.png               # 最终信息图
```

---

## 文章封面图

5维定制系统，为文章、博客、公众号生成精美封面图。

**触发词**：封面图、文章封面、公众号封面、博客头图、cover image

### 五维体系

| 维度 | 可选值 | 默认值 |
|------|--------|--------|
| **类型** | 主视觉(hero)、概念隐喻(conceptual)、文字排版(typography)、比喻象征(metaphor)、场景叙事(scene)、极简留白(minimal) | 自动 |
| **配色** | 暖色(warm)、雅致(elegant)、冷色(cool)、暗黑(dark)、大地色(earth)、鲜艳(vivid)、粉彩(pastel)、黑白(mono)、复古(retro) | 自动 |
| **渲染** | 扁平矢量(flat-vector)、手绘(hand-drawn)、绘画(painterly)、数字CG(digital)、像素(pixel)、粉笔(chalk) | 自动 |
| **文字** | 无文字(none)、仅标题(title-only)、标题+副标题(title-subtitle)、富文字(text-rich) | 仅标题 |
| **氛围** | 内敛(subtle)、均衡(balanced)、强烈(bold) | 均衡 |

### 配色详情（9种）

| 配色 | 中文名 | 色彩特征 |
|------|--------|----------|
| `warm` | 暖色 | 橙红黄，温暖积极 |
| `elegant` | 雅致 | 莫兰迪色系，低饱和高级感 |
| `cool` | 冷色 | 蓝绿紫，理性科技感 |
| `dark` | 暗黑 | 深色背景，对比强烈 |
| `earth` | 大地色 | 棕绿土色，自然质朴 |
| `vivid` | 鲜艳 | 高饱和撞色，视觉冲击 |
| `pastel` | 粉彩 | 马卡龙色，柔和温柔 |
| `mono` | 黑白 | 纯黑白灰，经典永恒 |
| `retro` | 复古 | 胶片色调，怀旧氛围 |

### 渲染风格（6种）

| 渲染 | 中文名 | 说明 |
|------|--------|------|
| `flat-vector` | 扁平矢量 | 干净利落，现代商务 |
| `hand-drawn` | 手绘 | 手绘线条，亲切有趣 |
| `painterly` | 绘画 | 油画/水彩质感，艺术感 |
| `digital` | 数字CG | 3D渲染，科幻现代 |
| `pixel` | 像素 | 像素艺术，怀旧趣味 |
| `chalk` | 粉笔 | 黑板粉笔，教育学术 |

### 使用方式

1. 提供文章内容或标题
2. 指定五个维度（或让系统自动匹配）
3. 系统分析文章主题，生成封面提示词
4. 调用文生图生成封面

```bash
# 示例：生成文章封面
python .opencode/skills/image-service/scripts/text_to_image.py "文章封面，概念隐喻风格，冷色调，扁平矢量渲染，标题：深入理解Transformer架构" -r 16:9 -o cover.png

# 公众号封面（推荐2.35:1宽幅）
python .opencode/skills/image-service/scripts/text_to_image.py "文章封面，暗黑配色，数字CG渲染，极简留白，标题：2025 AI趋势" -r 21:9 -o wechat_cover.png
```

支持比例：`16:9`（标准）、`21:9`（宽幅/电影感）、`4:3`、`3:2`、`1:1`（方形）、`3:4`（竖版）

---

## AI图片生成后端（多Provider支持）

除默认的 IMAGE_API 后端外，还可通过第三方 AI SDK 直接调用 OpenAI / Google / DashScope 等图像生成接口，作为补充方案。

**触发词**：用OpenAI生成图、用Google生图、DashScope生图、切换生图后端

### 支持的 Provider

| Provider | 模型 | 特点 |
|----------|------|------|
| Google | Imagen 3 | 默认首选，支持参考图多模态 |
| OpenAI | gpt-image-1 / dall-e-3 | 高质量，支持图片编辑 |
| DashScope | z-image-turbo | 通义万象，中文理解好 |

### 环境变量

| 变量 | 说明 |
|------|------|
| `OPENAI_API_KEY` | OpenAI API 密钥 |
| `GOOGLE_API_KEY` | Google API 密钥 |
| `DASHSCOPE_API_KEY` | DashScope API 密钥 |
| `OPENAI_IMAGE_MODEL` | OpenAI 模型覆盖 |
| `GOOGLE_IMAGE_MODEL` | Google 模型覆盖 |
| `DASHSCOPE_IMAGE_MODEL` | DashScope 模型覆盖（默认 z-image-turbo） |

### Provider 自动选择逻辑

1. 提供了参考图（`--ref`）且未指定 Provider → 优先 Google，其次 OpenAI
2. 明确指定 `--provider` → 使用指定的
3. 只有一个 API Key 可用 → 使用该 Provider
4. 多个可用 → 默认 Google

### 质量预设

| 预设 | Google 尺寸 | OpenAI 尺寸 | 适用场景 |
|------|-------------|-------------|----------|
| `normal` | 1K | 1024px | 快速预览 |
| `2k`（默认） | 2K | 2048px | 封面、插画、信息图 |

### 使用示例

```bash
# 基本用法（需配置对应 API Key）
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只猫" --image cat.png

# 指定比例
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "风景画" --image out.png --ar 16:9

# 高质量
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "产品图" --image out.png --quality 2k

# 指定Provider
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只猫" --image out.png --provider openai

# 使用参考图
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "改为蓝色" --image out.png --ref source.png

# DashScope（中文场景推荐）
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只可爱的猫" --image out.png --provider dashscope
```

### 参数列表

| 参数 | 说明 |
|------|------|
| `--prompt`, `-p` | 提示词文本 |
| `--promptfiles` | 从文件读取提示词（多文件拼接） |
| `--image` | 输出图片路径（必填） |
| `--provider` | 指定 Provider：google / openai / dashscope |
| `--model`, `-m` | 模型 ID |
| `--ar` | 宽高比（如 `16:9`, `1:1`） |
| `--size` | 尺寸（如 `1024x1024`） |
| `--quality` | 质量预设：normal / 2k |
| `--ref` | 参考图片 |
| `--n` | 生成数量 |
| `--json` | JSON 格式输出 |

---

## 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
识别为小红书图  → 按「小红书卡片图」章节流程执行
识别为信息图   → 按「专业信息图」章节流程执行
识别为封面图   → 按「文章封面图」章节流程执行
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

## 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
- **小红书**：小红书图片、小红书卡片、种草图、XHS配图
- **信息图**：专业信息图、infographic、知识图谱、流程图、可视化
- **封面类**：封面图、文章封面、公众号封面、博客头图
- **后端切换**：用OpenAI生图、用Google生图、DashScope生图