AI Image Generation

核心功能

Image Generation是一款多平台AI图像生成技能，整合了Midjourney、DALL-E 3、Stable Diffusion、Flux、Leonardo、Ideogram、Replicate七大主流服务商。核心能力覆盖文生图、图像编辑、风格迁移、超分辨率放大等完整工作流。

使用机制

1. 智能记忆系统：自动读取~/image-generation/memory.md保存用户偏好供应商、风格偏好和项目上下文
2. 草稿优先策略：建议从512×512或1024×1024低分辨率验证提示词，生成4+变体后再放大优胜者
3. 任务驱动的供应商匹配：

• 照片级真实感 → Midjourney/Flux Pro
• 图像内文字生成 → Ideogram/DALL-E 3
• 快速迭代 → Flux Schnell/Leonardo
• 最大可控性 → Stable Diffusion
• 智能修复 → DALL-E 3/Stable Diffusion

提示词工程规范

• 主体前置："A red fox"优于"In the forest there is a red fox"
• 具体描述：用"golden hour sunlight"替代"good lighting"
• 宽高比适配内容：1:1人像、16:9风景

显著优势

• 多平台覆盖：避免单一供应商锁定，按需选择最优引擎
• 本地化隐私：仅提示词外发，偏好设置本地存储
• 系统化工作流：从草稿验证到成品放大的标准化流程
• 常见陷阱预案：针对手指畸形、文字乱码、面部扭曲等问题提供修复策略

局限性与风险

• 依赖第三方API：所有图像生成需信任OpenAI、Midjourney、Stability AI等服务商的数据处理
• 版权模糊地带：AI生成图像的版权归属因平台而异，商用需谨慎
• 质量不可控：同一提示词在不同供应商间输出差异显著
• 成本累积：多平台试用可能导致分散的订阅费用

适合人群

视觉设计师、营销创意人员、独立开发者、内容创作者，以及需要快速原型视觉概念的技术团队。不适合对数据主权有极高要求或完全离线环境的用户。

常规风险提示

• 提示词内容将被发送至所选AI供应商服务器
• 生成图像由供应商托管存储，非本地保存
• 各平台内容审核政策不同，敏感主题可能触发过滤

核心用法

本Skill为纯文档型AI图像生成工作指南，整合全球7大主流图像生成平台（Midjourney、DALL-E 3、Stable Diffusion、Flux、Leonardo、Ideogram、Replicate），提供从提示词工程到最终成品的完整工作流。核心工作流程为：先读记忆→草图验证→精选放大→更新记录。系统强制要求先读取~/image-generation/memory.md获取用户偏好，以512×512或1024×1024快速生成4+变体验证，仅对最优结果进行放大输出。

提示词结构遵循"主体优先+风格关键词+具体化描述+比例匹配"四原则，例如"A red fox, cinematic lighting, golden hour sunlight, 16:9 landscape"。支持文生图、图生图、风格迁移、智能修复、超分辨率等全链路操作。

显著优点

平台级权威整合：覆盖2024-2025年图像生成领域全部主流平台，包括闭源商用（Midjourney、DALL-E 3）与开源可控（Stable Diffusion、Flux）两大阵营，避免用户在多平台间反复切换学习成本。

场景化精准匹配：内置智能选型矩阵——写实摄影选Midjourney/Flux Pro，图文排版选Ideogram/DALL-E 3，快速迭代选Flux Schnell/Leonardo，最大可控性选Stable Diffusion，预算敏感选Replicate/Leonardo。

零代码安全架构：纯Markdown文档型设计，无可执行脚本、无依赖项、无网络监听，从根本上消除供应链攻击、远程代码执行等风险。隐私声明极致透明，仅用户主动选择的AI提供商接收提示词，本地仅存偏好配置。

工程化最佳实践：系统性解决AI图像六大经典陷阱（手指畸形、文字乱码、面部扭曲、风格漂移、水印残留），提供种子锁定、参考图、修复模型等针对性解决方案。

潜在局限

平台依赖性风险：核心功能依赖7家第三方商业API，任意服务商政策变更（定价调整、地区封禁、服务关停）将直接影响可用性。Midjourney尤其依赖Discord生态，存在平台耦合风险。

无本地执行能力：纯文档架构意味着用户必须自行获取各平台API密钥或订阅服务，Skill本身不提供任何"开箱即用"的图像生成功能，技术门槛对纯新手较高。

实时性维护挑战：AI图像领域迭代极快（如Flux 2024年快速崛起），文档更新滞后可能导致选型建议过时。当前版本1.0.2的provider端点信息需持续验证。

版权与合规模糊地带：AI生成图像的版权归属、训练数据合法性、商用授权在各司法管辖区尚未统一，Skill未提供法律合规建议，用户需自行承担风险。

适合人群

• 多平台AI图像创作者：需要在Midjourney、Stable Diffusion等工具间切换，追求统一工作流的中高级用户
• 提示词工程学习者：希望系统掌握结构化提示词写法、风格控制技巧的进阶玩家
• 隐私敏感型用户：拒绝安装任何含可执行代码的AI工具，偏好纯本地文档参考的安全主义者
• 团队协作场景：需要标准化图像生成规范、统一输出质量的设计团队技术负责人

常规风险

| 风险类型 | 具体表现 | 缓释建议 |

|---------|---------|---------|

| 提示词泄露 | 敏感描述发送至第三方AI服务商 | 避免在prompt中包含个人身份信息、商业机密 |

| API密钥暴露 | 用户自行保管各平台密钥不当 | 使用环境变量或专用密钥管理工具，勿硬编码 |

| 内容政策违规 | 生成内容触发平台审核 | 严格遵守各服务商Acceptable Use Policy |

| 订阅成本控制 | 高频调用导致意外账单 | 设置API用量上限，优先使用免费额度方案 |

| 输出质量波动 | 模型更新导致风格漂移 | 固定seed值，保存参考图锁定风格一致性 |