AI Image Generation

核心功能

Image Generation 是一个集成式AI图像生成助手，支持主流图像生成服务（Midjourney、DALL-E 3、Flux、Stable Diffusion、Ideogram、Leonardo、Replicate）。核心能力包括：

• 智能供应商匹配：根据使用场景自动推荐最优引擎（如Ideogram专精图像内文字渲染，Flux Pro擅长产品摄影）
• 提示词工程框架：结构化输出规则，强调主体优先、风格关键词、负面提示与宽高比策略
• 分级分辨率工作流：草图阶段（512-1024px）快速迭代 → 精选后超分辨率输出（2048px+），降低API成本
• 专业修复模式：针对AI常见缺陷（畸形手指、面部扭曲、乱码文字）提供定向修复方案

显著优势

1. 成本控制机制：草稿低分辨率+批量生成+种子复用策略，显著减少高质量模型调用次数
2. 多平台适配：覆盖云端API与本地部署（Stable Diffusion），满足从快速原型到隐私敏感项目的全谱系需求
3. 场景化决策树：内置8种典型工作流（文生图、图生图、风格迁移、局部重绘等），降低新手试错成本

局限性与风险

• 输出不可控性：即使优化提示词，AI生成结果仍存在随机性，关键商业项目需预留多轮迭代预算
• 版权灰色地带：训练数据来源不透明，商用需确认各平台服务条款（尤其Midjourney商业授权有版本限制）
• 隐性成本陷阱：超分辨率与后期修复（如Topaz Gigapixel）可能产生额外订阅费用
• 技术依赖：重度依赖外部API稳定性，本地部署（Stable Diffusion）对硬件要求较高

适用人群

设计师、 marketers、独立开发者、内容创作者；特别适合需要高频视觉产出但无专业3D/摄影资源的中小团队。

安全提示

• 避免输入个人敏感信息作为提示词（部分平台会记录并可能用于模型改进）
• 生成人物图像时注意肖像权与深度伪造法规合规
• 定期清理API密钥，优先使用环境变量或密钥管理服务

核心用法

Image Generation 是一款文档型技能，专注于指导用户高效使用主流AI图像生成服务（DALL-E 3、Midjourney、Stable Diffusion、Flux、Leonardo、Ideogram、Replicate）。其核心逻辑围绕"草稿验证→精选迭代→生产输出"的三阶段工作流：先用低分辨率快速验证提示词，锁定满意结果后再 upscale 至生产级分辨率。

技能内置多维决策矩阵，按使用场景推荐最优供应商： photorealism 选 Midjourney/Flux Pro，文本渲染选 Ideogram/DALL-E 3，API 快速迭代选 Flux Schnell/Leonardo，本地可控选 Stable Diffusion，成本敏感选 Replicate。提示词工程方面强调"主体优先+风格关键词+负面提示+精确光照"的组合策略，并针对不同任务（文生图、图像编辑、风格迁移）提供参数化操作指南。

显著优点

• 全平台覆盖：整合7大主流服务商，避免用户在碎片化文档中切换
• 工程化思维：强调种子复用、批量生成、成本分层，适合商业化生产
• 故障预案完备：针对AI绘图常见痛点（手指畸形、文字乱码、面部扭曲）提供修复策略
• 零依赖风险：纯Markdown文档，无代码执行、无外部调用、无敏感信息收集

潜在局限

• 非执行型技能：仅提供指导，需用户自行配置API密钥并调用服务
• 时效性依赖：AI绘图模型迭代极快，供应商特性可能随版本更新偏移
• 无自动化集成：缺乏与IDE或设计工具的插件级联动，手动操作链条较长
• 本地化门槛：Stable Diffusion等本地方案需要用户具备GPU环境配置能力

适合人群

• 数字创作者：插画师、设计师需快速产出概念稿或素材
• 全栈开发者：需为产品集成文生图API，参考成本优化与异步处理模式
• AI爱好者：系统学习提示词工程与多平台差异
• 电商/营销团队：批量生成产品场景图，控制预算的同时保证出图质量

常规风险

• API密钥管理：示例代码需用户自行填入密钥，存在误提交至版本控制的风险
• 版权与伦理：生成图像的商用权限因供应商而异（Midjourney商业许可较严格）
• 内容安全：部分平台对敏感题材有审核机制，跨区使用需留意合规边界
• 成本失控：未设置分辨率分层策略时，高清批量生成可能导致意外账单