Image Cog

核心用法

Image Cog 是基于 CellCog 的 AI 图像生成技能，整合了 Google Gemini、OpenAI GPT Image 1.5 和 Recraft 三家模型能力，实现智能路由与多场景覆盖。用户通过 client.create_chat() 调用，支持两种模式：chat_mode="agent" 适合单图快速生成，chat_mode="agent team" 适用于复杂场景、角色系列或多图套装。

核心功能包括：

• 文生图：场景、肖像、产品、抽象艺术、自然风光等全品类生成
• 图生图：风格迁移、背景移除、色彩增强、元素修改
• 角色一致性：跨场景保持人物特征，适用于漫画、品牌IP、视频分镜
• 产品摄影：专业级产品图、生活场景图、多角度展示
• 参考图生成：以现有图片为基准匹配风格或人物
• 多图套装：社交媒体系列、网站头图、广告变体

显著优点

1. 多模型智能调度：Nano Banana 2（Gemini）作为默认模型处理复杂构图与文本渲染；GPT Image 1.5 专精透明背景；Recraft 负责矢量插图，无需手动切换
2. 角色一致性能力突出：支持多轮对话保持人物特征，是少数原生支持连贯角色创作的方案
3. 灵活的规格控制：8种宽高比、3档分辨率（1K/2K/4K）、多种艺术风格可选
4. 商业化场景覆盖全：从社交媒体素材到印刷级4K输出，满足设计全流程

潜在局限

• 依赖 CellCog 生态：必须安装并配置 CellCog SDK 及 API Key，增加初始部署成本
• 模型黑盒路由：虽然智能调度方便，但用户无法精确控制底层模型参数（如种子值、步数）
• 仅支持 PNG 输出：缺少 JPG/WebP 等格式，对 Web 优化场景需二次转换
• 无内置版权审查：生成内容需用户自行承担合规责任

适合人群

• UI/UX 设计师、电商运营（快速产出产品图）
• 内容创作者、自媒体（社交媒体视觉素材）
• 游戏/动画预演团队（角色概念与分镜）
• 营销团队（campaign 多尺寸素材批量生成）

常规风险

1. 知识产权：AI 生成图像的版权归属因司法管辖区而异，商用前需确认合规
2. 内容安全：可能生成不当内容，需配合平台的内容审核机制
3. API 依赖：服务稳定性取决于 CellCog 及底层模型供应商（Google/OpenAI/Recraft）
4. 成本累积：4K 高清输出与多图套装调用次数多，需关注 Token/请求计费

核心用法

Image Cog 是一款由 CellCog 提供技术支持的纯文档型 AI 图像生成 Skill，通过调用外部 CellCog API 实现图像创作与编辑。用户可通过 client.create_chat() 发起任务，支持两种调用模式：OpenClaw 的异步"fire-and-forget"模式（通过 notify_session_key 回调）和 Cursor/Claude Code 等 Agent 的同步阻塞模式（直接返回结果）。主要功能覆盖六大场景：单一图像生成、图像编辑（风格迁移、背景移除、色彩增强）、角色一致性系列图（适合漫画、营销素材、视频帧生成）、产品摄影风格图、关联图像集（社交媒体套装、广告变体）以及参考图驱动生成（风格匹配、角色延续、品牌对齐）。

系统内置智能模型路由：Nano Banana 2（Gemini 3.1 Flash）为默认模型，擅长写实场景、复杂构图、文字渲染及多轮角色一致性；GPT Image 1.5（OpenAI）自动处理透明 PNG 需求（Logo、贴纸、产品抠图）；Recraft 专精可缩放矢量插画（SVG）与图标生成。用户可在提示词中显式指定模型偏好。输出规格灵活，支持 1:1、16:9、9:16 等 8 种常用比例，1K/2K/4K 三档分辨率，风格涵盖写实、插画、水彩、油画、动漫、数字艺术、矢量等，格式默认为 PNG。复杂任务推荐使用 chat_mode="agent team" 以提升多元素场景、角色系列、参考图分析等任务的生成质量。

显著优点

1. 多模型智能协同：无需手动选择，系统自动根据任务类型（透明背景→OpenAI、矢量图标→Recraft、默认→Gemini）路由至最优模型，兼顾效果与效率。
2. 角色一致性能力突出：通过详细描述+"同一角色"引用机制，可生成跨场景保持外貌、风格一致的系列图像，显著降低漫画、品牌吉祥物、营销素材的制作成本。
3. 专业产品摄影模板：内置 Hero 图、生活场景图、平铺图、多角度视图等商业摄影范式，降低电商与品牌视觉内容的生产门槛。
4. 参考图驱动工作流：支持以现有图像为基准进行风格迁移、角色延续、品牌对齐，适合已有视觉资产的品牌快速扩展内容库。
5. 输出规格全面：从 1K 草稿到 4K 终稿，覆盖社交媒體、网页、印刷等多渠道需求；透明 PNG 原生支持免去后期抠图。

潜在缺点与局限性

1. 强依赖外部服务：所有图像生成逻辑均在 CellCog 云端完成，Skill 本身纯文档无代码，意味着可用性、延迟、成本完全受 CellCog 服务状态制约，无法离线使用。
2. 版权与合规风险未明：虽 Skill 无数据收集，但生成内容的版权归属、训练数据合规性（尤其涉及真人肖像、艺术风格迁移）未在文档中说明，商业使用需谨慎评估。
3. 模型黑盒化：智能路由虽便利，但用户无法直接控制底层模型参数（如种子值、负向提示词、采样步数），对追求精细控制的专业用户可能存在限制。
4. 成本透明度不足：文档未提及定价模式，多图生成（如角色系列 4 张、社交媒体套装 5 张）可能产生较高 Token 或 API 调用费用，需实际测试评估预算。
5. 中文支持存疑：示例提示词全为英文，未明确说明中文描述的质量表现，非英语用户可能需要额外验证。

适合人群

• 内容创作者与营销人员：快速产出社交媒体图集、广告变体、博客插图，满足高频内容需求。
• 独立开发者与初创团队：低成本获取产品截图、应用商店素材、品牌吉祥物，弥补无专业设计资源的短板。
• 漫画与故事板制作者：利用角色一致性功能批量生成场景分镜，加速 pre-visualization 流程。
• 电商运营者：生成产品多角度视图、场景化展示图，提升商品页视觉丰富度。

常规风险

• 服务中断风险：CellCog API 故障将直接导致 Skill 不可用，建议关键项目准备备选方案。
• 生成内容不可控：AI 图像可能存在畸形肢体、错误文字、不当内容，需人工审核后使用。
• 数据隐私：上传的参考图可能存储于 CellCog 服务器，敏感素材建议脱敏处理或确认服务商数据处理条款。