🎨 AI Image Generation — Pro Pack on RunComfy

核心用法

ai-image-generation-runcomfy 是 RunComfy 官方提供的 CLI 驱动型 AI 图像生成技能，通过单一认证即可调用 11+ 主流图像模型。支持 文生图 (t2i) 与 图生图/编辑 (i2i) 双模式，系统根据用户意图自动路由至最优模型：

| 场景 | 推荐模型 | 核心优势 |

|:---|:---|:---|

| 通用/快速迭代 | FLUX 2 Klein 9B/4B | 步数蒸馏 4-25 步，4 张参考图风格迁移 |

| 精准文字排版 | GPT Image 2 | 日/韩/阿语等多语言内嵌文字，布局精确控制 |

| 超高速草稿 | Nano Banana 2 | 亚秒级响应，支持 Web 搜索 grounding |

| 真实感人像/产品 | Seedream 5 Lite | 肤色自然、东亚美学、光影 cinematic |

| 开源权重工作流 | Qwen Image 2512 / Wan 2-7 | LoRA 兼容，可本地部署 |

调用方式：

runcomfy run <vendor>/<model>/<endpoint> \
  --input '{"prompt": "..."}' --output-dir ./out

显著优点

• 智能路由：无需手动选模型，技能解析意图自动匹配 FLUX/GPT Image/Seedream 等最佳后端
• 统一 CLI 接口：单点登录 (runcomfy login) 覆盖全模型目录，JSON Schema 与文档一一对应
• 生产级参数透传：步数、分辨率、参考图、Web 搜索、安全等级等模型原生能力完整暴露
• 跨品牌一致性：同品牌 t2i→i2i 配对使用（如 Seedream 5 Lite 生成后同模型编辑），身份保持连贯

潜在缺点与局限性

• 依赖 RunComfy 云服务：需有效 RUNCOMFY_TOKEN，无法完全离线运行
• 模型特有约束：GPT Image 2 仅 3 种固定尺寸；FLUX 4B 质量略降于 9B；开源模型 (Wan/Qwen) 与闭源模型存在质量鸿沟
• 成本阶梯明显：Nano Banana 2 的 4K 输出约为 0.5K 草稿的 16× 成本
• 编辑能力边界：复杂蒙版修复、批量编辑需转用独立 image-edit 技能

适合人群

• 设计师/创意团队：需快速迭代多风格概念、保持品牌视觉一致性
• 开发者/自动化工作流：通过 CLI 将图像生成集成至 CI/CD、批处理脚本
• 本地化需求用户：依赖 GPT Image 2 的多语言精准排版，或 Seedream 的东亚审美
• 开源偏好者：Qwen Image、Wan 2-7 提供可本地部署的 LoRA 兼容方案

常规风险

• Token 安全：凭证存储于 ~/.config/runcomfy/token.json (0600 权限)，CI 环境建议改用 RUNCOMFY_TOKEN 环境变量
• 间接提示注入：参考图 URL 与 enable_web_search 结果为不可信输入，可能携带隐藏指令
• 成本失控：高分辨率 (4K)、多图批量 (num_images: 4)、Web 搜索叠加会快速累积费用
• 内容安全：各模型 safety_tolerance 等级 1-6 可调，需根据使用场景主动配置

安全等级：S

官方 CLI 工具、HTTPS 传输、Token 文件权限控制、无任意代码执行面；主要风险在于第三方引用图/搜索结果可能携带对抗性内容。

核心用法

AI Image Generation — Pro Pack on RunComfy 是一个模型智能路由型技能，覆盖 RunComfy 平台完整的图像生成模型目录。用户通过自然语言描述意图（如"生成海报"、"编辑这张人像"），技能自动匹配最优模型并输出对应的 runcomfy run CLI 命令。

两大核心模式

| 模式 | 典型场景 | 推荐模型 |

|:---|:---|:---|

| **文生图 (t2i)** | 创意概念、品牌海报、产品摄影、插画 | FLUX 2 Klein 9B（默认）、GPT Image 2（排版）、Seedream 5（人像）、Nano Banana 2（快速迭代） |

| **图生图/编辑 (i2i)** | 背景替换、风格迁移、多语言文案改写、局部精修 | Nano Banana 2 Edit（默认）、GPT Image 2 Edit（多语言）、FLUX Kontext Pro（单点精确编辑） |

调用示例

# 文生图 - FLUX 2 Klein 9B（默认）
runcomfy run blackforestlabs/flux-2-klein/9b/text-to-image \
  --input '{"prompt": "紫猫坐在苔藓石上，金色逆光，浅景深，照片级真实", "steps": 25}'

# 排版精准 - GPT Image 2（支持中日韩阿拉伯等多语言文字）
runcomfy run openai/gpt-image-2/text-to-image \
  --input '{"prompt": "海报标题精确显示\"AURORA 2026\"，白色无衬线字体，深蓝背景", "size": "1536_1024"}'

# 图生图 - Nano Banana 2 Edit（身份保持）
runcomfy run google/nano-banana-2/edit \
  --input '{"prompt": "保持人物身份姿态不变，背景替换为赛博朋克霓虹街道", "image_urls": ["https://.../portrait.jpg"]}'

模型选择策略

技能内置智能决策树，根据用户意图自动路由：

• 意图不明/通用场景 → FLUX 2 Klein 9B（4-25步可调，支持1-4张参考图）
• 需要精确文字排版 → GPT Image 2（海报、广告、多语言创意）
• 人像摄影/自然肤色 → Seedream 5 Lite（字节跳动，东亚美学优化）
• 极速迭代/草图批量 → FLUX 2 Klein 4B（亚秒级）或 Nano Banana 2
• 开源/LoRA 工作流 → Qwen Image 2512、Wan 2-7、Z-Image Turbo

---

显著优点

1. 一站式多模型聚合

覆盖 BlackForestLabs、OpenAI、Google、ByteDance、Alibaba 等顶级厂商的 11+ 模型，无需分别注册多个平台，单一 Token 统管全部。

2. 智能意图路由

自动识别"排版"、"人像"、"速度"、"开源工作流"等需求维度，避免用户陷入"选模型"决策疲劳。

3. 专业级排版能力

GPT Image 2 支持日语假名、西里尔字母、阿拉伯语等复杂文字系统的精确渲染，是少数能处理多语言图文混排的商业级方案。

4. 身份保持编辑

Nano Banana 2 Edit 支持 1-20 张输入图，默认保持人物身份，理解"左上角物体"等空间语言，适合电商批量变体、广告本地化。

5. 开放性与可扩展性

• 支持 LoRA 微调模型（Qwen、Z-Image 的 /lora 端点）
• 完整 API Schema 文档化，每个模型页面可查 JSON 字段
• CLI 管道友好，输出目录可配置，适合自动化工作流

6. 安全设计周全

• 输入经 JSON 封装，无 shell 注入风险
• Token 文件 0600 权限，支持环境变量覆盖
• 明确披露第三方图片 URL 的间接提示注入风险

---

潜在缺点与局限性

1. 网络依赖与成本

• 完全依赖 RunComfy 云服务，无离线能力
• 按调用计费，4K 分辨率成本约为 0.5K 的 16 倍，批量生产需精细控制 resolution 参数
• 企业内网需放行 model-api.runcomfy.net 及 *.runcomfy.com

2. 模型能力边界

• FLUX 系列：文字渲染弱于 GPT Image 2，复杂排版需切换模型
• GPT Image 2：仅支持三种固定尺寸（1024²、1024×1536、1536×1024），无法自定义
• Seedream：东亚人像优化强，但欧美肖像、深肤色表现可能不如 FLUX
• 开源模型（Qwen/Wan）：质量略低于闭源旗舰，需自行调优

3. 编辑功能分割

完整编辑能力（蒙版驱动修复、智能扩图）被拆分到独立的 image-edit 技能，本技能仅覆盖基础 i2i，重度编辑需组合使用。

4. 参考图安全风险

enable_web_search 和外部图片 URL 可能引入对抗性内容或版权争议素材，需用户自行审核来源。

---

适合人群

| 用户类型 | 典型场景 |

|:---|:---|

| **品牌/广告设计师** | 多语言海报批量生成、A/B 测试创意变体 |

| **电商运营** | 产品图背景替换、模特换装、季节主题迭代 |

| **游戏/影视概念美术** | 快速 moodboard、角色草图、风格探索 |

| **AI 工作流开发者** | 通过 CLI 集成 CI/CD、自动化批量生成管道 |

| **多语言内容团队** | 同一布局生成中英日韩阿语版本，保持视觉一致 |

| **开源 AI 研究者** | 对比 FLUX、Qwen、Wan 等同参数规模模型表现 |

---

常规风险

合规与版权

• 生成内容可能近似受版权保护的风格或特定人物形象，商业使用需审查 RunComfy 服务条款及本地法规
• enable_web_search 可能抓取受版权保护的参考图，存在衍生风险

Token 安全

• 泄露 RUNCOMFY_TOKEN 可导致账户盗用与 API 滥用
• 共享环境（云服务器、容器）需改用环境变量注入而非文件存储

内容安全

• 模型内置安全过滤器（Nano Banana 的 safety_tolerance 1-6 级），但边缘案例仍可能漏过
• 用户提供的参考图若含隐写指令（steganography），可能间接影响生成结果

供应商锁定

• 深度依赖 RunComfy 平台，模型更新、定价调整、服务条款变更均影响使用
• 开源模型虽可本地部署，但本技能设计为云端调用，迁移成本存在