核心用法
baoyu-imagine 是一款基于 TypeScript/Bun 的多提供商 AI 图像生成 CLI 工具，支持 OpenAI GPT Image 2、Azure OpenAI、Google Gemini、OpenRouter、DashScope（通义万象）、Z.AI（智谱 GLM-Image）、MiniMax、即梦（Jimeng）、Seedream（豆包）及 Replicate 等 10 余个平台。
基础调用
bun scripts/main.ts --prompt "A cat" --image cat.png
高级特性
- 参考图编辑：
--ref source.png支持 Google、OpenAI、Azure、Replicate、Seedream、MiniMax 等平台的图像参考/编辑能力 - 批量生成：
--batchfile batch.json --jobs 4支持并行工作流，自动限流与 3 次重试机制 - 尺寸控制：
--ar 16:9或--size 1024x1024，OpenAI GPT Image 2 支持最高 3840px 边长 - 质量预设：
normal（快速预览）与2k（高精度，默认）两档，可扩展至 4K
配置体系
首次使用需完成交互式配置（provider + model + quality + 保存路径），写入 EXTEND.md；支持项目级、XDG 配置目录、用户目录三级覆盖，CLI 参数 > EXTEND.md > 环境变量。
显著优点
1. 多提供商聚合：单一接口统一调用国内外主流模型，降低多平台适配成本
2. 灵活的部署选项：原生支持 Bun 运行时，Node.js 用户可用 npx -y bun 兜底
3. 生产级批量能力：内置并发控制、 provider 级限流、失败重试与统计报告
4. 渐进式配置：首次引导式 setup，后续通过 EXTEND.md 或环境变量微调
5. 参考图生态完整：覆盖角色一致性（MiniMax）、风格迁移（Replicate）、内容编辑（OpenAI/GPT Image 2）等场景
潜在缺点与局限性
1. 密钥管理分散：10+ 个 provider 对应不同命名规范的 API key，新手配置门槛较高
2. 参考图兼容性碎片化：Jimeng、Seedream 3.0、SeedEdit 3.0 及大部分 DashScope 模型不支持 --ref，需记忆排除矩阵
3. OpenAI 网关方言：ratio-metadata vs openai-native 的区分增加了网关兼容性调试成本
4. 运行时依赖：Bun 为首选运行时，虽提供 npx 兜底，但非 Node.js 原生，部分企业环境受限
5. 中文文档缺失：README 与 references 全为英文，国内用户上手需翻译成本
适合人群
- 内容创作者：需要批量生成插图、封面、角色设定图
- AI 应用开发者：快速原型多模型图像能力，对比各平台输出质量
- 自动化工作流工程师：通过 batchfile + CLI 集成至 CI/CD 或数据处理管道
- 多模型研究者：同一提示词并行对比 GPT Image 2、Gemini、通义万象等差异
常规风险
| 风险类别 | 说明 |
|---------|------|
| **API 密钥泄露** | 密钥分散于环境变量与 EXTEND.md，需警惕 `.env` 提交至 Git |
| **成本失控** | 批量模式默认 10 worker，高并发 + 高分辨率可能产生意外账单 |
| **内容合规** | 部分国内平台（Jimeng、Seedream）有隐含内容审核，失败时仅返回模糊错误 |
| **模型漂移** | provider 侧模型版本更新（如 `gpt-image-2` 快照）可能导致输出风格突变 |
| **参考图隐私** | 上传参考图至第三方 API 存在数据驻留风险，敏感素材建议本地 SD/ComfyUI 方案 |