Baoyu Imagine

核心用法

baoyu-imagine 是一款基于官方API的多服务商AI图像生成工具，采用TypeScript/Bun运行时架构，支持9大主流平台：OpenAI、Azure OpenAI、Google Gemini、OpenRouter、阿里云DashScope（通义万象）、MiniMax、即梦Jimeng、豆包Seedream及Replicate。

基础工作流：
1. 首次配置：自动检测或创建 EXTEND.md 配置文件，设置默认服务商、模型、画质与输出路径
2. 单图生成：通过 --prompt 传入文本描述，--image 指定输出路径，支持 --ar 比例、--size 自定义尺寸、--quality 画质预设
3. 参考图生成：--ref 参数支持Google、OpenAI、Azure、OpenRouter、MiniMax、Seedream等平台的图生图/风格迁移
4. 批量生成：--batchfile 读取JSON任务队列，自动启用并行工作流，支持多worker并发与失败重试

高级特性：

• 智能模型路由：自动根据可用API Key选择服务商，支持CLI参数 > 配置文件 > 环境变量的优先级覆盖
• 多平台参数映射：自动处理各平台差异（如Google的imageSize、OpenAI的size、DashScope的宽*高格式、MiniMax的aspect_ratio）
• 中文优化：DashScope qwen-image-2.0-pro 专门针对中文排版与自由尺寸优化，支持21:9横幅等非常规比例

显著优点

1. 生态覆盖全面：同时支持国际主流（OpenAI/Google）与国内头部平台（阿里、MiniMax、字节、即梦），无需切换工具即可对比各平台生成效果
2. 配置即代码：EXTEND.md + 环境变量的多层配置体系，支持项目级与用户级偏好隔离，便于团队协作
3. 批量生产效率：内置并行生成引擎，自动限流与3次失败重试，适合电商素材、游戏资产、媒体配图等规模化需求
4. 参考图工作流成熟：MiniMax image-01 的人物一致性、Seedream 5.0的风格保持、Google多模态的编辑能力均有针对性支持
5. 运行时轻量：基于Bun/NPX，无Docker依赖，跨平台脚本统一

潜在缺点与局限性

1. 首次配置门槛：必须完成EXTEND.md初始化才能执行生成，对新用户不够友好
2. 服务商能力参差：部分平台（如Jimeng、Seedream 3.0）不支持参考图功能；Azure/OpenAI的部署名称需手动映射，易配置错误
3. 参数翻译非官方：--quality 到各平台原生参数的映射为工具层推断，非API原生保证，极端场景可能偏差
4. 中文文档依赖：DashScope、MiniMax等国内平台的官方文档链接为中文，国际化用户可能受限
5. 并行模式限制：仅--batchfile模式支持并行，单图多参数变体仍需串行或外部脚本编排

适合人群

• 设计师/创意工作者：需要快速对比多平台出图效果，批量生成营销素材
• 开发者/MCP用户：通过CLI集成到自动化工作流，如CI/CD生成文档配图、游戏动态资产生成
• 跨境电商运营：利用MiniMax人物一致性或DashScope中文排版优势，高效产出本土化视觉内容
• AI应用开发者：需要统一接口层屏蔽各平台差异，快速切换底层模型

常规风险

1. API密钥安全：需在环境变量或.env文件中配置9家服务商的密钥，存在泄露风险；建议配合密钥管理工具（如1Password CLI、AWS Secrets Manager）使用
2. 成本失控：批量生成时尤其Replicate按秒计费、OpenRouter按token计费，需设置BAOYU_IMAGE_GEN_MAX_WORKERS限流并监控用量
3. 内容合规：各平台内容政策差异大（如国内平台对特定题材的审核），生成前需了解目标平台限制
4. 输出覆盖：未自动检测文件冲突，--image指定路径已存在将直接覆盖，建议配合版本控制或输出目录管理

核心用法

baoyu-imagine 是一款多平台AI图像生成工具，通过统一的命令行接口调用9家主流服务商的图像生成API。核心工作流为：首次运行需完成配置初始化（生成EXTEND.md配置文件），随后通过CLI参数指定提示词、输出路径、服务商、模型、画质等选项执行生成。

单图生成模式：使用 --prompt 输入提示词，--image 指定输出路径，可选 --provider 强制指定服务商、--model 选择模型、--ar 设置宽高比、--quality 选择画质（normal/2k）、--ref 上传参考图进行风格迁移或图像编辑。

批量生成模式：通过 --batchfile 加载JSON任务队列，支持多任务并行执行（默认自动，可通过 --jobs 指定工作线程数），适合大规模内容生产场景。任务配置支持独立的提示词文件、输出路径、服务商、模型、参考图等参数。

配置优先级：CLI参数 > EXTEND.md配置 > 环境变量 > 本地.env文件。关键环境变量包括各服务商的API Key（如 OPENAI_API_KEY、DASHSCOPE_API_KEY 等）和模型覆盖变量（如 GOOGLE_IMAGE_MODEL）。

显著优点

平台覆盖全面：集成OpenAI、Google Gemini、Azure OpenAI、OpenRouter、阿里DashScope（通义万象）、MiniMax、即梦（Jimeng）、豆包（Seedream）、Replicate共9家服务商，覆盖国内外主流图像模型生态，用户可根据成本、质量、特性灵活切换。

专业级功能支持：支持文本生成图像、参考图生成、图像编辑（Inpainting/Outpainting）、自定义尺寸（自由比例与固定尺寸模式）、多档画质预设（1K/2K/4K）。特别针对中文场景优化，DashScope Qwen-Image 2.0 Pro 支持中文文本渲染和21:9等宽幅比例。

工程化批量能力：内置批处理引擎，支持JSON任务队列、自动并行调度、 provider级并发控制和失败重试（最多3次），适合电商素材、游戏资产、内容营销等需要规模化生成的场景。

配置管理灵活：通过EXTEND.md实现项目级和用户级配置隔离，支持默认服务商、模型、画质、保存路径等偏好设置，团队协作时可共享项目配置。

潜在缺点与局限性

配置门槛较高：首次使用强制要求完成交互式配置流程（选择服务商、模型、画质等），EXTEND.md不存在时生成操作被阻塞，对追求即开即用的用户不够友好。

服务商差异未完全透明：不同provider的参数映射存在隐式转换（如 --quality 到各平台实际分辨率的对照表），用户需查阅文档理解底层行为。部分功能存在provider限制（如参考图不支持Jimeng、Seedream 3.0），错误使用时仅返回简单提示而非前置拦截。

依赖Bun运行时：要求预装Bun或npx环境，对纯Node.js用户增加额外依赖。Windows PowerShell与Unix shell的配置检测脚本存在路径语法差异，跨平台体验不够统一。

错误反馈粒度有限：批量任务失败时仅返回计数和原因摘要，缺乏可视化进度和断点续传机制。复杂工作流（如先生成提示词再批量生成）需配合 baoyu-article-illustrator 等上游工具。

适合的目标群体

开发者与技术创作者：熟悉命令行操作、需要程序化调用图像生成API的工程师、独立开发者、技术向设计师。

内容生产团队：自媒体、电商运营、游戏工作室等需要批量生成营销素材、角色立绘、场景概念图的团队，可利用批处理模式提升产能。

多平台策略用户：对单一生成服务商成本或效果不满意，希望统一接口管理多个API Key、实现供应商切换的中高级用户。

中文场景优先者：需要使用通义万象等国产模型处理中文提示词、中文文本渲染需求的国内创作者。

常规使用风险

API成本与配额：图像生成API按调用次数计费，批量模式若未配置并发限制可能导致短时间内大量请求触发服务商速率限制或产生意外账单。建议设置 BAOYU_IMAGE_GEN_MAX_WORKERS 和 provider级并发变量控制成本。

数据隐私合规：提示词和参考图片会发送至所选服务商的云端API，涉及用户数据跨境传输（如使用OpenAI、Google等境外服务）。敏感内容（人脸、证件、商业机密）应避免上传，优先选用本地部署方案或国产合规服务商。

依赖项稳定性：运行依赖Bun生态和外部npm包，版本更新可能导致兼容性问题。服务商API变更（如模型下线、参数调整）可能滞后适配，建议锁定模型版本并关注仓库更新。

输出质量波动：AI图像生成存在随机性，相同参数可能产出差异较大的结果。关键项目建议增加生成数量（--n）人工筛选，或启用参考图模式提升可控性。