Baoyu Imagine

核心用法

baoyu-imagine 是一款命令行 AI 图像生成工具，基于 TypeScript/Bun 构建，集成 9 大主流图像生成 API：

• OpenAI（GPT Image 系列）
• Azure OpenAI
• Google（Gemini 多模态）
• OpenRouter（聚合多模型）
• DashScope/阿里云（通义万象 Qwen-Image）
• MiniMax（支持角色参考一致性）
• Jimeng/即梦（字节火山引擎）
• Seedream/豆包（字节方舟）
• Replicate（开源模型托管）

主要功能

• 文生图：基础文本提示生成，支持宽高比（--ar）和自定义尺寸（--size）
• 图生图：参考图像编辑/变体，支持 Google、OpenAI、Azure、MiniMax 等（注意：Jimeng/Seedream 3.0 不支持）
• 批量生成：JSON 配置文件驱动并行生成（--batchfile），自动限流重试
• 质量预设：normal（快速预览）与 2k（高精度，默认）两档
• Prompt 文件：支持从 Markdown 文件读取复杂提示词（--promptfiles）

配置体系

• EXTEND.md：首选项配置（默认模型、质量、路径等），首次使用强制引导设置
• 环境变量：各平台 API Key 及模型覆盖（OPENAI_API_KEY、DASHSCOPE_API_KEY 等）
• 优先级：CLI 参数 > EXTEND.md > 环境变量 > 项目/用户级 .env

显著优点

1. 供应商中立：统一接口屏蔽各平台差异，随时切换最优模型
2. 中文生态深度整合：原生支持阿里 DashScope（通义万象）、即梦、豆包等国产服务
3. 参考图能力分层：MiniMax 专精角色一致性，Google/OpenAI 擅长安稳重绘
4. 批量工程化：内置并行调度、自动重试（3 次）、失败隔离，适合内容生产 pipeline
5. Bun 运行时：启动快、依赖轻，支持 bun 或 npx bun 零配置运行

潜在局限

• 首配置门槛：强制 EXTEND.md 首次设置流程，对临时使用不够轻量
• 参考图兼容性碎片化：部分供应商不支持 --ref，需记忆对照表
• 模型 ID 不统一：OpenRouter 需完整路径（google/gemini-3.1-flash-image-preview），与其他供应商简称不一致
• 质量预设非原生：--quality 为工具层映射，非 API 原生字段，行为可能随供应商更新漂移
• Windows 支持：PowerShell 检测逻辑存在，但主要文档偏向 Unix 风格路径

适合人群

• 设计师/创意工作者：需快速对比多模型输出效果
• 开发者/自动化工程师：构建内容生成 pipeline，需要可编程批量接口
• 中文内容创作者：深度依赖通义万象、即梦等中文优化模型
• 多平台 API 持有者：已有多个供应商 Key，希望统一管理入口

常规风险

• API Key 泄露：环境变量或 .env 文件需妥善保管，避免提交至版本控制
• 成本失控：批量模式默认并行，高并发可能触发供应商速率限制或意外账单
• 内容安全：各平台内容政策不同，生成敏感内容可能导致账号限制
• 参考图隐私：--ref 上传本地图片至第三方 API，需确认数据合规性
• 模型淘汰：依赖 gpt-image-1.5、gemini-3-pro-image-preview 等预览版模型，存在 API 变更风险

核心用法

baoyu-imagine是一款多提供商聚合的AI图像生成工具，通过统一CLI接口调用9大主流AI图像服务：OpenAI、Google Gemini、Azure OpenAI、OpenRouter、阿里云DashScope（通义万象）、MiniMax、字节跳动Jimeng（即梦）、Seedream（豆包）以及Replicate。

基础操作：使用Bun或npx运行主脚本，通过--prompt指定提示词、--image指定输出路径即可完成单图生成。支持--ar设置长宽比（1:1、16:9等）、--quality选择画质（normal/2k）、--size自定义分辨率。

高级功能：--ref参数实现参考图生成（支持Google多模态、OpenAI图像编辑、MiniMax主体参考等模式）；--promptfiles从文件读取提示词，适合复杂场景；--batchfile启用批量并行生成，自动调度多任务队列，内置重试机制。

配置管理：首次使用需完成EXTEND.md配置（提供商选择、默认模型、画质预设等），支持项目级与用户级双重配置覆盖。环境变量与CLI参数均可动态覆盖配置，灵活适应不同工作流。

显著优点

提供商生态丰富：覆盖国内外9家主流AI图像服务商，用户可根据成本、质量、特色能力自由选择。阿里云DashScope擅长中文文字渲染与21:9宽幅海报；MiniMax精于人物肖像一致性；Google Gemini支持原生多模态理解。

功能覆盖全面：从简单的文生图到复杂的图生图编辑，从单张生成到批量并行，从固定比例到自定义尺寸，满足从快速原型到专业生产的全链条需求。

工作流集成友好：支持prompt文件管理、JSON批量配置、环境变量注入，便于嵌入CI/CD、内容生产流水线等自动化场景。TypeScript实现保证类型安全，Bun运行时带来高性能执行。

智能降级与容错：自动检测可用API密钥、智能选择提供商；网络失败自动重试3次；批量模式内置并发控制与错误隔离，单图失败不影响整体批次。

潜在缺点与局限性

配置门槛较高：首次使用强制要求完成EXTEND.md配置流程，对新手不够友好。9家提供商各自的模型命名、尺寸限制、参考图支持度差异较大，需要一定学习成本。

运行时依赖特定：必须使用Bun或npx bun执行，原生Node.js不支持。部分Windows环境可能需要额外配置。

参考图支持不均衡：Jimeng、Seedream 3.0等不支持参考图功能；各提供商对参考图的理解方式差异显著（Google多模态理解 vs MiniMax主体一致性），实际效果需要反复调试。

中文生态适配待完善：虽然支持DashScope、Jimeng等国产服务，但文档与CLI交互仍以英文为主，部分参数命名（如--ar）对国内用户不够直观。

适合的目标群体

• 内容创作者与设计师：需要快速生成概念图、插画、海报原型，或批量生产社交媒体素材
• 开发者与技术团队：构建AI图像工作流、集成自动化内容生产管道
• 电商与营销运营：批量生成商品场景图、广告素材，利用参考图保持品牌视觉一致性
• AI应用原型验证：快速对比多提供商生成效果，评估最优成本-质量方案

使用风险

API成本累积：图像生成API按调用量计费，批量模式若未合理设置并发上限可能导致费用激增。建议配置BAOYU_IMAGE_GEN_MAX_WORKERS控制成本。

密钥管理隐患：Skill依赖环境变量读取多组API密钥，共享环境或日志泄露可能导致密钥暴露。建议配合专用密钥管理工具使用，避免在版本控制中提交.env文件。

服务可用性波动：9家提供商的SLA与地区可用性各异，部分国内服务（Jimeng、Seedream）存在网络访问限制，建议准备多提供商备用方案。

输出内容合规：AI生成图像可能涉及版权、肖像权及内容审核问题，商业使用前需确认各提供商的服务条款与本地法规要求。

代理环境兼容性：Google provider在HTTP_PROXY环境下回退至curl实现，可能受本地curl版本与证书配置影响。