核心用法
image-upscaling 是一个命令行驱动的图像超分辨率技能，通过 inference.sh 平台调用多种先进 upscaling 模型。用户需先安装 infsh CLI（curl 一键安装，仅下载匹配系统的二进制文件并校验 SHA-256，无需提权），随后通过 infsh app run <app-id> 执行具体任务。
支持的模型矩阵：
| 模型 | 应用 ID | 最佳场景 |
|------|---------|----------|
| Real-ESRGAN | `infsh/real-esrgan` | 通用图像超分 |
| Thera | `infsh/thera` | 任意尺寸输入 |
| FLUX Dev Upscaler | `falai/flux-upscaler` | AI 生成图增强 |
| Topaz Image Upscaler | `falai/topaz-image-upscaler` | 专业级质量 |
典型工作流：先生成（如 FLUX Klein）→ 提取 URL → 调用 upscaler 放大。支持直接传入 image_url 进行单步处理。
显著优点
1. 模型覆盖全面：从开源 Real-ESRGAN 到商业级 Topaz，满足不同质量与预算需求
2. CLI 原生体验：Unix 哲学设计，易于脚本化、CI/CD 集成和批量处理
3. 安全安装机制：安装脚本仅做 OS/arch 检测、二进制下载和 SHA-256 校验，无提权、无守护进程
4. 云端推理：本地零 GPU 负担，适合无高性能硬件的用户
5. 生态协同：与 inference.sh 150+ 应用互通，可串联生成-编辑-放大完整工作流
潜在缺点与局限性
- 网络依赖：所有推理云端执行，弱网环境体验差；大图上传可能耗时
- 成本模型：按调用计费，高频批量处理成本需评估（无本地免费运行选项）
- 隐私顾虑：原图需上传至 inference.sh/fal.ai 服务器，敏感内容需谨慎
- 可控性有限：CLI 封装高层 API，细粒度参数（如降噪强度、 tile 大小）可能不可调
- 单点故障：依赖 inference.sh 平台可用性，无离线 fallback
适合人群
- AI 艺术创作者：需将生成图放大至印刷分辨率
- 开发者/运维：需自动化图像处理 pipeline
- 摄影爱好者：老照片修复、Web 图高 DPI 适配
- 设计师：快速获取专业级超分结果，不愿配置本地 GPU 环境
常规风险
| 风险类别 | 说明 | 缓解建议 |
|----------|------|----------|
| 数据隐私 | 图像上传第三方云端 | 避免处理含 PII 或版权敏感内容；阅读 fal.ai/inference.sh 隐私条款 |
| API 密钥安全 | `infsh login` 后本地存储凭证 | 使用环境变量或密钥管理工具，勿提交至版本控制 |
| 供应链安全 | 安装脚本远程下载二进制 | 校验 SHA-256，或手动下载后核对 checksums.txt |
| 成本失控 | 意外高频调用 | 设置预算告警，生产环境 review 调用策略 |
| 输出质量波动 | 模型对特定风格/内容表现不一 | 关键任务前用样本测试，必要时切换模型 |
> 安全备注：本技能依赖外部推理平台，建议用户在处理敏感图像前评估数据驻留与合规要求。