Nano Banana Pro 图像生成与编辑技能评估
核心用法
本技能封装了 Google 的 Gemini 3 Pro Image 模型（代号 Nano Banana Pro），通过 generate_image.py 脚本提供两大核心能力：
- 文生图（Text-to-Image）：通过
--prompt描述生成全新图像 - 图生图（Image-to-Image）：通过
--input-image结合编辑指令修改现有图像
工作流设计：草稿 → 迭代 → 定稿
技能内置了成本意识强烈的三阶段工作流，避免用户在高分辨率渲染上浪费算力：
1. Draft（1K）：快速验证构图与概念（~1024px）
2. Iterate：小步调整提示词，保持输入图像不变
3. Final（4K）：锁定提示后输出超高清（~4096px）
技术规范
- 分辨率映射：智能解析用户口语化描述（如 "high-res"→4K，"1080p"→1K）
- API 认证：优先读取
GEMINI_API_KEY环境变量，支持命令行覆写--api-key - 文件命名：强制采用
yyyy-mm-dd-hh-mm-ss-descriptive-name.png时间戳格式，避免覆盖
提示词工程
提供结构化模板应对模糊需求：
- 生成模板：拆解为主题、风格、构图、光照、背景、配色、排除项
- 编辑模板：强调"仅修改指定元素，其余全部保留"，防止 AI 过度发挥
---
显著优点
| 维度 | 优势 |
|------|------|
| **成本效率** | 分层分辨率策略显著降低迭代成本，避免 4K 试错的资源浪费 |
| **交互设计** | 绝对路径调用 + 当前目录输出，符合开发者直觉，无需 `cd` 切换 |
| **错误处理** | 预检清单覆盖常见故障点（uv 依赖、密钥缺失、文件路径），快速诊断 |
| **编辑精度** | "Change ONLY" 模板有效约束 Gemini 的创造性发散，保留原图核心元素 |
| **生态集成** | 基于 `uv` 运行 Python，契合现代 Python 工具链 |
---
潜在缺点与局限性
1. 供应商锁定：深度绑定 Google Gemini 3 Pro Image API，无备用模型降级路径
2. 配额不透明：依赖外部 API 的速率限制与配额策略，技能文档未披露具体阈值
3. 编辑可控性：尽管有模板约束，"Keep identical" 列表仍依赖模型遵循能力，复杂场景可能出现漂移
4. 输出格式单一：仅支持 PNG，无 JPEG/WebP 等压缩格式选项
5. 本地化缺失：无离线/本地推理支持，完全依赖网络与云服务可用性
---
适合人群
- 独立开发者/创作者：需要快速将概念视觉化，迭代成本敏感
- 内容运营团队：批量生成社交媒体配图、Banner，需要标准化命名与流程
- 设计师：作为 Photoshop/Figma 的 AI 辅助层，用于 Moodboard 初稿或风格迁移
- 技术人员：熟悉命令行工作流，偏好脚本化、可版本控制的图像生产流程
---
常规风险
| 风险类别 | 具体描述 | 缓解建议 |
|----------|----------|----------|
| **密钥泄露** | API key 可能通过命令历史、进程列表泄露 | 优先使用环境变量，避免 `--api-key` 明文 |
| **成本失控** | 4K 渲染单价显著高于 1K，高频调用可能超预算 | 严格遵循 Draft→Final 工作流，监控 API 用量 |
| **版权争议** | Gemini 训练数据的版权归属存在行业争议 | 商业用途前审查 Google 的生成式 AI 使用条款 |
| **输出稳定性** | 相同提示词可能产生差异结果，难以严格复现 | 关键项目保留种子参数（如 API 支持）或版本控制输出 |
| **依赖断裂** | `uv` 或 Google API 的变更可能破坏技能 | 锁定依赖版本，关注上游变更日志 |