Microsoft Foundry image generation

核心用法

本 Skill 是 Azure Foundry（原 Cognitive Services/OpenAI）图像生成服务的轻量级封装，支持调用如 FLUX-1.1-pro 等部署模型。通过 curl 发送 REST 请求，利用 jq 解析返回的 base64 编码图像数据，再用 base64 解码保存为 PNG 文件。全程依赖四个环境变量：FOUNDRY_ENDPOINT、FOUNDRY_API_KEY、FOUNDRY_DEPLOYMENT 及可选的 FOUNDRY_API_VERSION。

显著优点

• 简洁高效：纯 shell 实现，无额外依赖，适合 CI/CD 和自动化脚本集成
• 灵活可控：保留原始 JSON 响应（generation_result.json），便于调试和审计
• 云原生：直接对接 Azure 企业级 AI 服务，可利用 Azure 的安全合规体系
• 格式友好：输出标准 PNG，兼容性强

潜在缺点与局限性

• 环境依赖强：必须预装 curl、jq、base64，跨平台（如 Windows CMD）需额外适配
• 无重试机制：网络波动或限流时可能失败，需外部脚本增强健壮性
• 硬编码路径：输出文件名固定为 generation_result.json 和 generated_image.png，并发场景易冲突
• API 版本敏感：默认使用 2025-04-01-preview，预览版 API 可能变更
• 成本不可见：Azure Foundry 按调用计费，无内置用量统计或预算告警

适合人群

• 需要将 AI 图像生成集成到自动化工作流的开发者/DevOps 工程师
• 已在使用 Azure 生态、熟悉 bash 脚本的技术团队
• 追求最小化依赖、快速原型验证的场景

常规风险

• 密钥泄露风险：FOUNDRY_API_KEY 以环境变量形式存在，需确保 CI/CD 密钥管理安全
• 成本失控风险：图像生成 API 调用费用较高，高频使用需配置 Azure 预算告警
• 输出验证缺失：不校验返回图像内容，恶意 prompt 可能生成不当内容
• 依赖可用性：jq 解析失败或 base64 解码异常会导致流程中断，需增加错误处理

核心用法

本Skill为Azure Foundry图像生成服务的命令行封装工具，主要面向OpenClaw工作流集成。用户需预先配置四项环境变量：FOUNDRY_ENDPOINT（Azure服务端点）、FOUNDRY_API_KEY（API密钥）、FOUNDRY_DEPLOYMENT（模型部署名称，如FLUX-1.1-pro）以及可选的FOUNDRY_API_VERSION。运行时通过curl发送HTTP POST请求至Azure OpenAI图像生成接口，支持自定义prompt、图像尺寸（如1024x1024）、输出格式（PNG等）及生成数量。返回的Base64编码图像经jq提取后解码保存为本地文件，同时保留原始JSON响应供调试追溯。

显著优点

企业级基础设施依托：直接调用Microsoft Azure Cognitive Services，享有99.9% SLA保障、全球CDN加速及企业级数据隔离，较开源本地模型更稳定可靠。模型选择灵活：支持FLUX-1.1-pro等前沿图像生成模型，可根据业务场景切换不同部署。零依赖轻量设计：纯文档型Skill，仅依赖系统标配工具（curl/jq/base64），无Python/Node.js等运行时负担，容器化部署友好。输出可控可追溯：同时保存原始API响应与解码图像，便于审计、错误排查及元数据分析。合规基础扎实：默认HTTPS传输，符合SOC2、ISO 27001等Azure认证体系。

潜在缺点与局限性

密钥管理责任完全自负：Skill本身不提供密钥加密或轮换机制，泄露风险由用户承担。成本敏感型设计：按调用次数计费，高频生成场景可能产生显著云账单。功能封装度低：仅为curl命令模板，缺乏重试、限流、批处理、异步队列等生产级特性。环境依赖刚性：要求目标系统预装jq和base64，Windows原生环境需额外配置。错误处理简陋：示例代码未展示超时设置、网络降级或API限流应对策略。无图像后处理：生成后不支持自动压缩、格式转换或内容审核过滤。

适合的目标群体

DevOps/SRE工程师：需要在CI/CD流水线或监控告警中嵌入自动化图像生成环节。技术型产品经理：快速验证AIGC产品原型，无需投入前端开发资源。数据科学家与研究者：批量生成实验数据集图像，配合Azure学术订阅降低成本。已有Azure生态用户：已持有Cognitive Services配额的企业，实现技能快速复用。隐私敏感场景：不愿将生成内容上传至公共API服务（如Midjourney Discord）的合规要求用户。

常规使用风险

凭证泄露风险：环境变量在进程列表中可见，多用户共享环境可能导致密钥暴露。网络稳定性依赖：Azure服务端点不可用将直接导致生成失败，无本地降级方案。成本失控风险：未设置调用配额上限时，脚本循环或递归调用可能触发高额账单。数据驻留合规：图像生成请求可能路由至非用户指定区域的数据中心，需确认Azure租户配置。版本兼容隐患：默认API版本为2025-04-01-preview，预览版接口存在变更可能。输出质量波动：同一prompt多次调用结果差异显著，缺乏种子值控制示例中的确定性输出。