核心用法
本技能为Azure Foundry（前身为Cognitive Services/OpenAI）图像生成服务的轻量级封装，专为OpenClaw自动化工作流设计。用户需配置三项必需环境变量：FOUNDRY_ENDPOINT（服务端点）、FOUNDRY_API_KEY（API密钥）、FOUNDRY_DEPLOYMENT（模型部署名称，如FLUX-1.1-pro），可选配置FOUNDRY_API_VERSION指定API版本。
调用流程采用标准RESTful模式：通过curl向Azure OpenAI格式的图像生成端点发送JSON请求，支持自定义prompt、图像尺寸（如1024x1024）、输出格式（PNG/JPEG）及生成数量。响应数据通过jq解析，并以流式方式处理base64编码的图像数据，避免大体积数据滞留Shell变量。设计上特别注重安全性，示例代码包含端点URL格式校验，并使用jq --arg参数化输入以防止命令注入。
显著优点
企业级基础设施依托：直接对接Microsoft Azure的托管AI服务，继承Azure的SLA保障、全球CDN加速及合规认证体系，适合对稳定性要求高的生产环境。
模型灵活性：通过FOUNDRY_DEPLOYMENT变量可切换不同模型（如FLUX-1.1-pro、DALL-E 3等），无需修改代码即可升级或对比模型效果。
安全设计意识：示例代码展示了对输入验证（URL格式检查）和输出流式处理的重视，降低了典型Shell脚本的安全风险。
无本地依赖：纯云端推理，无需GPU硬件投入，适合资源受限的CI/CD环境或边缘设备调用。
潜在缺点与局限性
网络强依赖：必须保持与Azure服务的稳定连接，离线环境或网络受限区域无法使用；跨境调用可能面临延迟与合规风险。
成本不可控：按调用次数与图像分辨率计费，高频批量生成场景下成本累积显著，且无法本地缓存模型以优化支出。
功能阉割：作为轻量级封装，不支持高级功能如图像编辑（inpainting）、风格迁移参考图、或细粒度生成参数调优（如seed控制、步数调整）。
输出格式受限：仅支持Azure端点返回的标准格式，无法直接获取生成过程的中间数据或调整采样算法。
适合人群
- 已采用Azure云基础设施的企业团队，需快速集成图像生成能力至现有DevOps流程
- 需要稳定SLA保障、不愿维护自托管Stable Diffusion集群的中型组织
- 对数据合规有严格要求（如GDPR、ISO 27001）、依赖Azure合规认证的用户
- 低频调用、追求"零运维"体验的技术团队
常规风险
密钥泄露风险：FOUNDRY_API_KEY以环境变量形式传递，在多用户系统或日志配置不当的环境中可能被窃取；建议配合Azure Key Vault等密钥管理服务使用。
成本失控风险：缺乏内置用量限制或预算告警机制，脚本级误循环可能导致高额账单。
内容合规风险：生成内容受Azure Responsible AI策略约束，敏感prompt可能触发过滤导致请求失败；企业用户需额外关注输出内容的版权归属与商用许可条款。
供应商锁定：深度绑定Azure Foundry API格式，迁移至其他云服务（AWS Bedrock、Google Vertex AI）需重构调用逻辑。
模型可用性风险：部署名称变更、模型退役或区域服务中断将直接导致技能失效。