核心用法
image-generation 是专为 OpenClaw 生态设计的原生图像生成技能，通过 OpenRouter 统一中转层调用各类生图模型（默认 bytedance-seed/seedream-4.5），将文字描述转化为高质量图像。用户通过 CLI 或 OpenClaw 内部机制提交提示词，技能自动处理模型选择、尺寸调整、比例适配，并以原子化方式写入本地安全路径。
显著优点
- OpenClaw 原生集成：深度兼容 OpenClaw、Claude Code、OpenCode 等工具链，支持
primaryEnv快捷配置与 JSON5 热加载 - 模型灵活性：OpenRouter 中转架构支持 Seedream、DALL-E 3、Claude Image 等多模型无缝切换
- 安全优先设计：默认输出至
.sisyphus/generated/隔离目录，原子化写入避免半完成文件残留 - 工程化 CLI：标准化退出码（0-3）、预检测机制、冒烟测试流程，便于 CI/CD 集成
- MIT 开源许可：可自由扩展 Provider，遵循
cli-contract.md规范
潜在局限与风险
- OpenRouter 单点依赖：v1 版本仅限 OpenRouter 渠道，不支持 Anthropic/Replicate 直连，存在服务商限流、定价波动风险
- API Key 管理成本：需手动配置
OPENROUTER_API_KEY，密钥泄露可能导致账户滥用 - 生图可控性边界：AI 图像生成存在语义理解偏差、版权模糊地带、不当内容过滤等固有限制
- 本地存储安全：虽限定安全路径，但多用户场景需额外权限管控
适合人群
- 需要在编码工作流中嵌入图像生成的开发者、设计师
- 使用 OpenClaw/Claude Code 构建自动化内容生产管道的技术团队
- 追求 CLI-first、可脚本化 AI 绘图流程的工程化用户
常规风险
- 服务商依赖风险：OpenRouter 服务中断或策略变更将直接影响技能可用性
- 成本不可控：图像生成按量计费，高频调用需监控用量
- 输出质量波动：不同模型对复杂提示词的理解能力差异显著，需迭代调优