核心用法
Gemini Image Gen 是一个纯 Python 标准库实现的图像生成工具，通过命令行调用 Google Gemini API 完成文生图与图生图任务。基础用法为设置 GEMINI_API_KEY 后执行 python3 scripts/gen.py，默认生成 4 张随机提示词的图像。支持 --prompt 指定自定义描述、--engine 切换 Gemini 原生或 Imagen 3 引擎、--edit 对现有图像进行编辑修改、--style 调用 10 种预设风格（如 photo/anime/cyberpunk/watercolor 等），以及 --count 批量生成与自动 HTML 画廊输出。
显著优点
1. 零依赖部署：仅依赖 Python 3 标准库，无需安装额外包，部署成本极低
2. 双引擎支持：Gemini 原生（支持图像编辑）与 Imagen 3（高质量生成）灵活切换
3. 风格预设丰富：内置 10 种专业风格标签，降低提示词工程门槛
4. 批量工作流：单命令生成多图并输出可视化 HTML 画廊，适合内容创作流水线
5. 编辑能力：Gemini 引擎支持对现有图像进行语义级修改
潜在缺点与局限性
- 功能边界：纯命令行工具，无 GUI 或 API 服务模式，集成到复杂系统需自行封装
- 模型锁死：依赖 Google 独家模型，无本地或第三方模型备选方案
- 编辑限制：图像编辑功能仅限 Gemini 引擎，Imagen 3 不支持
- 成本不可控：Gemini/Imagen 3 均按调用计费，批量生成
--count较大时费用累积快 - 无内置重试/退避：遇到 429 限流需手动处理，生产环境需外部包装
适合人群
- 快速原型设计师、内容创作者、独立开发者
- 需要轻量、可脚本化图像生成管道的技术团队
- 已持有 Google AI Studio/GCP 配额、熟悉命令行工作流的用户
常规风险
- API 密钥泄露：
GEMINI_API_KEY为唯一凭证，硬编码或日志泄露将导致配额盗刷 - 内容合规：Google 生成模型内置安全过滤，特定提示词可能触发拒绝或空返回
- 输出质量波动：同一提示词多次生成结果一致性不及 Midjourney 等封闭产品
- 服务依赖：Google API 策略、定价、模型版本变更可能中断工作流