科研 Skill
图像生成助手
image-painter
调用图像接口生成位图素材
Skill 说明
当需要通过 SpeedAI 图像接口生成位图图片时使用,包括照片、插画、产品图、网站图、游戏素材、PPT 图、论文的图、流程图和信息图。仅用于生成新图或用参考图辅助生成新图;不要用于 SVG/HTML/CSS/canvas 等代码原生图形。
SKILL.md
Image Painter Skill
用于在当前项目中生成 raster image。默认使用图像生成工具。
精确图表分流
真实数据图(柱状图、UMAP、折线、数据带)沿用 R/Python 分析绘图,加载可用的 scientific-figure;精确节点/分支/回路的流程图和架构图加载可用的 drawio。按已安装目录里的真实名称加载,缺少时说明并使用已有代码绘图环境。不要用位图生成重绘数据、修复箭头或替换用户仅要求局部调整的图。用户明确选择位图概念图时保留其选择,并说明文字和关系仍需看图核对。
生成或修改时先记录改动范围与保留项。工具可用时通过 figure_checkpoint begin/inspect 管理初稿与最多两轮修正;对远程图片使用返回的原始 URL 检查,不伪造本地 HTTP URL。最终交付最佳图和明确的剩余缺陷。
顶层规则
该技能仅有两种顶层运行模式:
- 默认内置工具模式(推荐): 通过内置的图像生成工具完成常规图像生成与编辑。无需配置 api key。
- 回退 CLI 模式(仅显式请求):通过
scripts/image_gen.py命令行接口调用。仅在用户明确要求使用 CLI 路径时方可使用。需要提供 api key。 - 不要另写临时 API runner;默认走服务端工具,调试才走 bundled CLI。
- 支持模型:
gemini-nano-banana-2.1、gpt-image-2.5、gpt-image-2、gemini-3-pro-image、gemini-3-pro-image-preview。实际调用前以当前工具的模型枚举为准;所选模型未开放时说明限制,不猜测标识或静默换模型。 - 默认模型使用 Nano Banana 2.1(
gemini-nano-banana-2.1)。用户要求 GPT 系列但未指定版本时,优先使用gpt-image-2.5;用户明确指定gpt-image-2或其他支持的模型时,保留该选择。 - 调用时显式传入选定的
model,避免直接 API 路由或旧服务端自身的默认值覆盖本 skill 的默认选择。 - 本 skill 主要处理生成新图、参考图辅助生成和服务端支持的 mask URL 编辑;不承诺像素级精确编辑。
image_gen当前参数为:prompt: string,必填。model: string,可选,支持上述五个模型;本 skill 默认显式传gemini-nano-banana-2.1,GPT 系列未指定版本时传gpt-image-2.5。size: string,可选,默认16:9。resolution: string,可选,1K、2K或4K,默认1K。image_urls: list[string],可选,HTTP(S) 参考图 URL。mask_url: string,可选,HTTP(S) mask URL,仅用于 GPT 图像模型(gpt-image-2.5或gpt-image-2)。extra_payload: object,可选,透传额外 provider 参数。
- 不要把 API key 写进 prompt、日志、请求参数或代码。
适用任务
- 生成网站、App、游戏、产品、封面、海报、插画、纹理、背景、mockup 等位图素材。
- 生成 PPT 图:章节封面、版式背景、配图、概念图、数据故事图、视觉隐喻图。
- 生成论文的图:方法总览、实验设置图、模型架构示意、结果解释图、teaser 图。
- 生成不要求精确连线和数据的概念示意配图。精确流程关系按上面的分流处理。
- 使用参考图 URL 辅助生成或修改位图,但输出仍视为新图,不做像素级局部保留承诺。
不适用任务
- 用户需要可编辑 SVG、Mermaid、PPT shape、HTML/CSS/canvas、icon font 或代码原生图形。
- 用户只需要小幅修改已有 SVG/vector/logo 系统。
- 用户要求精确保留局部像素、抠图、透明背景编辑等当前服务端工具不承诺稳定支持的编辑任务。
工作流
- 判断是否确实需要 raster image;如果代码原生图形更合适,不使用本 skill。
- 根据用户的描述及其提供的图片、文件或其他参考信息理解任务。只有缺失信息会明显改变成品方向或造成大量返工时,才针对关键分歧提问;不要把未经确认的推测当作要求,也不要自行作出重大的、未明确的改变。其余细节可作合理假设并继续。
- 按任务写 prompt:从零生成时可按需整理主体、构图、风格、文字和约束;参考图修改时优先写清“改动什么、哪些保持不变”。下面的 use case 和模板是可选提示,不是每次调用必须填写的表单或接口字段。
- 用中文或中英混合清楚表达要求;模型、尺寸、分辨率和参考图 URL 放在工具参数中。调用前检查 prompt 是否冗长,按“Prompt 长度预检与过长错误处理”精简重复或无关内容。
- 调用服务端
image_gen工具提交异步任务,读取data.result/data.task_id作为任务 ID。 - 通过
get_tool_task_result工具轮询,直到status为succeeded或failed。若明确报 prompt/input/context 过长,精简后创建新任务,禁止原样重试。 - 成功后读取
result.url并展示图片,报告模型和关键 prompt。此工具只返回图片 URL,不会核对画面内容;仅说明实际验证过的内容,不要把生成成功说成主体、文字或构图已经验收。
Prompt 长度预检与过长错误处理(强制)
-
每次调用
image_gen前先检查 prompt,不得把用户长文、检索结果、PPT 大纲、论文段落或内部分析直接整段拼入图像 prompt。 -
prompt 出现多个长段落、重复表达同一画面、堆叠大量风格形容词、复制原始材料,或整体明显超过约
2000个字符时,视为过长风险,必须在首次调用前自行精简。不要等服务端返回长度错误后才处理。 -
内容复杂的从零生成请求可参考约
500-1500个字符,用紧凑表达保留核心请求、主体、构图、风格、必须文字和硬约束;简短的修改请求可远短于此,不要为了达到长度或填满模板而补充背景。复杂流程图或论文图可以适度增加,但仍须先去重和摘要。 -
主动精简时,将背景资料提炼成画面结论或元素关系,不保留解释过程;合并同义风格词和重复限制,每类要求只表达一次。
-
如果 prompt 因用户要求逐字呈现的文本而超过建议长度,不得静默截断或改写该文本;应建议缩短文本、拆分图片,或改用更适合长文本的代码原生图形。
-
仅当错误信息明确包含 prompt/input/context 过长含义时触发,例如
prompt too long、input too long、maximum context length、context_length_exceeded、max input tokens、token limit exceeded、提示词过长、输入过长或超出上下文长度。 -
同时检查首次
image_gen调用的错误响应和异步任务status=failed时的error字段;不要只检查其中一个阶段。 -
触发后先构造精简版 prompt,再创建一个新的生成任务。禁止把完全相同的 prompt 原样重发,也不要仅通过换模型或提高超时时间规避长度错误。
-
第一轮精简到原 prompt 的约
40%-60%。删除原始资料全文、长篇背景解释、推理过程、示例堆叠、重复约束、同义风格形容词和与画面无关的Avoid项。 -
必须保留:核心画面请求、主体与关键布局、目标比例、用户要求逐字出现的短文本、不可违反的限制和最重要的避免项。模型、尺寸、分辨率和参考图 URL 应放在工具参数中,不要在 prompt 内重复。
-
如果精简后仍然触发同类长度错误,再压缩一次,只保留“核心请求 + 构图 + 必须文字 + 硬约束”。同一图片最多进行两次长度精简重试。
-
两次精简后仍失败,停止重试并向用户说明 prompt 长度限制。若用户要求逐字生成的文本本身过长,不得静默截断或改写;应说明该文本需要缩短或拆分成多张图。
-
不要把鉴权、安全限制、用户硬性要求或必须逐字出现的短文本当作普通冗余内容删除。
Use case 分类
从零生成新图时,可参考这些 slug 判断用途;不要求把 slug 写进 prompt:
photorealistic-natural:真实照片、自然场景、生活方式图。product-mockup:产品、包装、商品、周边图。ui-mockup:App/Web 界面 mockup 或线框图。infographic-diagram:信息图、解释性图表。ppt-visual:PPT 封面图、章节图、配图、版式背景、演示用概念视觉。paper-figure:论文方法图、模型架构图、实验图、teaser figure。flowchart-diagram:流程图、pipeline、系统流程、决策图。logo-brand:logo/品牌探索,输出是位图草案,不承诺可编辑 vector。illustration-story:叙事插画、漫画、儿童书风格。stylized-concept:风格化概念图、3D/stylized render。historical-scene:历史场景、时代风格图。
Prompt 模板
仅在从零生成时需要梳理较多要求,可参考以下结构;不必逐项填写,也不要求保留英文标签。工具接收的是普通 prompt 字符串:
Use case: <taxonomy slug>
Asset type: <用途和落点>
Primary request: <用户的核心要求>
Reference images: <参考图的作用,URL 放在 image_urls 参数中>
Scene/backdrop: <环境和背景>
Subject: <主体>
Style/medium: <photo/illustration/3D/diagram/etc>
Composition/framing: <画幅、视角、元素布局>
Lighting/mood: <光照和情绪>
Color palette: <颜色>
Text (verbatim): "<必须出现的文字>"
Constraints: <必须保留、必须包含>
Avoid: <不要出现的内容>
对参考图作修改时,优先简短描述改动和保留项,例如:“将参考图左上角的蓝色圆形改为绿色,其他布局和文字尽量保持不变。”不要为局部修改重新描述整张图;生成模型不承诺像素级保留,要求精确局部不变的任务不适用本 skill。
对 PPT 图、论文的图、流程图,要特别写清:
- 目标画幅,例如
16:9、4:3、1:1。 - 元素层级和布局关系。
- 文本尽量短;关键文字需要逐字 quoted。
- 生成 PPT 页面预览图时,画面必须只有 slide/page 内容本身;
Avoid中明确排除 Microsoft PowerPoint、WPS、Keynote、浏览器或操作系统窗口的菜单栏、工具栏、标题栏、状态栏、缩略图侧栏和应用边框。 - 如果需要后续可编辑,优先建议用 PPT/SVG/Mermaid/native shapes,而不是生成位图。
服务端工具用法
直接路由:
POST /v1/research/tools/image_gen
{
"username": "test_user",
"prompt": "Use case: ppt-visual\nPrimary request: A clean PPT title visual about autonomous research agents\nConstraints: no watermark, no logos\nAvoid: Microsoft PowerPoint menus, WPS/Keynote/browser chrome, window title bars, toolbars, thumbnail sidebars",
"model": "gemini-nano-banana-2.1",
"size": "16:9",
"resolution": "1K"
}
Generic tool call:
POST /v1/research/tools/call
{
"username": "test_user",
"tool_name": "image_gen",
"arguments": {
"prompt": "Use case: paper-figure\nPrimary request: Create a paper method overview figure matching the reference color tone",
"model": "gemini-nano-banana-2.1",
"size": "16:9",
"image_urls": ["https://example.com/reference.png"],
"extra_payload": {
"response_format": "url"
}
}
}
image_gen 返回的是任务 ID,不是图片 URL:
{
"code": 200,
"data": {
"tool_name": "image_gen",
"result": "task-id",
"task_id": "task-id",
"status": "queued"
}
}
随后通过 generic tool call 轮询:
POST /v1/research/tools/call
{
"username": "test_user",
"tool_name": "get_tool_task_result",
"arguments": {
"task_id": "task-id"
}
}
轮询返回:
{
"code": 200,
"data": {
"tool_name": "get_tool_task_result",
"result": {
"status": "succeeded",
"url": "https://..."
}
}
}
轮询约定:
status=queued或running:等待 30 秒后继续查询;服务端也会对未完成任务强制等待后再返回。- 轮询期间不要每次都向用户输出“还在生成”“继续等待”等中间状态;图像生成可能很慢,耐心在后台轮询即可。
status=succeeded:使用url作为最终图片 URL。status=failed:读取error;若属于 prompt 过长,按强制精简规则重新创建任务,否则向用户说明失败原因。不要把 task_id 当图片 URL。
常用工具参数:
username: 必填,用于鉴权和计费。prompt: 必填,完整图像生成提示词。model: 本 skill 默认gemini-nano-banana-2.1;GPT 系列优先gpt-image-2.5,明确指定时仍可使用gpt-image-2;也支持显式选择gemini-3-pro-image或gemini-3-pro-image-preview。size: 默认16:9,也可传接口支持的尺寸/比例。resolution:1K、2K或4K,默认1K。image_urls: HTTP(S) 参考图 URL 列表。mask_url: HTTP(S) mask URL,仅用于 GPT 图像模型(gpt-image-2.5或gpt-image-2)。extra_payload: 透传额外 API 参数,常用于 Gemini 图像模型。
CLI 调试模式
仅当用户明确要求本地脚本调试时,使用:
export SPEEDAI_API_KEY="sk-..."
python3 skills/image-painter/scripts/image_gen.py generate \
--prompt "A clean PPT title visual about autonomous research agents" \
--model gemini-nano-banana-2.1 \
--size 16:9 \
--resolution 1K \
--out output/image_painter/research-agent-title.png
CLI 省略 --model 时同样默认 Nano Banana 2.1。使用 GPT 系列时优先指定 --model gpt-image-2.5;用户明确要求旧版时才指定 --model gpt-image-2。
输出约定
- 临时文件放
temp/image_painter/。 - 服务端
image_gen默认返回 task_id;必须通过get_tool_task_result获取最终 SpeedAPI 图片 URL。 - 获取图片 URL 只代表生成任务完成;服务端不提供视觉核对结果。不要声称已检查中文字、构图或画质,除非另有可用能力且确实完成了检查。
- CLI 调试输出默认放
output/image_painter/或用户指定路径。 - 不覆盖已有文件,除非用户明确要求;需要覆盖时传
--force。 - 远程服务获得的url渲染成图片呈现给用户,而不只是给一个url。
相关科研 Skill
中药材分子鉴定用ITS2等DNA条形码鉴定药材基原物种,处理多基原与降解样品局限。适用于药材真伪鉴别研究,不替代法定检验。
中药网络药理学用TCMSP等数据库构建成分-靶点-通路网络并做富集分析,批判性讨论方法学局限。适用于中药机制假设生成与论文方法复核。
中医术语标准与知识图谱建立中医药术语与WHO/ICD-11标准的映射,设计本体并用Neo4j构建知识图谱。适用于数据整合与科研检索,不作临床决策系统。
方剂配伍规律挖掘对方剂做药名规范化、关联规则与网络聚类分析,发现候选核心药组。适用于用药规律挖掘,结果仅为待验证假设,不作处方依据。
证候与症状数据分析对症状量表数据做术语规范、潜在类别与因子分析,探索统计学证候模式。适用于证候分型研究,结果不用于个体辨证诊断。
泵用混合物热力学计算Calculates thermodynamic properties and mixture phase behavior for pump applications using the thermo Python library’s DIPPR/NIST correlations. Use for VLE or mixture property calculations.
常见问题
图像生成助手能做什么?
当需要通过 SpeedAI 图像接口生成位图图片时使用,包括照片、插画、产品图、网站图、游戏素材、PPT 图、论文的图、流程图和信息图。仅用于生成新图或用参考图辅助生成新图;不要用于 SVG/HTML/CSS/canvas 等代码原生图形。
如何安装图像生成助手?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「图像生成助手」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
图像生成助手需要哪些权限?
该科研 Skill声明需要:本地文件。安装前会再次列出,由你确认后才会生效。
图像生成助手经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。