image-generation

name image-generation description AI 图片生成：原生 tool call（Codex/Antigravity）或浏览器自动化（Gemini/ChatGPT）。 Use when: 需要 AI 生成概念图、UI 参考、像素画素材、完整 PPT 页面、复杂架构图、信息图或视觉 mock。 Not for: 已有图片的展示（用 media_gallery rich block）、硬要求可编辑/native text 的 PPT/图表（用 PPT/HTML 管线）。 Output: 生成图片自动发布，或作为完整视觉 mock / 图像素材进入后续交付。 AI 图片生成 Skill 用途：生成 AI 图片——优先原生 tool call，降级浏览器自动化 适用猫猫：所有猫 何时使用 需要为 feature 生成概念图、UI 参考图、像素画素材 operator要求生成特定风格的图片 需要批量生成多个变体 需要直接生成完整 PPT/slide 页面、复杂架构图、企业信息图、封面或高密视觉 mock 用户明确说“不需要可编辑”“内部 mock”“直接生成完整页面” Codex 原生能力校准：不要低估 imagegen Codex image_gen 不只是“概念图/素材生成器”。当前实测能力可以直接生成 完整高保真 raster 页面 ，包括： 企业 PPT / slide 页面：高密度模块、标题、图标、流程链路、判断框、页脚 复杂架构图 / 信息图：多分区、多节点、多箭头、多层级视觉组织 品牌风格 mock：如华为风格的红白黑企业战略页、发布会封面、白皮书页 UI / poster / cover：需要强视觉完成度、但不要求 native editability 的图像产物 默认判断 ：当用户要的是“好看、完整、像最终稿”的视觉 mock，且不要求可编辑，先走整页 imagegen。不要先手写 SVG/HTML 去拼格子、排文字、合成素材。 Codex SVG 复发熔断闸 对 Codex / Maine Coon尤其重要：命中以下任一条件时， 禁止 先写 SVG/HTML/Canvas/脚本合成： 用户要“架构设计图 / 架构图 / PPT 页面 / 华为风 / 白底红黑 / 精美图 / 最终稿” 已有低保真草图、ASCII 蓝图或设计规格，用户要生成“精美版 / 设计图 / 图片” 用户没有明确要求“可编辑文字 / native PPT 元素 / SVG 源文件 / HTML 文件” 执行顺序： 先调用原生 imagegen 生成整页 raster。 只用 prompt 迭代 1-2 次修风格、层级、文字密度。 只有 imagegen 已失败，或用户明确要求可编辑 / native text / SVG 源文件，才允许降级 SVG/HTML/PPT。 若准备写 SVG/HTML，必须先写出 SVG override reason ：指向已失败的 imagegen 产物，或引用用户的显式可编辑要求。 以下理由不合格，不能覆盖 imagegen-first：中文文字更可控 / 布局更可控 / 先画 SVG 再转 PNG / 架构图需要精确。 Full-page raster first 当用户说“不需要可编辑”“只要精美 mock”“直接生成完整 PPT 页面”时，按这个顺序： 整页直出 ：用一个完整 prompt 描述页面比例、风格、版式、文案、信息密度、图标、图表、负面约束，直接生成完整页面。 视觉评估 ：先看整体风格、信息密度、层级、可读性。若大方向对，用 prompt 迭代，而不是立刻拆成 SVG/合成管线。 参考图辅助 ：如果有低保真草图或同风格样张，把它当 reference / layout guide，但仍让 imagegen 生成整页最终图。多页交付（如 10 页 PPT 套图）时，第一页定稿后作为后续每页的 reference image / style anchor，让整套保持同一视觉系统。 失败才降级 ：连续 1-2 次整页直出都无法保住结构、文字或品牌风格时，再考虑 HTML/PPT/SVG/hybrid。 什么时候才写 SVG / HTML / hybrid 硬要求可编辑文字、native chart、PPT 元素可改 硬要求像素级对齐、可复用组件、可导出真实代码 需要用真实商标/logo/精确法律文本，且图片模型容易画错 imagegen 已经尝试过整页直出但无法达到验收线 低保真蓝图是 辅助 imagegen 理解布局 ，不是默认替代 imagegen 的最终渲染管线。不要为了“可控”牺牲用户真正要的视觉完成度。 路径选择（先问自己有没有原生能力） 你有内置图片生成 tool 吗？ ├─ 是（Codex / Antigravity）→ 用原生 tool call（§ 原生路径） │ 优势：快、自动发布到气泡、无需浏览器 │ ├─ 否（Claude / 其他）→ 能 shell out 到有能力的 CLI 吗？ │ ├─ 是 → 借用（§ 跨引擎借用） │ └─ 否 → 浏览器自动化（§ 浏览器路径） │ └─ 需要特定风格控制 / inpainting / 局部编辑？ └─ 是 → 即使有原生能力也走浏览器路径 支持平台 路径 平台 工具 产物位置 F172 自动发布 原生 Codex CLI 内置 image_gen tool call ~/.codex/generated_images/<sessionId>/ ✅ scanner 自动拾取 原生 Antigravity 内置 generate_image tool call ~/.gemini/antigravity/brain/<cascadeId>/ ✅ GENERATE_IMAGE step 自动拾取 浏览器 Gemini Web Chrome MCP 自动化 本地下载目录 需手动 publishGeneratedImage() 浏览器 ChatGPT Web Chrome MCP 自动化 本地下载目录 需手动 publishGeneratedImage() 原生路径（优先） Codex CLI — image_gen tool call 谁能用 ：Codex CLI 主执行猫（内置） 用法 ：直接在当前 invocation 里调用内置 image_gen tool。这是一个 native tool call，不是 shell 命令，也不是再开一个 codex exec 子进程。 ❌ 错误：codex exec --image <参考图> ← 这是 nested CLI session，当前气泡不会展示 ✅ 正确：使用内置 image_gen tool call ← 图片自动落到当前 session 的 generated_images/ 有参考图时 ：参考图必须在当前对话上下文里（用户上传、上一步生成、或已被 view_image 打开）再调用 image_gen ，并在 prompt 里说明它是 reference image / edit target / style reference 。如果当前 tool surface 无法把本地参考图接进 native image_gen ，停下来报告能力缺口；不要退回到 codex exec --image 冒充原生路径。 产物流转 ： image_gen tool call → 图片生成到 ~/.codex/generated_images/<当前 sessionId>/<filename>.png → invocation 结束后 F172 scanner 自动扫描 → publishGeneratedImage() 发布到 /uploads/ → 自动生成 media_gallery 富块 → 气泡内展示 ✓ 关键 ：不需要手动下载、不需要手动 cp、不需要手动发富块。全自动。 Antigravity — generate_image tool call 谁能用 ：对应猫（Antigravity 内置） 用法 ：直接在对话中调用内置 generate_image tool。 产物流转 ： generate_image tool call → CORTEX_STEP_TYPE_GENERATE_IMAGE step → 图片生成到 ~/.gemini/antigravity/brain/<cascadeId>/<imageName>_<unixMs>.<ext> → F172 brain scanner 自动拾取 → publishGeneratedImage() 发布到 /uploads/ → 自动生成 media_gallery 富块 → 气泡内展示 ✓ 跨引擎借用（实验性） 没有原生图片生成能力的猫（如 Claude）可以通过 shell out 借用其他引擎的 CLI： # 前提：codex CLI 在 PATH 中且已配置 codex exec "生成一张猫咖全景图，手绘水彩风格" 注意：跨引擎借用目前只适合 离线资产生成 。它会创建另一个 Codex session，产物通常不会被当前猫的 F172 scanner 自动拾取，也不会自动出现在当前气泡里。需要气泡内展示时，优先把球权交给有原生能力的猫，或显式走 artifact promotion / rich block 路径。 浏览器路径（降级 / 需要风格控制时使用） Gemini 画图（浏览器） 1. 导航到 gemini.google.com/app 2. 工具 → 制作图片（或直接点首页快捷按钮） 3. execCommand 注入 prompt 到 .ql-editor 4. 点击发送（蓝色箭头） 5. 等待生成（~15-30秒） 6. 点击图片 → 灯箱模式 7. 点击 "下载完整尺寸的图片" 按钮 8. 文件保存为 Gemini_Generated_Image_{hash}.png Gemini 特有 ： 有风格选择器（单色、色块、绚彩、哥特风黏土等） 可先选风格再输入 prompt 图片右下角有 Gemini ✦ 水印 ChatGPT 画图（浏览器） 1. 导航到 chatgpt.com/images（或左侧栏 → 图片） 2. execCommand 注入 prompt 到 #prompt-textarea 3. 按 Enter 发送 4. 等待生成（~10-20秒） 5. 方式 A：点击图片 → 灯箱 → 右上角 "保存" 按钮 6. 方式 B：hover 图片 → 点击 "下载此图片" 按钮 7. 文件保存为 ChatGPT Image {日期} {时间}.png ChatGPT 特有 ： 有「选择区域」局部编辑（inpainting） 灯箱模式有「描述编辑」输入框可以文字修改图片 有风格预设（漫画风潮、繁花之驱、鎏金塑像等） 图片页面 URL: chatgpt.com/images DOM 选择器速查 Gemini 元素 选择器 输入框 .ql-editor[contenteditable="true"] 工具按钮 button "工具" 制作图片 工具菜单中 "制作图片" 发送 输入框右侧蓝色箭头 灯箱下载 button "下载完整尺寸的图片" 灯箱分享 button "分享图片" 灯箱复制 button "复制图片" 灯箱关闭 button "关闭" ChatGPT 元素 选择器 输入框 #prompt-textarea 图片页面 chatgpt.com/images 发送 Enter 键 或 发送按钮 下载（hover） button "下载此图片" 灯箱保存 右上角「保存」按钮（ button 含下载图标） 灯箱编辑输入 dialog 内 textbox （描述编辑） 选择区域 右上角「选择区域」按钮 灯箱关闭 button "关闭" 下载文件命名 平台 格式 示例 Gemini Gemini_Generated_Image_{hash}.png Gemini_Generated_Image_2kvjb12kvjb12kvj.png ChatGPT ChatGPT Image {年}年{月}月{日}日 {HH_MM_SS}.png ChatGPT Image 2026年3月10日 07_14_32.png Common Mistakes 错误 后果 修复 低估 Codex image_gen ，把它当素材器 绕去写 SVG/HTML，页面僵硬、对齐差、审美差 视觉 mock 默认先整页 raster 直出 用户说“直接生成完整 PPT 页面”，仍拆成图标资产 + 手工合成 信息堆叠、文字错位、整体不像最终稿 用完整页面 prompt 直接生成，再按视觉反馈迭代 过度追求 native text / 可编辑性 违背“不需要可编辑”的目标，产物变丑 先确认交付目标：raster mock 走 imagegen，editable deck 走 PPT/HTML 为了避免文字风险生成无字图 用户期待的是完整页面，结果变成空背景/素材 PPT mock 要含标题、标签、数据和结构；文字失败再降级 用 SVG 画复杂企业页但没有设计系统和排版能力 格子、文字、图标互相打架 让 imagegen 承担视觉完成度；SVG 只做必要的精确结构或 reference 注意事项 通用 优先原生 tool call ：有内置 image_gen / generate_image 的猫，必须用原生路径。浏览器路径只在需要风格选择器、inpainting、局部编辑时使用 F172 自动发布 ：原生路径产物由 scanner 自动拾取 → publishGeneratedImage() → /uploads/ 稳定 URL + media_gallery 富块。零手动操作 禁止 CLI 命令替代 tool call ： codex exec --image 不等于内置 image_gen tool call。 --image 是 nested CLI 的输入附件，不是当前 invocation 的 native reference-image 通道；前者的产物不会被当前气泡的 F172 scanner 自动发布 浏览器路径专用 Gemini 制作图片模式会粘滞 ：和 Deep Research 一样，选了制作图片后输入框保持该模式 ChatGPT 图片页面是独立入口 ： /images 和普通对话 / 是分开的 两个平台都支持 execCommand 注入 Gemini 图片更大 （~7MB PNG），ChatGPT 图片更小（~1MB PNG） 浏览器路径归档 ：下载后的图片通过 publishGeneratedImage() 发布到 /uploads/ （F172 共享发布合约）。发布后自动获得 /uploads/... 稳定 URL + media_gallery 富块