generate-image

generate-image 技能概覽

generate-image 的用途

generate-image 技能是透過 OpenRouter 搭配 FLUX.2 Pro、Gemini 3.1 Flash Image Preview 這類 AI 模型來生成或編輯圖片的實用方式。它最適合需要照片、插畫、概念設計、視覺素材，或直接的圖片編修的使用者，不適合拿來做技術示意圖。

適合安裝 generate-image 的人

如果你想要的是可重複使用的圖片工作流程，而不是每次都重新寫一段一次性的提示詞，就適合安裝 generate-image 技能。它很適合內容創作者、產品團隊、製作簡報視覺的研究人員，以及任何希望用更少試錯來穩定產出圖片的人。

它比一般提示詞更強在哪裡

generate-image 技能的核心價值在於工作流程清楚：它會告訴你什麼情況該用、什麼情況不該用，以及要怎麼用可執行的輸入去驅動模型。這個 repo 也會引導你先看哪個檔案，並把一般圖片生成和用於圖解輸出的 scientific-schematics 分開處理。

如何使用 generate-image 技能

安裝 generate-image 技能

安裝指令如下：
npx skills add K-Dense-AI/claude-scientific-skills --skill generate-image

這個 generate-image 的安裝流程預設你已經有可用的 OpenRouter API key。若缺少這個 key，在完成帳號與環境設定之前，這項技能不會有實際用途。

先從正確的檔案開始看

先讀 SKILL.md，再查看 repo 指向的支援路徑：README.md、AGENTS.md、metadata.json，以及任何 rules/、resources/、references/ 或 scripts/ 資料夾。就這個 repo 來說，可見的實作重點集中在 scientific-skills/generate-image/SKILL.md，而它提到的快速開始腳本路徑是 scripts/generate_image.py。

把模糊想法變成可用提示詞

要把 generate-image 用好，關鍵在於把主體、風格和要改的內容寫清楚。不要只說「做一張新創公司的圖片」，而是寫成像這樣：「Create a clean product illustration of a SaaS dashboard on a laptop screen, dark background, blue accent lighting, realistic but polished, no text overlays.」如果是編修，則要明確指出哪些地方要改、哪些地方要保持不變：「Keep the subject and framing, but replace the sky with purple dusk light and warm the foreground colors.」

讓輸出更好的實務流程

可用 repo 的快速開始模式，把生成和編修拆開處理：
python scripts/generate_image.py "A beautiful sunset over mountains"
python scripts/generate_image.py "Make the sky purple" --input photo.jpg

這個流程很重要，因為這項技能的設計目標是圖片創作或修改，而不是抽象規劃。如果你的目標是流程圖、電路圖或系統圖，就應該改用 scientific-schematics，不要硬讓 generate-image 去做不對的工作。

generate-image 技能 FAQ

generate-image 適合技術示意圖嗎？

不適合。這個 repository 明確把圖表、示意圖、路徑圖和流程圖導向 scientific-schematics。generate-image 比較適合重視美感或整體構圖的視覺內容，而不是需要精準技術符號的輸出。

使用 generate-image 一定要有特別經驗嗎？

不用，但輸入越精準，結果通常越好。新手可以從短提示詞和簡單的編修指令開始；有經驗的使用者則會從更明確的風格、鏡頭感、構圖，以及哪些元素要保持固定，得到更高價值。

generate-image 比一般提示詞更好嗎？

通常是的，尤其當你想要的是可重複安裝後直接使用的工作流程、更清楚的模型選擇，以及更少關於如何組織需求的決策時。一般提示詞可以一次做完，但當你希望同一套流程可以重複使用時，generate-image 技能就更有價值。

什麼情況下不該用 generate-image？

當輸出必須精準、以資料為基礎，或偏向圖解時，不要用它。如果圖片需要標籤、精確關係，或技術正確性，採用以示意圖為主的技能會更安全。

如何改善 generate-image 技能

把會改變圖片的細節講清楚

品質提升最大的地方，通常來自主體、媒材、構圖和限制條件。弱的提示詞會只說「讓它更現代」；強的提示詞則會說「create a minimal editorial illustration of a city bike on a white background, side view, muted palette, no people, no labels.」這類輸入能減少歧義，所以會讓 generate-image 的結果更穩定。

把創意方向和編修指令分開

對 generate-image 技能來說，編修效果最好的是清楚說出要保留什麼、要改什麼。比如：「Keep the original subject and crop, soften the lighting, replace the background with a studio gradient, and remove any text.」這樣可以降低主體、取景或版面意外偏移的風險。

留意常見失敗模式

最常見的問題是提示詞太寬、缺少風格指引，以及把這項技能拿去做示意圖工作。如果輸出品質不理想，先收緊提示詞，再考慮換模型：明確指定視覺目標、排除不想要的元素，並先判斷這個任務到底是生成還是編修。