ai-image-generation

概览

什么是 ai-image-generation？

ai-image-generation 技能通过 inference.sh 命令行接口，将你的 agent 或 CLI 工作流连接到 50 多个 AI 图像模型。它专注于实用、可脚本化的图片生成，用于 AI 艺术、营销视觉、产品效果图、概念设计和社交媒体图像等场景。

在底层，这个技能依赖 infsh CLI 来调用预置的“apps”，例如 FLUX Dev LoRA、FLUX.2 Klein LoRA、Gemini 3 Pro Image、Grok Imagine、Seedream 4.5、Reve、ImagineArt，以及其他文生图和图片编辑模型。

核心能力

• Text-to-image（文生图）：根据自然语言 prompt 生成图片。
• Image-to-image（图生图）：基于现有图片生成新的变体。
• Inpainting 与编辑：只修改图片的特定区域，而无需整张重绘。
• LoRA 支持：使用基于 LoRA 的 FLUX 模型实现灵活的风格迁移与微调。
• Upscaling（超分辨率）：提升已有图片的分辨率与清晰度。
• 文字渲染：生成带有清晰可读文字的图片，用于广告、Banner 和社媒配图。

谁适合使用这个技能？

如果你符合以下情况，ai-image-generation 会比较适合：

• 从事 营销或社交媒体运营，需要用命令行快速生成符合品牌风格的视觉素材。
• 搭建需要调用多种图像模型的 自动化或 agent 工作流。
• 是一名 开发者，偏好通过 CLI 进行类似 API 的调用，而不是依赖网页控制台。
• 需要一个可脚本化、可集成到 CI、定时任务或内容生产流水线中的 Midjourney / DALL·E 替代方案。

在以下情况下则可能不太适合：

• 只想使用纯图形界面工具，不希望接触终端。
• 需要完全自托管模型；此技能是围绕托管的 inference.sh 平台构建的。

模型覆盖范围（示例）

仓库的 SKILL.md 介绍了多个图像 app，包括但不限于：

• FLUX Dev LoRA（falai/flux-dev-lora）——高质量输出，支持自定义风格。
• FLUX.2 Klein LoRA（falai/flux-2-klein-lora）——速度更快、LoRA 友好的模型。
• Gemini 3 Pro Image ——基于 Google Gemini 的图像生成。
• Grok Imagine ——由 Grok 提供算力的图像生成。
• Seedream 4.5、Reve、ImagineArt ——更多偏创意和插画风格的模型。

所有这些都以 inference.sh apps 的形式暴露，你可以使用统一的 infsh app run ... 调用模式进行驱动。

使用指南

1. 前置条件

要高效使用 ai-image-generation，你需要：

• inference.sh 账号——前往 https://inference.sh 注册并获取凭证。
• inference.sh CLI（infsh）——技能在底层通过 infsh 发起调用。
• 兼容 Bash 的环境——技能声明允许使用 Bash(infsh *)，推荐在 Linux、macOS 或 Windows 的 WSL 上使用。

请按照仓库中的官方 CLI 安装说明进行设置：

• CLI 安装脚本：https://raw.githubusercontent.com/inference-sh/skills/refs/heads/main/cli-install.md

至少需要在终端中能成功运行：

infsh --help

且无报错，再将该技能接入 agent。

2. 安装 ai-image-generation 技能

如果你使用的是读取本仓库的 Agent Skills 生态，一般通过下面的方式安装：

npx skills add https://github.com/inferen-sh/skills --skill ai-image-generation

这会从 tools/image/ai-image-generation 拉取 ai-image-generation 技能，并将其元数据和工具配置暴露给你的 agent 使用。

3. 登录 inference.sh

ai-image-generation 假定 infsh 已经完成认证登录。

infsh login

按终端或浏览器中的提示完成登录。一旦认证成功，后续的 infsh app run ... 调用就会使用你账号下的配额和计费。

4. 运行第一次文生图生成

SKILL.md 中的 Quick Start 演示了如何使用 FLUX Dev LoRA app 生成图片：

infsh app run falai/flux-dev-lora --input '{"prompt": "a cat astronaut in space"}'

这一调用模式是 ai-image-generation 的核心：

• 选择一个 App ID（例如 falai/flux-dev-lora）。
• 传入一个描述 prompt 和其他参数的 input JSON 负载。
• 读取 CLI 输出，其中通常包含生成图片的 URL 或文件引用。

在配置好该技能后，你的 agent 可以以编程方式构造并执行同样的 CLI 调用。

5. 在不同模型之间切换

这个技能不会把你锁定在某一个模型上，你可以根据任务选择合适的 inference.sh app：

• 追求高质量、风格化艺术效果：选用 FLUX Dev LoRA（falai/flux-dev-lora）。
• 需要更快速度并保留 LoRA 支持：使用 FLUX.2 Klein LoRA（falai/flux-2-klein-lora）。
• 希望基于 Gemini 的图像生成：选择 Gemini 3 Pro Image。
• 偏好 Grok 算力的视觉生成：使用 Grok Imagine。
• 通用营销与插画场景：尝试 Seedream 4.5、Reve 和 ImagineArt。

在实际使用中，你的命令只需要更换 App ID：

# 示例：使用 FLUX.2 Klein LoRA
infsh app run falai/flux-2-klein-lora --input '{"prompt": "product render of a modern smartwatch on a marble table"}'

6. 集成到 agents 与脚本

由于 ai-image-generation 是通过 Bash(infsh *) 驱动的，它非常适合用于：

• Agent 工作流：自动选择模型、生成图片，然后将图片 URL 返回给用户。
• Cron 定时任务：定期自动生成新的社媒配图或博客插图。
• CI 流水线：自动生成设计稿、产品截图或更新视觉资源。

在 agent 场景中，通常的步骤是：

1. 加载 ai-image-generation 的技能元数据（例如从 SKILL.md）。
2. 允许 agent 在需要生成图片时调用 infsh app run ...。
3. 解析 CLI 输出，让 agent 能够引用生成的图片资源。

7. 使用图片编辑、局部修补和超分辨率

ai-image-generation 暴露了支持 image-to-image、inpainting、基于 LoRA 的风格迁移以及超分辨率的模型。尽管不同模型的输入参数各不相同，但基本流程类似：

• 提供一个 源图片（通常通过 inference.sh 支持的 URL 或文件引用）。
• 添加描述编辑内容的 prompts 或 masks。
• 使用与你需求匹配的 App ID（例如 inference.sh apps 列表中对应的 upscaler 或 inpainting 模型）。

由于这些细节是模型特定的，并托管在 inference.sh 上，建议在保持 CLI 调用模式不变的前提下，查阅各个 app 在 inference.sh 上的详细文档。

常见问题（FAQ）

安装 ai-image-generation 实际上会在本机装些什么？

ai-image-generation 不会在你的机器上安装任何模型。它只会安装元数据和配置，让你的 agent 能够安全地通过 infsh CLI 调用托管在 inference.sh 上的模型。所有重计算都在 inference.sh 平台上完成。

使用 ai-image-generation 一定要安装 inference.sh CLI 吗？

是的。该技能声明了 allowed-tools: Bash(infsh *)，意味着所有操作都围绕 infsh 这个二进制工具展开。你必须先安装并完成 inference.sh CLI 的认证，技能才可以生成或编辑图片。

通过 ai-image-generation 可以访问哪些 AI 模型？

该技能设计用于连接 inference.sh 上 50 多个以图像为主的 apps。仓库中明确提到的包括：

• FLUX Dev LoRA
• FLUX.2 Klein LoRA
• Gemini 3 Pro Image
• Grok Imagine
• Seedream 4.5
• Reve
• ImagineArt

你也可以直接在 inference.sh 上浏览更多 apps，并通过相同的 infsh app run ... 接口进行调用。

我可以用 ai-image-generation 做社交媒体和营销配图吗？

可以。ai-image-generation 非常适合用来生成：

• 社交媒体贴文与广告创意图
• 博客头图和 Hero 图
• 产品效果图和促销视觉素材
• 支撑营销活动的快速概念图

由于整个流程基于 CLI，你可以自动化重复的内容生产任务，并把它们集成进现有的营销生产流水线。

如果我平时不用终端，ai-image-generation 适合我吗？

可能不太适合。ai-image-generation 专为 CLI 和 agent 场景优化。如果你更习惯拖拽操作或纯 Web 工具，GUI 类图片生成器可能更符合预期。不过，如果你愿意偶尔运行简单命令，或者让 agent 帮你抽象掉命令行细节，这个技能仍然可以发挥价值。

我可以自托管 ai-image-generation 使用的这些模型吗？

根据仓库中的信息，该技能仅记录了基于托管 inference.sh 平台的使用方式。它并未被设计成自托管解决方案，因此在规划时应默认使用 inference.sh 的基础设施和定价模式。

生成图片时遇到报错，应该如何排查？

如果通过 ai-image-generation 调用失败，可以按以下步骤排查：

1. 在终端中直接运行对应的 infsh app run ... 命令，检查是否存在认证或输入参数错误。
2. 确认 CLI 已通过 infsh login 完成登录。
3. 在 inference.sh 文档中核对 App ID 和 input JSON 是否正确。

如果直接通过 CLI 调用可以成功，再根据这个调用的参数调整你的 agent 配置。

哪里可以看到更多使用示例？

ai-image-generation 目录下的 SKILL.md 包含一个 Quick Start 和可用模型列表。若想了解更深入、模型级的使用示例（如 prompt 写法、参数说明和高级选项），可以直接浏览各个 app 的页面及其在 https://inference.sh 上的文档。