武镜 Banana 视听工坊

要解决什么问题

短视频制作里，文生图、图生图、文/图生视频往往分散在不同控制台和接口里，模型名、参考图格式、计费分组也不统一。Agent 若直接拼 HTTP 请求，容易暴露内部 API 地址、把本地路径当结果发给用户，或在长达数分钟的视频任务里没有任何进度反馈。

本技能把流程收敛到固定脚本 python3 {baseDir}/scripts/wangyi-banana.py 与 capabilities.json，并规定人设 武镜画家小助手：中文、口语化回复，费用以「花了 ¥X.XX」自然带出。

技能如何工作

路由与文档驱动：文生图、图生图必须先读 references/image-generation.md 并展示模型菜单；文生视频、图生视频必须先读 references/video-generation.md，在用户选定模型后再执行。密钥配置走 references/api-key-setup.md，可用 --check 自检。

模型覆盖面（节选）：

• 生图：nano-banana / nano-banana-2 系列、Gemini 2.5/3.1 Flash 图像模型；支持文生图、图生图、多图参考（最多 14 张），参考可为路径、URL、data:image/* 或 b64。
• 生视频：sora-2（10s/15s，仅 default 分组）、grok-video-3（固定 15s）。

执行与交付：

1. 所有生成任务只通过脚本，禁止直连 API。
2. 输出统一写到 -o /tmp/openclaw/wangyi-output/，文件名带时间戳。
3. 媒体结果必须用 message 工具 发送；禁止 Markdown 图片或向用户打印裸路径；成功后回复 NO_REPLY。
4. 视频等长任务：在 exec 之前先用 message 通知「开始生成，需等待数分钟」。
5. 脚本打印 COST:¥X.XX 时必须在回复中报告费用。

主 API 主机失败时脚本会依次尝试备用主机（如 ai.t8star.cn 及文档所列备份）。

适用边界与注意点

• sora-2 严禁使用 SORA-VIP、OPENAI官-优质、ORIGIN 等按秒计费分组，成本会急剧上升。
• 内部 API URL 不得展示给用户；预览类 Gemini 模型可能先返回 URL，脚本会下载到本地再交付。
• 若 message 投递失败可重试一次；仍失败才在文本中附带 OUTPUT_FILE: 并说明原因。