文生图与图片生成工作室

解决的问题

在视觉内容创作中，经常需要从文字描述或现有图像快速生成高质量的图像，用于产品展示、广告宣传、海报设计或社交媒体配图。传统方法可能涉及多个工具、手动调整或繁琐的流程，导致效率低下、结果不一致或难以满足精确需求。这个技能旨在通过统一的 AI 接口，简化文生图、图像变换和图像编辑的工作，确保输出符合特定的视觉方向和发布场景。

核心能力与工作流程

技能提供三个核心能力，基于输入类型自动选择最佳路线：

• 文生图（generate）：当没有源图片时，使用 beatra.images.generate 从纯文字生成图像，适用于从零开始创建概念图或插画。
• 图像变换（transform）：使用一至四张有序参考图来指导新构图，调用 beatra.images.transform。这些输入会影响新图的构图、风格或元素，但不承诺其中任何一张保持为底图。
• 图像编辑（edit）：以一张现有图片为底图进行编辑，调用 beatra.images.edit。images[0] 是底图，后续图片可作为有序参考图，用于背景修改或细节调整。

工作流程遵循黄金路径：

1. 分类工作为 generate、transform 或 edit，并整理需求，覆盖主体、构图、风格、光线、色彩、发布场景、排除项和必须保留项。
2. 上传前检查每张源图片的属性，如 MIME 类型、字节大小、宽度、高度、宽高比、alpha 通道和动画状态，确保数据真实。
3. 调用 beatra.models.list 检查实时模型卡，确认模型支持的能力（如 text_to_image、image_to_image 或 image_edit），并验证输入限制、控制项和定价选项。
4. 展示选定的路线、有序来源及其角色、视觉需求、必须保留项、数量、画布、模型行为，以及暂估费用，获得用户批准后冻结参数。
5. 使用随包脚本 scripts/mcp_client.py 执行请求，通过标准输入传入 JSON 参数，避免使用宿主连接器或其他降级方案。
6. 轮询任务状态，交付每张返回图片的 URL、artifact ID 及真实尺寸、格式等数据，报告终态模型和实际计费积分。
7. 检查每张输出是否符合需求中的信息表达、主体保留、构图、风格等，并推荐聚焦编辑或重新生成，等待后续批准。

适用边界与注意事项

技能适用于产品图、广告与品牌视觉、海报、社交媒体配图、插画、概念图、照片变体和背景修改等任务，但存在明确边界：

• 路线选择严格：每个逻辑结果只选择一条付费图片路线，避免静默改变。不要用纯文字生成替换用户提供的参考图，或承诺像素级完全保留。
• 输入要求硬性：需要非空视觉方向；transform 需要一至四张有序参考图；edit 需要一张底图。只询问缺少的硬性输入或实质改变结果的选择。
• 模型与控制项管理：必须基于实时模型卡检查，不能静默替换模型或丢弃控制项。设置任何控制项（如数量、关系、seed）前，需确认模型接受，且变更属于新的付费工作。
• 付费与恢复机制：按成功持久保存的图片张数计费，多输出部分成功时只对成功图片收费。恢复流程需维护台账，不能编造请求 ID 或重放付费请求。
• 输出检查必要性：交付后检查每张输出，确保符合必须保留项（如人物面部、产品、Logo、文字）。只推荐最小后续工作，并等待单独批准。