GPT Image 2 多模型生图

解决的问题

AI Agent 在生图时常常缺少统一入口：API 密钥可能来自环境变量或宿主配置，模型端点、尺寸、返回格式也不一致。若直接硬编码 OpenAI 端点，容易在网关、兼容接口或本地模型上失效。这个技能把生图收敛成可复用的 Agent 能力，让不同宿主按同一流程调用可用模型。

核心工作流

• API 发现：优先读取环境变量，再检查宿主配置（如 config.yaml、settings.json），定位可用的图像生成接口。
• 模型选择：按优先级尝试 gpt-image-2、dall-e-3、dalle-3、stable-diffusion-xl 或任意可用模型，并验证端点支持。
• 提示词结构化：用 Subject / Action / Context / Composition / Lighting / Style 组装提示词，减少“只给一个名词”导致的画面不稳定。
• 生成与保存：调用 /v1/images/generations，兼容 b64_json 或 url 返回，并把图片写入本地目录。
• 容错与记忆：处理 401、403、429、timeout 等错误，使用指数退避重试，并记录 session 记忆。

适用边界

它适合已有 OpenAI 兼容生图 API、需要让 Agent 自动选择模型的场景。若宿主未配置任何 API，或端点不支持图像生成，仍会失败。使用时应注意不同模型尺寸限制，例如 gpt-image-2 支持 1024x1024、2048x1024，而 dall-e-3 常见为 1024x1024、1792x1024。