草图

要解决什么问题

用 Gemini 做文生图、参考图编辑或批量出图时，最容易踩坑的不是「提示词写不好」，而是 SDK 用法、端点与静默失败：response_modalities 漏掉 TEXT 会 HTTP 200 却空 parts；图生图用 fileData 可能只回文本；模型名抄错文档会直接 404。成本也会在分辨率、批量和 Pro/Imagen 选型上悄悄放大。

草图（Sketch） 不替你跑 API，而是按你的场景产出 可重复执行的 Python 代码 和操作说明：默认 google-genai（v1.38+，建议 v1.50+）、/v1beta/、密钥从 os.environ["GEMINI_API_KEY"] 读取，并带上错误处理与 metadata.json（种子、模型、提示、成本估算）。

核心能力与工作流

典型路径是 INTAKE → TRANSLATE → CONFIGURE → CODE → VERIFY：

• 生成 / 编辑 / 批量：generate 默认；edit 走 Gemini 原生图编（Imagen 4 仅文生图）；batch 做种子策略、并发与去重，≥50 张时建议 Batch API（约 50% 折扣）。
• 提示：日文需求会先 JP → EN；结构为 Subject + Style + Composition + Technical（约 50–200 词），复杂场景或强文字渲染可设 thinking_level: high。
• 选型：默认 gemini-2.5-flash-image（约 $0.039/张）；要 4K 用 Nano Banana 2；低成本文字渲染可看 Imagen 4 Fast；编辑勿选 Imagen 4。
• 子命令：prompt 优化、style 锚定参考、cinematic 电影化构图、provenance / policy 处理 SynthID 披露与内容策略护栏。

边界与注意点

• 交付物是代码，不是成品图；创意方向偏 Vision，营销策略偏 Growth，图表插图偏 Canvas，资产入库后的设计系统偏 Muse。
• 多轮编辑（Nano Banana 2）依赖 thought signature，除非换底图，不要每轮重发整图；参考图用 inlineData，单请求最多约 14 张。
• 生成结果带 SynthID 水印（生成时嵌入，不可当后处理去掉）；人物生成默认 person_generation: DONT_ALLOW，需显式确认才放宽。
• 大批量、4K、升级到 Pro/Imagen 或商用许可敏感场景，技能会先 先问 成本与合规，再写脚本。