img2img-studio (dsh-img2img-config)

img2img-studio · 图生图工作室

把一张图（或几张图）变成你想要的各种新图：识图 → 按风格/场景 → 按生成通道 → 出图。

面向 DeepSeek Harness / Claude Code / Codex 等 Agent 环境的可移植 Agent Skill。

架构

输入图片
  ↓ 第一层：识图（多模态模型 → read_image 直接看；纯文本模型 → dsh-vision-skill 的 vision.js）
  结构化描述（主体/构图/色彩/材质/情绪/卖点）
  ↓ Step 0 路由门（出图前必问）
  ① 选生成通道 → ② 选风格/场景 → ③ 细化需求（尺寸/文字/参考图/数量）
  ↓ 第二层：生成
  模式文档构建 Prompt → generate_image.mjs（多供应商自动降级）→ QA → 交付

功能

• 电商模式：商品图 → 白底主图、卖点图、场景图、细节图、对比图、详情页 PDP、Amazon/淘宝等平台套图（转化驱动力诊断 + Campaign Style Lock + 平台尺寸规范 + GPT-Image Prompt 铁律）
• 照片艺术模式：editorial（编辑杂志）/ revival（白纸手绘诗意）/ fusion（融合）/ zine 三风格（zine-gathered 实景拼贴 / zine-distill 影像蒸馏 / zine-minimal 极简海报）
• ChatGPT 网页出图：无 API key 也能用 ChatGPT 账号额度出图（浏览器自动化，references/chatgpt-web-mode.md）
• 多供应商自动降级：DashScope 通义千问（默认，性能+最新模型优先）、OpenAI 兼容 API、Z.AI GLM-Image、Seedream 豆包、MiniMax、本地 chatgpt-web 类服务、Codex CLI
• 批量并发出图、质量预设（1k/2k）、i2i 参考图、同供应商重试、身份保持参考图准则

安装

# 复制到 Agent 的 skills 目录（Windows 示例）
Copy-Item -Recurse -Force "img2img-studio" "$env:USERPROFILE\.agents\skills\"

依赖：Node.js 18+（generate_image.mjs 本身零第三方依赖）。

可选：装自带插件（设置面板 + 图片编辑器）

技能本体（SKILL.md + references/ + scripts/）纯命令行就能用，不装插件照样出图。 想让 DSH 里出现 设置 → 识图与生图 供应商面板、以及输入框上方的 图片编辑器， 再装仓库自带的 plugins/dsh-img2img-config：

$plugin = "$env:USERPROFILE\.agents\skills\img2img-studio\plugins\dsh-img2img-config"

# 1) 构建（宿主 tsc + 客户端 tsdown；Node 版脚本，沙箱里无需 bash）
node "$plugin\scripts\build.mjs"

# 2) 装配（免重启热装配；重启后由 profile 的 bundles 列表接管，双路径一致）
#    有 dsh-super-injector 时用 dev_install_package；否则把包名加进 profile 的
#    dsh.profile.bundles 数组并在 node_modules 下建同名 junction
dev_install_package "$plugin"

一个包装两个面，都是一次安装就有：

面	位置	作用
供应商面板	设置 → 识图与生图	配识图 + 生图的 API Key / 模型 / 端点 / 三级优先级 / 余额探测 / ChatGPT 网页账号额度
图片编辑器	输入框上方的「图片编辑」条	对输入框里的图片做标记 / 抠图 / 涂抹擦除 / 改尺寸，结果回填输入框

面板保存即写回 img2img-studio/scripts/.env（GEN_PROVIDER_ORDER、各 *_API_KEY、 IMG_CHATGPT_WEB_ACCOUNTS）与 dsh-vision-skill/scripts/.env（VISION_PROVIDERS 等）—— 两个 skill 只装一个也能用（写盘前会先把目标目录建出来）。细节见 plugins/dsh-img2img-config/README.md。

dsh-vision-skill 是条件依赖，不是硬前置——按你的情况看要不要装：

你的情况	要不要 dsh-vision-skill	原因
会话模型是多模态（read_image 可用，如 DeepSeek-V4.1-Flash）	❌ 不用	L1 识图直接 read_image 原生看图，不跑 vision.js、不耗外部额度
会话模型是纯文本（如 GLM-5.3）	✅ 要	只有这种情况才需要 vision.js 走识图链
想把 Web 拖入的图片当参考图（i2i）	🔸 多数情况不用	DSH 0.1.5+ 的消息里已带 Normalized copy (read-only…) 路径，可直接当 --image；只有拿不到路径（只剩 attachmentId）时才需要 resolve_attachment.mjs，或自己拼 <DSH_HOME>\attachments\v1\objects\<hex前2位>\<hex>。注意归一化副本可能被重编码/缩放——要画质就用本地原图路径
想零配置出图（复用识图 key）	✅ 装了更省事	generate_image.mjs 会自动回退读 ..\dsh-vision-skill\scripts\.env
已自己配好 DASHSCOPE_API_KEY / IMG_*，且只做文生图	❌ 不用	生图链不依赖它

需要时把它放在与 img2img-studio 同一个 skills 目录下即可（或用 DSH_SKILLS_DIR 指定）。

快速开始

# 1. 查看已配置的生图供应商（不泄露密钥）
node "$env:USERPROFILE\.agents\skills\img2img-studio\scripts\generate_image.mjs" --list-providers

# 2. 文生图（默认 DashScope qwen-image-3.0-pro；零配置即用——自动复用 dsh-vision-skill 的 key，自己设 DASHSCOPE_API_KEY 也一样）
node "$env:USERPROFILE\.agents\skills\img2img-studio\scripts\generate_image.mjs" --prompt "红色苹果白底产品图" --size 1:1 --output-dir out

# 3. 图生图（带参考图）
node "$env:USERPROFILE\.agents\skills\img2img-studio\scripts\generate_image.mjs" --prompt-file prompt.txt --image ref.png --size 3:4 --output-dir out

# 4. 批量（电商套图）
node "$env:USERPROFILE\.agents\skills\img2img-studio\scripts\generate_image.mjs" --batchfile batch.json --jobs 4 --output-dir out

# 5. 看各 ChatGPT 账号的档位/额度（读「识图与生图」面板库，不泄露凭据）
node "$env:USERPROFILE\.agents\skills\img2img-studio\scripts\generate_image.mjs" --accounts

Agent 完整工作流（识图 → 路由门 → 生成 → QA）见 SKILL.md。

开发与测试

# 编排脚本自测：链序 / 额度判定 / 代理 / CLI 契约（纯离线，不花钱、不联网）
node scripts\selftest.mjs --verbose

# 直连引擎单测（TypeScript，bun 运行）
bun test engines\direct-api\scripts

推送与 PR 会自动跑同一套（见 .github/workflows/selftest.yml）。

生成通道

通道	说明	前置条件
chatgpt-web@<账号> ⭐一级优先	ChatGPT 网页出图（image 2.5）；免费账号先上，用尽切自有账号	面板添加账号后自动同步
codex-cli ⭐一级（自有账号）	自有订阅出图（Codex 客户端 / Plus），免费额度用尽后的优先选择	codex CLI 已登录 + imagegen 权限
dashscope（API 默认）	通义千问 qwen-image-3.0-pro，国内直连，t2i+i2i	零配置（可复用识图 key）
openai	OpenAI 兼容 API（默认 gpt-image-2）	IMG_BASE_URL+IMG_MODEL+IMG_API_KEY
zai	Z.AI GLM-Image（中文文字渲染强，不支持参考图）	ZAI_API_KEY
seedream	豆包（4.0+ 支持参考图）	ARK_API_KEY
minimax	海螺 image-01（人物一致性）	MINIMAX_API_KEY
local	本地 chatgpt-web 类服务	IMG_HTTP_URL

配置方式见 scripts/.env.example（也可直接用环境变量）。

风格清单

photo-art：editorial（编辑杂志）/ revival（白纸手绘诗意）/ fusion（默认，融合）/ zine-gathered（拾景实景拼贴）/ zine-distill（影像蒸馏）/ zine-minimal（极简海报）

ecommerce：白底主图 / 卖点图 / 场景图 / 细节图 / 对比图 / 平铺图 / 模特图 / 详情页 PDP / 社媒图 / 直播图 / 包装图 / 海报横幅

目录结构

img2img-studio/
├── SKILL.md                      # 主入口：L1 识图 + Step 0 路由门 + L2 生成 + 模型策略 + QA
├── references/
│   ├── routing-gate.md           # 出图前询问：通道 + 风格 + 细化需求
│   ├── photo-art-mode.md         # 照片艺术模式（editorial/revival/fusion/zine 三风格）
│   ├── ecommerce-mode.md         # 电商模式（10 步管线：转化诊断/Style Lock/铁律/详情页）
│   ├── chatgpt-web-mode.md       # ChatGPT 网页出图工作流
│   ├── image-editor.md           # GUI 编辑器回填的编辑请求怎么落地（标记/掩码/擦除）
│   └── direct-api-guide.md       # 直连引擎（12 家官方 API）的 DSH 适配
├── engines/
│   └── direct-api/               # 自有直连生图引擎（bun 运行 TS）
├── plugins/
│   └── dsh-img2img-config/       # DSH 插件：设置面板 + 图片编辑器（可选装，见「安装」）
└── scripts/
    ├── generate_image.mjs        # 多供应商生图脚本（零依赖 Node）
    ├── edit_image.mjs            # 图像编辑：manifest/resize/bg-remove/erase/local-edit
    └── .env.example              # 供应商配置示例

模型策略

一级优先：ChatGPT 网页通道（image 2.5）——订阅额度出图，文字渲染与真实感最稳，且不花 API 钱。

1. 免费网页账号先上：chatgpt-web@<免费账号>（免费档不设本地上限，一路用到服务端拒绝为止）
2. 免费额度用尽 → 自有账号优先：chatgpt-web@<自有账号> → codex-cli（自有 Plus 订阅，实时读 ~/.codex/auth.json，不用 API key）
3. 订阅通道都不可用/失败 → API 通道（下面这套 DashScope 链）

实际顺序由面板「识图与生图」排的 GEN_PROVIDER_ORDER 决定（当前：免费账号 1 → 免费账号 2 → codex-cli → qoder）；额度类错误不重试、立即切下一通道（isQuotaError）；加 --skip-exhausted 还能按面板探测结果跳过已用尽的付费账号。

API 通道内部（性能优先 + 发布时间最近优先）：

• 生图 t2i：qwen-image-3.0-pro → qwen-image-3.0 → wan2.7-image-pro → wanx2.1-t2i-plus → wanx2.1-t2i-turbo
• 生图 i2i：qwen-image-3.0-pro → wan2.7-image-pro
• OpenAI 兼容通道默认模型：gpt-image-2
• 识图（dsh-vision-skill）：qwen3.8-max → qwen3.7-plus → qwen3.7-flash → qwen-vl-max → qwen-vl-plus

License

MIT

致谢与风格来源

• 风格融合自多个开源 Skill：photo-abstract-editorial、photo-revival、ecommerce-image-suite、ecom-details-image、1click-ecom-detailpage、gpt-image2-ecommerce、designkit-skills（美图）、gathered-scenes-zine（Zeejay0，个人非商业许可，商用需其授权）、gc-minimal-zine-poster
• engines/direct-api/ 为 MIT 授权的第三方代码（见该目录 LICENSE），已重命名为本技能自有通道并完成 DSH 本地化改造