img2img-studio

August 15, 2026 · View on GitHub

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（依赖 dsh-vision-skill，见下方「前置依赖」）
  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+。前置依赖：dsh-vision-skill（识图脚本，需放在与 img2img-studio 相同的 skills 目录下，或通过 DSH_SKILLS_DIR 环境变量指定；详见 SKILL.md）。

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）
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

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

生成通道

通道	说明	前置条件
`dashscope`（默认）	通义千问 qwen-image-3.0-pro，国内直连，t2i+i2i	零配置（复用识图 key）
`chatgpt-web`	ChatGPT 网页 gpt-image	浏览器登录态
`openai`	OpenAI 兼容 API（gpt-image 等）	`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`
`codex-cli`	Codex/ChatGPT 订阅出图	codex CLI + imagegen 权限

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
└── scripts/
    ├── generate_image.mjs        # 多供应商生图脚本（零依赖 Node）
    └── .env.example              # 供应商配置示例

模型策略

性能优先 + 发布时间最近优先（DashScope 默认链）：

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
识图（dsh-vision-skill）：qwen3.8-max → qwen3.7-plus → qwen3.7-flash → ...

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、baoyu-image-gen（模型/供应商设计参考）
生图供应商设计参考 JimLiu/baoyu-skills 的 baoyu-image-gen