---
name: ai-image
description: Generate images via AI text-to-image API (GPT Image / Grok). Use when the user asks to draw, paint, generate, or create an image from a text description.
---

# AI 绘图工具

通过 FastAPI 文生图服务生成图片，供 Agent 通过 HTTP/cURL 直接调用，无需自己实现模型请求逻辑。

服务端使用 OpenAI Python SDK 请求 GPT Image / Grok Image 上游接口，生成的图片保存在服务端 `output/<profile_name>/` 目录，并通过 HTTP 返回访问地址。

## 可用脚本

| 能力 | 服务端文件 | HTTP 端点 | 模型 |
|------|------------|------------|------|
| GPT / Grok 绘图 | `agent-image-t2i.py` | `POST /images/generations` | `gpt-image-2-1K` / `gpt-image-2-2K` / `gpt-image-2-4K` / `grok-imagine-image-lite` |
| 健康检查 | `agent-image-t2i.py` | `GET /health` | — |
| 图片访问 | `agent-image-t2i.py` | `GET /output/{profile_name}/{filename}` | — |

## GPT 模型说明

| 模型 | 输出尺寸 | 备注 |
|------|----------|------|
| `gpt-image-2-1K` | ~1254×1254（1:1）或 1536×1024（横版） | **推荐**，线路稳定 |
| `gpt-image-2-2K` | 不固定 | 线路不稳定，可能 503 |
| `gpt-image-2-4K` | 不固定 | 线路不稳定，可能 503 |

> Grok 模型的 size 参数不可靠，API 返回尺寸不受控。

## 使用方式

默认服务地址为 `http://localhost:8765`。

健康检查：

```bash
curl http://localhost:8765/health
```

使用 Grok 绘图：

```bash
curl -X POST http://localhost:8765/images/generations \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "a cute cat",
    "provider": "grok",
    "size": "1024x1024",
    "n": 1,
    "profile_name": "profile_name"
  }'
```

使用 GPT 绘图：

```bash
curl -X POST http://localhost:8765/images/generations \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "a cute cat",
    "provider": "gpt",
    "model": "gpt-image-2-1K",
    "size": "1536x1024",
    "n": 1,
    "profile_name": "profile_name"
  }'
```

生成结果中的 `url` 为图片访问地址，例如 `http://localhost:8765/output/{profile_name}/{filename}`。

## 调用建议

- **优先用 Grok**：稳定出图，适合日常使用
- **追求画质用 GPT 1K**：请求中设置 `"provider": "gpt"`
- **GPT 2K/4K 线路可能不稳定**：不推荐作为默认模型
- **Prompt 用英文**：效果通常比中文好
- 使用 Docker Compose 时，项目的 `output/` 会映射到容器的 `/app/output`

## 请求参数

请求体为 JSON，发送到 `POST /images/generations`：

- `profile_name`：**必填**，调用方 agent 的标识（建议用 agent 名称），不填会报 422 错误；图片会保存到 `output/<profile_name>/` 目录
- `prompt`：必填，图片提示词
- `provider`：可选，`grok` 或 `gpt`，默认 `grok`
- `model`：可选，覆盖 provider 的默认模型
- `size`：可选，默认 `1024x1024`
- `n`：可选，生成数量，范围 `1 ~ 10`，默认 `1`

## 输出规范

- 图片保存在服务端 `output/<profile_name>/` 目录，按调用方 agent 区分
- 响应返回 `filename`、`url` 和文件大小 `bytes`
- 图片通过 `GET /output/{profile_name}/{filename}` 访问
- 服务启动后，响应中的相对路径 `url` 需要拼接服务地址，例如 `http://localhost:8765/output/{profile_name}/{filename}`

## Prompt 技巧

### 基本结构

一个高质量的 prompt 建议包含：**主体 + 动作/状态 + 环境 + 光线 + 风格 + 情绪 + 画质后缀**。描述越具体，出图越符合预期。

```text
[主体] [动作/状态]，[环境/场景]，[光线]，[风格]，[情绪]，[画质后缀]
```

### 示例对比

| 模糊（效果差） | 具体（效果好） |
|---|---|
| `a cat` | `a fluffy orange tabby cat sleeping on a windowsill, warm afternoon sunlight, cozy living room, photorealistic, peaceful mood, cinematic lighting, highly detailed` |
| `a car` | `a red sports car driving on a mountain road at sunset, golden hour light, dramatic clouds, cinematic wide shot, sense of speed, 4K, highly detailed` |
| `a girl` | `a young girl with braided hair reading a book under a cherry blossom tree, soft morning light, anime style, nostalgic mood, detailed illustration` |

### 常用要素清单

- **光线**：golden hour、soft morning light、neon lights、candlelight、cinematic lighting、studio lighting
- **风格**：photorealistic、anime style、watercolor、oil painting、3D render、pixel art、cyberpunk、minimalist
- **情绪**：peaceful、mysterious、energetic、nostalgic、romantic、dark
- **画质后缀**：highly detailed、8K、sharp focus、award winning photography

### 尺寸参数

`size` 是请求体里的 JSON 字段，不是命令行参数：

- 正方形：`"size": "1024x1024"`
- 横版：`"size": "1536x1024"`（仅 GPT 1K 稳定支持）
- Grok 模型的 `size` 不可靠，输出尺寸不受控，建议固定用 `1024x1024`

### 其他建议

- 使用英文 prompt 效果通常比中文好
- 需要保持系列风格一致时，把风格描述固定写在 prompt 末尾
- 想要照片质感：加 `photorealistic, cinematic lighting, highly detailed`
- 想要插画/二次元风：指明 `anime style, detailed illustration` 或 `watercolor` 等风格词

## 配置与注意事项

- 单次上游请求超时为 120 秒
- 上游请求遇到网络错误或 408/429/500/502/503/504 时，最多自动重试 3 次，并使用指数退避
- FastAPI 自动文档地址：`http://localhost:8765/docs`