图像生成 Skill 怎么用：从提示词到出图的完整实测

图像生成 Skill 能做什么

这个 Skill 的核心能力很直接：调用 AI 模型把文字描述变成图像。它覆盖的范围包括照片、插图、艺术品、视觉资产、概念艺术——但凡不是技术图表的事，它都能干。流程图、电路图、通路图这类有严格规范的东西，条目明确说了要换用 scientific-schematics 技能，别硬上。

兼容工具是 Claude Code、OpenClaw 和 Hermes Agent。来源是 claude-scientific-skills，MIT 许可，上游挂在 K-Dense-AI/scientific-agent-skills 下面。

上手准备与安装

条目信息里没有给出具体的安装命令或 pip 安装步骤。实际用法是在兼容的 AI 工具中启用该 Skill——如果你用的是 Claude Code，通常是在对话里通过 Skill 调用机制加载；OpenClaw 和 Hermes Agent 同理，按各自工具的 Skill 启用流程走即可。不需要额外克隆仓库或配置环境变量。

第一次生成图片

启用 Skill 后，直接描述你想要的画面。模型会处理文本到图像的转换。条目里提到的两个模型是 FLUX 和 Nano Banana 2，分别对应不同的生成特性：FLUX 在细节和语义理解上较强，Nano Banana 2 偏向效率和轻量部署。具体调用哪个，取决于你当前工具后端配置的是哪个端点。

生成时建议先定尺寸和用途——社交媒体头图、论文插图、概念草图，对比例和清晰度的要求完全不同。第一次不用追求复杂，先把"主体+风格+质量要求"这三段说清楚。

提示词写法实战

提示词是这个 Skill 的命脉。条目虽然没有展开讲提示词工程，但从模型特性可以反推写法逻辑。

主体锚定

先写清楚"是什么"。别写"一只狗"，写"一只金毛寻回犬，侧脸，阳光从右上方照射"。FLUX 对具体物种、品种、角度的理解很准，模糊描述反而让它自由发挥过头。

风格限定

第二段锁死视觉风格。"数字绘画"太宽，"吉卜力工作室 1990 年代背景画风，水彩边缘"就窄得多。Nano Banana 2 对风格关键词的响应速度快，但容易"油"，加一句"避免过度渲染"能压住。

质量与排除

末尾加技术参数和负面描述。正面用"8K 细节、电影级构图、浅景深"；负面用"变形手指、多余肢体、低分辨率、水印"。FLUX 对"变形手指"这类具体缺陷词很敏感，加了确实能减少翻车。

示例对比

• 弱："科学家在实验室"
• 强："中年女性研究员，穿白色实验服，正在操作移液器，背景是冷白色 LED 照明的生物安全柜，浅景深，纪录片摄影风格，避免卡通化"

典型使用场景

这个 Skill 的条目描述里划了明确边界：通用图像生成可以，技术图表不行。实际用起来，这几类最顺手：

• 概念艺术：游戏场景、角色设定，快速出图给团队对齐方向
• 视觉资产：电商产品图、社交媒体配图，替代部分素材采购
• 插图辅助：论文、PPT、海报里需要一张"大概这样"的图，不用开 Photoshop
• 风格探索：同一主题换十几种画风，找参考比传统搜图快

注意，如果客户或审稿方要求"可编辑源文件"，AI 生成的位图会卡在这一步。提前确认交付格式。

效果不好时怎么排查

出图崩了，先别换模型，按顺序查：

1. 提示词有没有自相矛盾："写实照片"和"矢量插画"同时出现，模型会愣住
2. 主体占比是否清晰：画面里塞五个重点，等于没有重点
3. 风格词是否打架："赛博朋克"配"田园牧歌"，FLUX 会折中出个四不像
4. 负面提示是否遗漏：尤其人手、文字、对称结构，这三样是通用难点
5. 工具后端是否切换：Claude Code 和 OpenClaw 可能配置的模型版本不同，出图质量有差异

如果以上都没问题，再考虑换模型或调整生成参数。多数时候，改提示词比调参数见效快。