企业官网建设流程全解析

基于 Google AI Studio 的 ai-studio-image 技能实战：用 Gemini/Imagen 生成 100% 手机质感的人性化图片

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills

导读

ai-studio-image 是 agentic-awesome-skills 仓库中的一张社区技能（Skill），它的目标不是"生成一张漂亮的 AI 图"，而是把任何文本描述变成一张看起来像真人用手机随手拍下的照片——有传感器噪点、有轻微手抖、有不够完美的构图、有真实的皮肤纹理。本文以 SKILL.md 为骨架，结合 scripts 下的完整实现源码，完整讲解从 API Key 配置、依赖安装、五步生成工作流、五层人性化提示词引擎，到模型选择、模板库、批量生成与排障的全部细节。读完本文，你可以直接在命令行中复现完整的"人性化图片生成"流程，并理解其底层实现原理。

一、技能定位：AI 图片与真实照片之间差在哪

原文档用一句话点出了本技能的核心观察：一张 AI 图片与一张真实照片的差别，往往在于那些"几乎察觉不到"的细节——手机传感器的轻微颗粒感、并不完美的光线、略偏离中心的取景、小镜头特有的景深。

这个理念被直接写进了技能的能力描述（SKILL.md）：生成 via Google AI Studio（Gemini）的人性化图片，产出 influencer（网红生活方式）或 educacional（教育/教学）两种风格、带有自然光线和细微不完美的写实照片。因此这张技能适用于以下场景：

• 用户提到"gera imagem / gerar foto / criar imagem"（生成图片）类诉求；
• 用户提到"foto realista"（写实照片）、"imagem humanizada"（人性化图片）、"foto influencer"（网红照片）等关键词；
• 需要为社交媒体、教程课件、品牌内容提供"像真人拍摄"的视觉素材。

反之，当任务与图片生成无关、存在更简单的专用工具、或用户只需要通用能力时，不应启用该技能（SKILL.md 的 When to Use / Do Not Use 章节）。

二、环境准备：API Key 与依赖安装

2.1 获取并配置 API Key

使用本技能前需要 Google AI Studio 的 API Key，完整步骤见 references/setup-guide.md：

1. 访问 aistudio.google.com/apikey 页面；
2. 点击 "Create API Key"，选择或新建一个 Google Cloud 项目；
3. 复制生成的 Key。

配置方式有两种，推荐方案 A：.env文件（可同时配置多把 Key 做自动故障转移）：

GEMINI_API_KEY=sua-api-key-principal GEMINI_API_KEY_BACKUP_1=key-backup-1 GEMINI_API_KEY_BACKUP_2=key-backup-2

方案 B：环境变量（SKILL.md 第三节）。

# Windows CMD set GEMINI_API_KEY=sua-api-key # PowerShell $env:GEMINI_API_KEY="sua-api-key" # Linux/Mac export GEMINI_API_KEY=sua-api-key

源码层面的 Key 读取顺序（scripts/config.py 的get_api_key/get_all_api_keys）依次是：环境变量GEMINI_API_KEY→ 技能根目录.env中的GEMINI_API_KEY→GEMINI_API_KEY_BACKUP_1→GEMINI_API_KEY_BACKUP_2。get_all_api_keys会收集所有可用 Key 组成列表，供主脚本在单把 Key 失败或触发限流时轮换重试。

2.2 安装依赖

按 requirements.txt 安装（要求 Python 3.10+）：

pip install -r C:\Users\renat\skills\ai-studio-image\scripts\requirements.txt

或手动安装：

pip install google-genai Pillow python-dotenv

• google-genai：官方 Gemini/Imagen 生成接口；
• Pillow：处理参考图片（Gemini Pro Image 的 reference images 功能依赖它）；
• python-dotenv：加载.env文件。

主脚本 generate.py 启动时会通过_check_dependencies()校验google.genai是否可用，缺失时直接打印安装提示并退出。

三、快速上手：生成你的第一张图片

python C:\Users\renat\skills\ai-studio-image\scripts\generate.py --prompt "mulher jovem tomando cafe em cafeteria" --mode influencer --format square

建议先跑两个自检命令确认环境就绪（references/setup-guide.md）：

# 列出所有可用模型及其 ID / 最大生成数量 / 最大分辨率 python C:\Users\renat\skills\ai-studio-image\scripts\generate.py --list-models # 列出所有格式、宽高比与别名 python C:\Users\renat\skills\ai-studio-image\scripts\generate.py --list-formats

生成结果默认写入技能目录下的data/outputs/（由 config.py 的OUTPUTS_DIR定义，目录不存在会自动创建）。每一张图片都会附带一个.meta.json元数据文件（generate.py 的save_image函数），记录原始提示词、人性化后提示词、模式、格式、宽高比、模型、分辨率、生成耗时、所用 Key 序号等完整信息；若开启了save_prompt，还会额外保存一份last_prompt_*.txt，方便回溯对比"原始 prompt → 人性化 prompt"。

四、核心工作流：从需求到成图的五个步骤

原文档定义的主流程如下（SKILL.md Workflow Principal 章节），它是使用本技能必须遵守的完整链路。

第 1 步：确定模式（Modo）

用户未指定时：社交内容默认influencer，教学/演示相关默认educacional。

对应到源码（config.py 的MODES）：两种模式各有一套base_style（基础风格句）与avoid（禁忌句）。例如 influencer 模式会注入"真实的社媒照片、有吸引力的生活美学"等描述，同时明确禁止"棚拍感、完美对称构图、磨皮塑料感皮肤、广告/商业摄影感、过度饱和调色、恐怖谷脸"；educacional 模式则强调"干净专业、视线聚焦教学内容、不杂乱、文字可读"，并禁止"剪贴画/库存图感、杂乱背景、过于冷峻的机构氛围"。

第 2 步：确定格式（Formato）

原文档给出的四种基础格式：

源码中实际支持远不止四种（config.py 的IMAGE_FORMATS）：还包括portrait-45（4:5，Instagram 最优竖版）、portrait-23（2:3，海报/打印）、landscape-43（4:3，演示）、landscape-32（3:2，35mm 摄影）、landscape-54（5:4，近方形/8x10）、widescreen（16:9）、ultrawide（21:9，电影横幅）。CLI 的--format参数同时支持别名（FORMAT_ALIASES），例如1:1→square、16:9→widescreen、9:16→stories、pinterest→portrait-23、youtube→widescreen 等，也支持直接写4:5、16:9这类宽高比字面量（由 prompt_engine.py 的resolve_format解析）。

第 3 步：转换提示词（最重要的环节）

原则：永远不要直接把用户的 prompt 发给 API，必须先经过人性化引擎（humanization engine）。

python C:\Users\renat\skills\ai-studio-image\scripts\prompt_engine.py --prompt "prompt do usuario" --mode influencer

这一步对应源码中 prompt_engine.py 的humanize_prompt。它遵循 Google 官方的核心提示词原则——"Describe the scene, don't just list keywords"（描述场景，而不是罗列关键词），将用户一句话扩展为一篇多段落的分镜叙事。原文档概括为五层"真实感注入"，源码中每层都分为core（核心，全部等级生效）与enhanced（增强，仅ultra/natural等级生效）两组英文修饰语：

• 第 1 层——设备与技法（Device & Technique）：智能手机而非专业单反拍摄、小镜头天然景深、无闪光灯仅环境光、低光下的传感器噪点；增强项包括广角边缘畸变、手机自动对焦产生的背景散景、高对比边缘的轻微色差。
• 第 2 层——自然光线（Natural Lighting）：间接阳光/golden hour/窗光、柔和有机的阴影、无影棚灯、表面自然反光；增强项包括皮肤/玻璃/金属上的微妙高光、混合光源带来的色温自然变化、光衰减塑造的立体感。
• 第 3 层——人性不完美（Human Imperfections）：非数学对称的略偏构图、背景轻微失焦的浅景深、手持微抖带来的非像素级锐度、环境中未被刻意布置的随机杂物；增强项包括略歪的地平线、显生活气息的场景。
• 第 4 层——真实性（Authenticity）：真诚随意的面部表情而非棚拍姿势、日常着装、可见毛孔与细微瑕疵的真实皮肤（拒绝瓷娃娃皮肤）、写实的身体比例；增强项包括被偷拍式的不自知瞬间、自然发丝纹理、手部关节褶皱与青筋。
• 第 5 层——环境语境（Environmental Context）：真实场景而非通用影棚背景、场景中的日常物件、与环境及时段一致的照明；增强项包括前景/中景/背景的层次深度、空气中的尘埃/蒸汽等氛围元素。

humanize_prompt最终按 8 个叙事段落组装 prompt：主叙述开场（带自动检测的 shot type）→ 模式风格叙事 → 人性化层修饰（超 6 条时拆成两段）→ 等级专属修饰 → 光照修饰 → 模板上下文 → 禁忌句（"不要做什么"）→ 真实性锚点句（"最终图像必须与真人用手机在日常生活里拍的照片完全无法区分"）。同时它会用RATE_LIMITS["max_prompt_tokens"] * 4（约 480 token ≈ 1800 字符）作为上限，超长时自动降级为保留核心要素的紧凑版。

此外，prompt_engine.py内置一个智能分析器analyze_prompt，通过关键词自动推断模式、格式、光照、人性化等级、景别（shot type）、模型与分辨率，可直接用--analyze调用：

python C:\Users\renat\skills\ai-studio-image\scripts\prompt_engine.py --prompt "professor explicando na lousa com luz de manha" --analyze

例如命中"professor/lousa/quadro"会推断educacional，命中"manha"会推断morning光照。景别检测（_detect_shot_type）支持 close-up、medium、wide、top-down、over-shoulder、pov 等 7 类，默认回退为 medium（prompt_engine.py）。

第 4 步：生成图片

python C:\Users\renat\skills\ai-studio-image\scripts\generate.py \ --prompt "prompt humanizado gerado no passo anterior" \ --mode influencer \ --format square \ --model gemini-2-flash-exp \ --output C:\Users\renat\skills\ai-studio-image\data\outputs\

generate.py 的generate()是主入口，内部流程为：安全检查 → 获取全部 Key → 解析格式别名 → 人性化 prompt（可用--skip-humanization跳过）→ 按模型类型分派 Imagen 或 Gemini 生成 → 多 Key/多轮重试 → 落盘图片与元数据。

两个生成分支的实现要点：

• Imagen 系列（imagen-4/imagen-4-ultra/imagen-4-fast）：走generate_with_imagen，通过client.models.generate_images+GenerateImagesConfig，支持number_of_images（最多 4 张）、aspect_ratio、person_generation（人物生成策略）与 2K 分辨率（imagen-4-fast不支持 2K，源码中对"fast"模型会跳过image_size参数）。
• Gemini 系列（gemini-2-flash-exp/gemini-flash-image/gemini-pro-image）：走generate_with_gemini，通过client.models.generate_content，response_modalities=["TEXT", "IMAGE"]；支持aspect_ratio（gemini-2-flash-exp的配置中supports_aspect_ratio=False，源码会据此回退为不带 ImageConfig 的简化请求）、2K/4K 分辨率（仅 pro 模型）、以及gemini-pro-image独有的一批参考图片（--reference-images，最多 14 张：6 个物体 + 5 个人物，用于角色/物品一致性）。

第 5 步：展示与迭代

生成后向用户展示结果。原文档给出的常见调整方向：

• 重打光（Reluz）：调整光线；
• 重新取景（Reenquadrar）：调整构图；
• 更自然/更精致：调整人性化等级；
• 换场景：改变环境。

可用模型总览

原文档的推荐顺序与价格表（付费模型必须显式加--force-paid）：

以上成本数据来自源码 config.py 的MODELS表（cost_per_image字段）与PAID_MODELS/FREE_MODELS集合，以及原文档模型表。源码里还实现了费用安全阀：safety_check_model会拦截所有付费模型——当环境变量SAFETY_BLOCK_PAID_MODELS默认为true时，使用付费模型必须显式追加--force-paid才会放行；safety_check_daily_limit则通过统计data/outputs/*.meta.json中当天的生成数，校验SAFETY_MAX_IMAGES_PER_DAY（默认 50）的每日限额。这意味着即使批量任务脚本误选了付费模型，也不会产生意外账单。

五、模板库：开箱即用的常见场景

用以下命令查看全部模板：

python C:\Users\renat\skills\ai-studio-image\scripts\templates.py --list python C:\Users\renat\skills\ai-studio-image\scripts\templates.py --list --mode influencer # 按模式过滤 python C:\Users\renat\skills\ai-studio-image\scripts\templates.py --show cafe-lifestyle # 查看单个模板详情 python C:\Users\renat\skills\ai-studio-image\scripts\templates.py --search cafe # 按 tag 搜索

Influencer 模式模板（templates.py 的INFLUENCER_TEMPLATES）：

Educacional 模式模板（EDUCATIONAL_TEMPLATES）：

使用模板生成图片时，可以叠加--custom注入个性化细节，模板自带的suggested_format/suggested_lighting/suggested_humanization会自动覆盖对应参数（generate.py 的模板分支逻辑）：

python C:\Users\renat\skills\ai-studio-image\scripts\generate.py \ --template cafe-lifestyle \ --custom "mulher ruiva, 30 anos, lendo livro" \ --format square

六、人性化等级（Nível de Humanização）

控制注入多少"不完美"（默认natural）：

python C:\Users\renat\skills\ai-studio-image\scripts\generate.py \ --prompt "..." --humanization natural

源码中四个等级各有一套专属修饰语（config.py 的HUMANIZATION_LEVELS），例如ultra会注入"老款手机轻微降质、阴影处明显噪点颗粒、明显偏离中心且略倾斜的构图、手持微颤运动模糊、镜头边缘指纹污渍、未经任何滤镜处理、自动曝光不完美"等修饰；editorial则注入"杂志级构图但仍显随性、专业自然光但无可见人工光源、健康自然皮肤加极轻柔焦、有品牌感的统一配色"。

七、光照与时段（Hora do Dia）

光线对成片影响巨大，原文档提供 6 个选项：

源码中LIGHTING_OPTIONS实际还额外支持blue-hour（蓝调时刻，日落后冷蓝天空配暖色城市灯光）与shade（开放阴影，反射光柔和、人像友好）。各选项均带 3~4 条英文光照修饰句，会作为独立叙事段落拼入最终 prompt。配合--analyze时，光照也可由关键词自动推断（"noite/night/bar/neon"→night，"nublado/chuva"→overcast 等）。

八、批量生成、CLI 全参数与周边集成

8.1 批量生成多个变体

python C:\Users\renat\skills\ai-studio-image\scripts\generate.py \ --prompt "..." --variations 4 --format square

--variations取 1~4，最终数量还会被模型上限（max_images）钳制：Imagen 系列每请求最多 4 张，Gemini 系列每请求 1 张。

8.2 CLI 参数速查

generate.py 的完整参数表：

• 输入：--prompt（直接描述）、--template+--custom（模板生成）；
• 风格：--mode（influencer/educacional）、--format（名称、宽高比或别名）、--humanization（ultra/natural/polished/editorial）、--lighting（morning/golden-hour/midday/overcast/night/indoor/blue-hour/shade）、--shot-type（景别，如 close-up/medium/wide/top-down/pov）；
• 模型与质量：--model（六个模型之一）、--resolution（1K/2K/4K）、--variations（1~4）；
• 高级：--reference-images（仅 Gemini Pro Image，参考图路径列表）、--person-generation（dont_allow/allow_adult/allow_all，默认 allow_adult，注意 allow_all 在 EU/UK/CH/MENA 不可用）、--skip-humanization（跳过人性化直接发送原 prompt）、--force-paid（显式确认使用付费模型）；
• 输出与工具：--output（自定义输出目录）、--analyze（仅分析并建议配置）、--list-models、--list-formats、--json（结构化输出）。

8.3 与 Instagram / Canva 的集成

原文档给出了两条扩展用法：

1. Instagram Skill 联动：先用ai-studio-image生成照片，再用仓库中的instagram技能直接发布并附带优化过的文案（SKILL.md 的 Instagram Skill 章节）；
2. Canva 集成：生成的图片可送入 Canva 继续叠加文字/品牌元素。

需要说明的是，这两条属于原文档中与仓库其他技能协作的用法指引，核心链路仍是本技能自身的生成管线。

九、进阶提示词工程要点

references/prompt-engineering.md 总结了从"能用"到"惊艳"的关键手法：

• 叙事优于关键词：多段描述性的 prompt 优于散装关键词列表，这是 Google 官方建议的核心理念；
• 模拟手机相机：浅景深（小镜头 bokeh）、传感器噪点（尤其弱光）、广角边缘畸变、不完美的自动曝光、有机颗粒纹理；
• 真实表情：不要棚拍姿势，改用"和朋友聊天时笑到一半被抓拍""低头看手机微微带笑""专注工作没注意镜头"这类瞬间；
• 有生命的环境："背景虚化的其他顾客""用过留有刀痕的砧板和切了一半的蔬菜""带着咖啡渍圆环的桌面"；
• 摄影术语表：golden hour / blue hour / overcast diffused、85mm 人像头 / 35mm 广角、f/1.8 浅景深、三分法 / 负空间 / 前中后景分层、可见毛孔与织物纹理等；
• 三种复杂度范例：简单（一句话）→ 中等（加环境与表情）→ 高级（完整叙事 + 拍摄方式 + 皮肤细节 + 情感收尾），供对照学习；
• 常见错误清单：prompt 过短、堆关键词、要求"完美"、忽略环境、不指定相机、追求"完美皮肤"、影棚光、模特姿势。

另外原文档还提到 Google 对图片内文本的限制：Imagen 系列单图文本上限25 字符、最多 3 个不同短语，复杂文本渲染应改用gemini-pro-image（config.py 的RATE_LIMITS与 prompt-engineering.md）。Gemini Pro 系列还支持多轮对话式改图（"把咖啡杯左移一点""光线调暖一些"）、14 张参考图（6 物体 + 5 人物）、Thinking Mode（生成前先构思构图）与 Search Grounding（结合实时网络信息生成）。

十、故障排查与最佳实践

10.1 常见问题对照表

原文档与 references/setup-guide.md 中的排障表合并如下：

从源码看，generate.py 的重试机制已经内置了对 429 /RESOURCE_EXHAUSTED的处理：自动从服务端响应中提取retryDelay（上限 60 秒）等待后重试，最多 3 轮；中途某把 Key 失败会自动切到下一把备份 Key。

10.2 使用建议（原文档 Best Practices / Common Pitfalls / Limitations）

• 提供清晰、具体的项目背景与需求上下文，效果远好于笼统描述；
• 将本技能输出用于生产前，应结合自身场景做验证与专家复核，不要把生成结果当作环境级验证的替代品；
• 避免把技能用于其领域之外的任务、避免不结合上下文盲目套用建议；
• 当所需输入、权限、安全边界或成功标准缺失时，先停下来澄清，不要硬生成。

结语

ai-studio-image 的价值不在于"多了一个图片生成脚本"，而在于它把"如何让 AI 图看起来像真人拍的"沉淀成了一套可复现的工程方法：五层人性化提示词引擎（prompt_engine.py）、双模型族（Imagen/Gemini）分发与多 Key 故障转移（generate.py）、集中式配置与费用安全阀（config.py）、以及 20 个开箱即用的场景模板（templates.py）。掌握这套工作流后，你可以稳定地产出符合"真实生活质感"标准的社交媒体与教学配图，也能直接复用其思路为自己的图像生成管线设计人性化提示词。

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills