用Scenario Skills生成生产级图片：GPT Image、Gemini Nano Banana等8大模型家族的实战选择

【免费下载链接】skillsGet production-ready images, video, audio, and 3D from any AI agent: skills that pick the right model, price before spending, and keep characters and brands consistent through the Scenario MCP, plus expert teams that drive Blender, Maya, ZBrush, Unreal, and Unity.项目地址: https://gitcode.com/GitHub_Trending/skills63/skills

Scenario Skills 是一套教 AI Agent 生成生产级图片的开源技能库：Agent 会自动在 GPT Image、Gemini Nano Banana、Seedream 等 8 大模型家族中挑选最合适的模型，先报价再花钱（dry-run 定价），并让角色与品牌在整批图片中保持一致。本文面向新手，讲清 8 大模型家族各自擅长什么、如何快速上手、成本怎么控，以及新手最容易踩的坑。

一、什么是 Scenario Skills？

简单理解：Skill 就是写给 AI Agent 看的"操作手册"。每个技能是一个 SKILL.md 文件，里面沉淀了某类任务的完整流程知识，Agent 按需加载、照着执行。Scenario Skills 通过 Scenario MCP 服务器接入 500 多个模型，覆盖图片、视频、音频和 3D，兼容 Claude Code、Cursor、Codex、Copilot 等 70 多种 AI Agent。

对"生成生产级图片"这件事，它解决了三个新手最头疼的问题：

• 不用记模型参数：每个模型家族都有专属技能（如 scenario-gpt-image），Agent 每次运行前都会读取该模型的"契约"（尺寸规则、提示词长度上限、参考图数量上限）；
• 不烧冤枉钱：正式生成前先用dry_run试算价格，确认 CU（Creative Unit，场景积分）成本后再花钱；
• 出图可交付：统一的"生成 → 等待 → 预览 → 下载"闭环，透明底、精确文字、参考图一致性都有对应技巧。

二、快速上手：安装技能 + 连接 MCP 🚀

只需两条命令（以 Claude Code 为例）：

# 1. 安装图片生成核心技能 + 8 大模型家族技能 npx skills add scenario-labs/skills --skill scenario --skill scenario-image --skill scenario-gpt-image --skill scenario-mai-image --skill scenario-seedream --skill scenario-gemini-image --skill scenario-reve --skill scenario-ideogram --skill scenario-grok-imagine-image --skill scenario-luma-image # 2. 连接 Scenario MCP 服务器（用 Scenario 账号 OAuth 登录） claude mcp add --transport http scenario https://mcp.scenario.com/mcp

如果想按岗位装（2D 美术、营销美术、视频制作人各有打包好的命令集），可以看 INSTALL.md；想一次装全部 71 个 Scenario 技能，见 README.md 的 Install 章节。

装好后，直接用自然语言下指令即可，例如：

• "为我的 RPG 游戏生成 4 个风格统一、透明底的药水图标"
• "做一张演唱会海报，顶部大标题写 'MIDNIGHT ORBIT'，底部小字 'Nov 14, Union Hall'"
• "把这张产品图换到阳光露台场景，瓶子的形状、标签和颜色保持不变"

三、核心生成循环：Agent 是怎么选模型、报价、出图的

所有图片技能都建立在同一个核心循环上（定义在 scenario 技能中）：

对新手最重要的一个认知是：没有"万能参数"。同样是"生成一张 4:5 图"，GPT Image 用像素级的width/height，Gemini 用aspectRatio+resolution，MAI Image 只有aspectRatio枚举——字段名混用直接报 400 错误。技能的价值就在于 Agent 每次都会先读 schema，把这件事自动做对。

四、8 大图像模型家族速览 🖼️

先看总表，再逐家一句话点评（详细契约见各自 SKILL.md）：

1. GPT Image（OpenAI）：写实与精准编辑的主力

四个成员分工明确：2.5 Flare（快，日常用）、2.5 Sunburst（精，密集文字、图表、必须保住几何结构的编辑）、GPT Image 2、GPT Image 1.5（有inputFidelity旋钮，低档可"重画"而非"复刻"参考图）。

实战要点：

• quality是价格旋钮：1024 方图从 low 到 max 约 2 → 45 CU，比改尺寸影响大得多；
• 支持 alphamask局部重绘，2.5 成员支持background: "transparent"出真透明底；
• 技巧：用 low 档出 3 张草稿定构图，再把选中的那张提到 high/max 出终稿——质量档决定价格，尺寸影响小。

2. MAI Image（Microsoft）：图内文字最稳的家族

四个成员：2.5 / 2.5 Pro 负责生成，2.5 Edit / 2.5 Pro Edit 负责指令编辑。家族天赋是排版：标题、标签、slogan 可读且落在你指定的位置，海报、包装、杂志封面、key art 首选。

实战要点：

• 要渲染的每个字符串都必须加引号并给位置（"顶部三分之一是粗体压缩字体的大标题 'GAME DAY'"），不加引号的文案会被改写；
• 编辑口诀是"先保住，再改一处"：先说哪些不能动，再下唯一一条修改指令，多改点就分多次链式执行。

3. Seedream（ByteDance）：精准文字 + 图层拆解

5.0 Pro 能渲染可读的图内文字（包括非拉丁文字，如中文、日文）、多行排版和精确像素尺寸；Lite 快且便宜；Flash 最便宜，且background: "transparent"能让已有透明底素材编辑后仍保持透明（比如给游戏图标换色）。

独门武器Layerize：把一张成品图拆成底图 + 最多 16 个透明 PNG 图层（背景自动补全），海报改字、换产品不用重做整张图。写作时实测报价：2048 方图 Flash 4 CU / Lite 6 CU / Pro 18 CU——草稿在便宜成员上跑，Pro 留给终稿。

4. Gemini 图片（Google，Nano Banana）：参考图融合之王

三个成员：3.1 Flash（512–4K，还能从视频里抽帧、支持 Google 搜索接地）、3.0 Pro（擅长复杂指令编辑和多图融合）、3.1 Lite（最快最便宜，固定 1K）。

实战要点：

• 最多 14 张参考图，编辑不用 mask，一句人话就是指令："保持鞋子的形状、颜色和 logo 不变，放到阳光甲板上"；
• 多参考图必须逐张说明角色（"图 1 是产品，图 2 定色板"），否则模型会把它们搅在一起；
• 写提示词像"给设计师的留言"，别写标签堆；useGoogleSearch只对真实地点/产品这类事实型题材开启（会加价）。

5. Reve：推理生成 + 六图融合

v2.1是推理驱动的生成器兼指令编辑器（换海报文字、换材质、重打光），参考图用<frame>N</frame>标签指定——注意编号从 0 开始，第一张是<frame>0</frame>。Remix则是便宜快速的合成器，把最多 6 张图融成一张。两家都不带 mask，编辑全靠自然语言描述"改什么、保住什么"。

6. Ideogram：文字海报与"可本地化"素材

成员是单一用途设计，按任务点菜：4.5（文字密集生成）、4.5 Precise Edit（只改一处、其余原样，且输出保持源图精确画布——4.24:1 的横幅编辑后原尺寸返回）、V3 Generate Transparent（原生透明底）、V3 Layerize Text（平面图形变可编辑文字层，适合多语言本地化）、Character（同一角色进不同场景）、Remove Background（抠图）。

关键开关：图里有精确文案时把magicPrompt设为"off"——默认开启的提示词扩写会把你的原文案改写掉。

7. Grok Imagine Image（xAI）：广告与梗图的快速迭代

2.0 文字与编辑最强，Quality / Image 成员便宜快速。长宽比覆盖到 20:9 和 9:20，适合横竖通吃的投放素材。图内文字的口诀：引号包住原文 + 结尾加 "no other text"，防止模型自己加标签。迭代节奏：最便宜成员 + 1k 跑草稿，keeper 再用 2.0 的 2k 精修。

8. Luma Uni-1（Luma Labs）：推理型慢工出细活

Max / 标准两档。这是推理模型——先规划光影构图再渲染，一张图要一两分钟，超时等待不是失败。source放"要编辑的图"，imageRef放"指导参考"，把风格参考图误放进source会整场跑偏成编辑模式，是这家人最常见的错误。参考图必须声明角色（配色、人物、光线各领一份），webSearch: true可让模型联网找真实地点/产品的视觉依据。

五、按任务选型：你的需求该交给谁 🎯

拿不准时不用自己选：对 Agent 说清需求，recommend会给出带 tradeoff 说明的候选，你只负责拍板。

六、成本控制：先 dry_run 报价，再花钱 💰

Scenario 按 CU（Creative Unit）计费，技能内置了完整的省钱纪律：

1. dry_run=true先报价：不创建任务、不扣费，返回的creativeUnitsCost就是这份参数的精确价格；schema 里标了cost_impact: true的字段（质量档、输出数量、参考图数、尺寸）每动一次，都要重新报价；
2. 草稿跑便宜成员，终稿再上高档位：GPT Image 从 low（2 CU）到 max（45 CU）差 20 多倍，各家族同理；
3. 失败会退款（除被内容审核拦下的部分），但已提交的任务无法取消，所以批量前先算好并发与预算。

团队层面的用量一目了然——scenario-admin-analytics技能可以从 MCP 拉取缓存的用量数据，生成仪表盘、CSV 和 PDF 报告。这是用量总览视图，消耗 CU、模型数、任务数和各模型占比都在一页里：

七、团队协作：按角色安装 + 用量审计 👥

INSTALL.md 按岗位打包了技能集：2D 美术装 23 个、营销美术装 24 个、艺术总监聚焦角色一致性与质量门（scenario-consistency+scenario-quality-gate）……各装各的，互不干扰。

管理员还能让 Agent 查"谁花了多少"：按模型、日期、身份过滤后，能看到 CU 消耗归因到具体的人，并一键导出 CSV 或打印成 PDF 交付物：

八、新手最容易踩的 5 个坑 ⚠️

1. 拿 A 模型的参数去跑 B 模型：字段名、尺寸类型、枚举值都不通用，400 报错是常态。技能要求 Agent 每次运行前先读 schema，别手动搬参数；
2. 参考图传了裸字符串：schema 要求数组时，单个字符串会被静默丢弃——任务成功，但图当没给参考图。Agent 会用asset_get回查确认参考图真的被消费了；
3. 默认请求的像素尺寸会兑现：有的模型会悄悄钳位（3840x960 可能回来 3840x1280），有的超宽源图会被加白边。终稿一定用asset_get核对实际尺寸；
4. 在提示词里写"透明背景"：扩散模型输出天然是不透明的，要用background字段或专门的抠图模型；
5. 重跑 hoping 出同一张图：多数模型没有 seed，重跑就是一张新图。正确姿势：留住 winner 素材，在它上面链式编辑。

九、总结

Scenario Skills 把"选模型、读契约、报价、出图、质检"这条生产链路沉淀成了可安装的 SKILL.md，让 AI Agent 像资深美术指导一样干活：GPT Image 出写实产品图、MAI Image 和 Seedream 管精准文字、Gemini 做多参考图融合、Ideogram 保尺寸编辑、Luma 慢工出细活。对新手的建议路径：装技能 → 连 MCP → 用自然语言下需求 → 看 dry_run 报价再放行，剩下的参数细节交给技能去兜底。更多按角色的安装命令见 INSTALL.md，完整技能清单见 README.md。

【免费下载链接】skillsGet production-ready images, video, audio, and 3D from any AI agent: skills that pick the right model, price before spending, and keep characters and brands consistent through the Scenario MCP, plus expert teams that drive Blender, Maya, ZBrush, Unreal, and Unity.项目地址: https://gitcode.com/GitHub_Trending/skills63/skills