К основному содержанию
скилл CX Codex

image-gen — скилл для Claude Code: генерация картинок из промпта

Скилл генерирует изображения по текстовому описанию через CLI ListenHub: выбираете модель, разрешение, пропорции и получаете файл.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add marswaveai/skills --skill image-gen -a claude-code
Открыть на GitHub

Что делает image-gen

Скилл запускает генерацию картинки из описания на естественном языке. Поддерживает референсы — локальные файлы или ссылки, до 5 штук, форматы jpg, png, webp, gif, не больше 10MB на файл. Готовое изображение сохраняется в .listenhub/image-gen/YYYY-MM-DD-{jobId}/, а не в ~/Downloads/.

Перед первым запуском скилл проверяет авторизацию CLI и при необходимости сам ставит и логинит listenhub — вручную команды вводить не нужно. Дальше он задаёт вопросы по одному через AskUserQuestion: описание, модель, разрешение и пропорции, референсы. Пока вы не подтвердите сводку параметров, команда генерации не вызывается.

Модель flash открывает крайние пропорции вроде 1:4 и 8:1, у pro их нет. Редактировать существующие картинки скилл не умеет — для этого он не подходит. Настройки лежат в .listenhub/image-gen/config.json, и без явной просьбы переконфигурировать скилл их не трогает.

Какие задачи решает

  • сгенерировать обложку к статье по текстовому описанию
  • сделать иллюстрацию или концепт-арт из короткого промпта
  • получить картинку в нужных пропорциях под конкретный макет
  • подобрать стиль по референсному изображению или ссылке
  • сохранить результат в папку проекта, а не в загрузки

Примеры запросов агенту

  • сгенерируй картинку: ночной город в дождь, неон, вид сверху
  • сделай обложку 16:9 в 2K по этому описанию
  • сгенерируй иллюстрацию по референсу ./sketch.png

Как установить image-gen

1Через Skills CLI (Vercel)

npx skills add marswaveai/skills --skill image-gen -a claude-code

2Вручную: положить файлы

~/.claude/skills/image-gen/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/image-gen/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора8

listenhub Определяет задачу пользователя и направляет её в нужный специализированный скилл ListenHub. Пригодится при генерации озвучки, музыки, видео или презентаций. CX Codex +1 1 500установок tts Превращает текст в аудио: одна реплика или диалог на несколько голосов. Пригодится, когда нужно быстро получить озвучку прямо из чата с агентом. CX Codex +1 1 400установок asr Переводит аудиозаписи в текст локально без сторонних API и ключей через утилиту coli. Пригодится для быстрой расшифровки встреч и голосовых заметок прямо в терминале. CX Codex +1 1 300установок podcast Генерирует аудиоподкасты с диалогом двух ИИ-ведущих и расшифровкой по теме, статье или заметкам. Пригодится для быстрого перевода материалов в аудио. CX Codex +1 1 200установок explainer Скилл делает объясняющие и обучающие видео: один голос за кадром плюс сгенерированные визуалы. Пригодится для презентации продукта или разбора концепции. CX Codex +1 1 100установок listenhub-cli Разбирает запрос по смыслу и передаёт его нужному скиллу ListenHub: подкаст, озвучка, видео, музыка, картинки. CX Codex +1 592установок video-gen Скилл превращает текстовое описание или картинку в готовый ролик через CLI ListenHub. Пригодится, когда нужен клип, анимация кадра или липсинк под аудио. CX Codex +1 325установок

Похожие

baoyu-image-gen JimLiu Генерация картинок через API OpenAI, Google, DashScope и других сервисов из агента. Подходит для отрисовки по референсам и параллельной пакетной генерации. CX Codex +1 33 600установок seo-image-gen AgriciDaniel Генерирует OG-картинки, обложки статей, фото товаров и инфографику через Gemini. Пригодится, когда SEO-изображение нужно создать прямо из агентной среды. CX Codex +1 6 100установок canghe-image-gen freestylefly Скилл для генерации картинок через OpenAI, Google, DashScope и Canghe. Помогает создавать изображения по тексту и референсам прямо в диалоге с агентом. CX Codex +1 594установок skill-image-gen официальный adamd9 Генерирует изображения по текстовому описанию прямо в редакторе. Пригодится для создания иконок, текстур и спрайтов без перехода в сторонние сервисы. ★ 40 418звёзд репо gpt-image-2 pilioai Скилл для генерации и редактирования изображений через Pilio GPT Image 2: текстовые промпты, рестайлинг, работа с референсами. CX Codex +1 20 300установок p-image 101-skills Скилл гоняет модели Pruna P-Image из терминала: текст в картинку, правка готовых изображений, стили LoRA и склейка нескольких картинок в одну. CX Codex +1 12 400установок

Рядом в теме «ИИ и ML»

Всё по теме «ИИ и ML» →

Вопросы о image-gen

Как установить image-gen в Claude?

Выполните npx skills add marswaveai/skills --skill image-gen -a claude-code. Скилл встанет в ~/.claude/skills/image-gen/SKILL.md.

Что делает image-gen?

Генерирует изображение по текстовому промпту через CLI ListenHub и сохраняет результат локальным файлом. Референсы, разрешение и пропорции задаются на этапе вопросов.

Какие пропорции доступны?

Базовые — 16:9, 1:1, 9:16, а также 2:3, 3:2, 3:4, 4:3, 21:9. Крайние 1:4, 4:1, 1:8 и 8:1 доступны только на модели flash.

Исходный текст

SKILL.md · MIT
---
name: image-gen
description: |
  Generate AI images from text prompts. Triggers on: "生成图片", "画一张",
  "AI图", "generate image", "配图", "create picture", "draw", "visualize",
  "generate an image".
metadata:
  openclaw:
    emoji: "🖼️"
    requires:
      bin: ["listenhub"]
    primaryBin: "listenhub"
---

## When to Use

- User wants to generate an AI image from a text description
- User says "generate image", "draw", "create picture", "配图"
- User says "生成图片", "画一张", "AI图"
- User needs a cover image, illustration, or concept art

## When NOT to Use

- User wants to create audio content (use `/podcast`, `/speech`)
- User wants to create a video (use `/explainer`)
- User wants to edit an existing image (not supported)
- User wants to extract content from a URL (use `/content-parser`)

## Purpose

Generate AI images using the ListenHub CLI. Supports text prompts with optional reference images (local files or URLs), multiple resolutions, and aspect ratios. Images are saved as local files.

## Hard Constraints

- Always check CLI auth following `shared/cli-authentication.md`
- Follow `shared/cli-patterns.md` for command execution and error handling
- Always read config following `shared/config-pattern.md` before any interaction
- Output saved to `.listenhub/image-gen/YYYY-MM-DD-{jobId}/` — never `~/Downloads/`

<HARD-GATE>
Use the AskUserQuestion tool for every multiple-choice step — do NOT print options as plain text. Ask one question at a time. Wait for the user's answer before proceeding to the next step. After all parameters are collected, summarize the choices and ask the user to confirm. Do NOT call the image generation command until the user has explicitly confirmed.
</HARD-GATE>

## Step -1: CLI Auth Check

Follow `shared/cli-authentication.md` § Auth Check. If CLI is not installed or not logged in, auto-install and auto-login — never ask the user to run commands manually.

Then follow `shared/cli-authentication.md` § Auth Mode Detection to determine `AUTH_MODE` and set:

```bash
if [ "$AUTH_MODE" = "openapi" ]; then
  CMD_PREFIX="listenhub openapi image"
else
  CMD_PREFIX="listenhub image"
fi
```

All subsequent CLI calls use `$CMD_PREFIX` instead of hardcoded `listenhub image`.

## Step 0: Config Setup

Follow `shared/config-pattern.md` Step 0 (Zero-Question Boot).

**If file doesn't exist** — silently create with defaults and proceed:
```bash
mkdir -p ".listenhub/image-gen"
echo '{"outputDir":".listenhub","outputMode":"inline"}' > ".listenhub/image-gen/config.json"
CONFIG_PATH=".listenhub/image-gen/config.json"
CONFIG=$(cat "$CONFIG_PATH")
```
**Do NOT ask any setup questions.** Proceed directly to the Interaction Flow.

**If file exists** — read config silently and proceed:
```bash
CONFIG_PATH=".listenhub/image-gen/config.json"
[ ! -f "$CONFIG_PATH" ] && CONFIG_PATH="$HOME/.listenhub/image-gen/config.json"
CONFIG=$(cat "$CONFIG_PATH")
```

### Setup Flow (user-initiated reconfigure only)

Only run when the user explicitly asks to reconfigure. Display current settings:
```
当前配置 (image-gen):
  输出方式:{inline / download / both}
```

Then ask:

1. **outputMode**: Follow `shared/output-mode.md` § Setup Flow Question.

Save immediately:
```bash
NEW_CONFIG=$(echo "$CONFIG" | jq --arg m "$OUTPUT_MODE" '. + {"outputMode": $m}')
echo "$NEW_CONFIG" > "$CONFIG_PATH"
CONFIG=$(cat "$CONFIG_PATH")
```

## Interaction Flow

### Step 1: Image Description

Free text input. Ask the user:

> Describe the image you want to generate.

If the prompt is very short (< 10 words) and the user hasn't asked for verbatim generation, offer to help enrich the prompt. Otherwise, use as-is.

### Step 2: Model

Ask:

```
Question: "Which model?"
Options:
  - "pro (recommended)" — gemini-3-pro-image, higher quality
  - "flash" — gemini-3.1-flash-image, faster and cheaper, unlocks extreme aspect ratios (1:4, 4:1, 1:8, 8:1)
```

### Step 3: Resolution and Aspect Ratio

Ask both together (independent parameters):

```
Question: "What resolution?"
Options:
  - "1K" — Standard quality
  - "2K (recommended)" — High quality, good balance
  - "4K" — Ultra high quality, slower generation
```

```
Question: "What aspect ratio?"
Options (all models):
  - "16:9" — Landscape, widescreen
  - "1:1" — Square
  - "9:16" — Portrait, phone screen
  - "Other" — 2:3, 3:2, 3:4, 4:3, 21:9
```

If flash model was selected, also offer: `1:4` (narrow portrait), `4:1` (wide landscape), `1:8` (extreme portrait), `8:1` (panoramic)

### Step 4: Reference Images (optional)

```
Question: "Any reference images for style guidance?"
Options:
  - "Yes" — Provide file paths or URLs
  - "No references" — Generate from prompt only
```

**If yes**: Collect reference image paths or URLs (comma-separated). The CLI handles both local files and URLs natively — no need to distinguish between them.

- Max 5 references
- Supported formats: jpg, png, webp, gif
- Max 10MB per file

Each reference will be passed as a `--reference` flag to the CLI.

### Step 5: Confirm & Generate

Summarize all choices:

```
Ready to generate image:

  Prompt: {prompt text}
  Model: {pro / flash}
  Resolution: {1K / 2K / 4K}
  Aspect ratio: {ratio}
  References: {yes — N image(s) / no}

  Proceed?
```

Wait for explicit confirmation before running the CLI command.

## Workflow

1. **Build CLI command**: Construct the `$CMD_PREFIX create` command with all collected parameters.

2. **Execute**: Run the command with `run_in_background: true` and `timeout: 180000`:

   ```bash
   $CMD_PREFIX create \
     --prompt "{description}" \
     --model "{model}" \
     --lang "{lang}" \
     --aspect-ratio {16:9|9:16|1:1} \
     --size {1K|2K|4K} \
     --json
   ```

   If reference images were provided, add `--reference` for each:
   ```bash
   $CMD_PREFIX create \
     --prompt "{description}" \
     --model "{model}" \
     --lang "{lang}" \
     --aspect-ratio 16:9 \
     --size 2K \
     --reference ./sketch.png \
     --reference ./photo.jpg \
     --json
   ```

   The `--lang` flag provides a language hint for the prompt. Detect from the user's prompt language (e.g., Chinese prompt → `zh`, English prompt → `en`).

3. **Parse result and present**

   Read `OUTPUT_MODE` from config. Follow `shared/output-mode.md` for behavior.

   Parse the CLI JSON output to extract the image URL:
   ```bash
   IMAGE_URL=$(echo "$RESULT" | jq -r '.imageUrl')
   ```

   **`inline` or `both`**: Download to a temp file, then use the Read tool.

   ```bash
   JOB_ID=$(date +%s)
   listenhub download "$IMAGE_URL" -o /tmp/image-gen-${JOB_ID}.jpg
   ```
   Then use the Read tool on `/tmp/image-gen-{jobId}.jpg`. The image displays inline in the conversation.

   Present:
   ```
   图片已生成!
   ```

   **`download` or `both`**: Save to the artifact directory.

   ```bash
   JOB_ID=$(date +%s)
   DATE=$(date +%Y-%m-%d)
   JOB_DIR=".listenhub/image-gen/${DATE}-${JOB_ID}"
   mkdir -p "$JOB_DIR"
   listenhub download "$IMAGE_URL" -o "${JOB_DIR}/${JOB_ID}.jpg"
   ```

   Present:
   ```
   图片已生成!

   已保存到 .listenhub/image-gen/{YYYY-MM-DD}-{jobId}/:
     {jobId}.jpg
   ```

## Prompt Handling

**Default**: Pass the user's prompt directly without modification.

**When to offer optimization**:
- Prompt is very short (a few words) AND user hasn't requested verbatim
- Ask: "Would you like help enriching the prompt with style/lighting/composition details?"

**When to never modify**:
- Long, detailed, or structured prompts — treat the user as experienced
- User says "use this prompt exactly"

**Optimization techniques** (if user agrees):
- Style: "cyberpunk" → add "neon lights, futuristic, dystopian"
- Scene: time of day, lighting, weather
- Quality: "highly detailed", "8K quality", "cinematic composition"
- Always use English keywords (models trained on English)
- Show optimized prompt before submitting

## API Reference

- CLI authentication: `shared/cli-authentication.md`
- CLI execution patterns: `shared/cli-patterns.md`
- Config pattern: `shared/config-pattern.md`
- Output mode: `shared/output-mode.md`

## Composability

- **Invokes**: nothing (direct CLI call)
- **Invoked by**: platform skills for cover images (Phase 2)

## Example

**User**: "Generate an image: cyberpunk city at night"

**Agent workflow**:
1. Prompt is short → offer enrichment → user declines
2. Ask model → "pro"
3. Ask resolution → "2K"
4. Ask ratio → "16:9"
5. No references

```bash
$CMD_PREFIX create \
  --prompt "cyberpunk city at night" \
  --model "gemini-3-pro-image" \
  --lang en \
  --aspect-ratio 16:9 \
  --size 2K \
  --json
```

Parse CLI JSON output per `outputMode` (see `shared/output-mode.md`).

### Example 2 — With Reference Images

**User**: "Generate an image in this style" (provides local files and a URL)

**Agent workflow**:
1. Ask prompt → "a serene mountain lake at dawn"
2. Ask model → "pro"
3. Ask resolution → "2K"
4. Ask ratio → "16:9"
5. References → `/path/to/style-reference.png`, `https://example.com/photo.jpg`

```bash
$CMD_PREFIX create \
  --prompt "a serene mountain lake at dawn" \
  --model "gemini-3-pro-image" \
  --lang en \
  --aspect-ratio 16:9 \
  --size 2K \
  --reference /path/to/style-reference.png \
  --reference https://example.com/photo.jpg \
  --json
```

Parse CLI JSON output per `outputMode` (see `shared/output-mode.md`).

© marswaveai · MIT · marswaveai/skills

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой