功能说明: 本技能涵盖 中文交互、与基础提示词、化工作流场景 等核心能力。

豆包图片生成工具 - 免费版

概述

豆包图片生成免费版是一款面向个人用户的轻量级 AI 图片生成工具。它通过标准化的生成流程（确认需求 → 输入提示词 → 设置比例 → 生成 → 截图确认 → 下载保存），帮助用户快速将创意想法转化为视觉作品。

免费版聚焦核心生成场景：单张图片生成、基础比例选择、生成结果确认与下载。配置简单，适合以下用户：

• 个人用户快速生成创意图片
• 社交媒体创作者制作配图
• 设计师快速预览设计灵感
• AI 绘图初学者入门体验

免费版限制：单次生成 1 张图片，默认 3:4 比例，不支持批量生成、多比例输出、风格预设、提示词增强等高级能力。如需这些能力，请使用 PRO 版本。

核心能力

能力清单

能力	描述	免费版
单图生成	生成一张 AI 图片	支持
提示词输入	自定义提示词	支持
比例选择	选择图片比例	支持（3:4 默认）
截图确认	生成后截图供用户选择	支持
图片下载	下载原图到本地	支持
简易提示词优化	基础提示词建议	支持
批量生成	多图同时生成	不支持
多比例输出	同时生成多比例	不支持
风格预设	预设风格模板	不支持
提示词增强	AI 增强提示词	不支持
参考图生成	基于参考图生成	不支持
工作流自动化	批量自动化	不支持

输出: 返回能力清单的执行结果,包含操作状态和输出数据。

工作流程

询问用户生成需求
      ↓
用户确认提示词与比例
      ↓
输入提示词到生成页面
      ↓
设置图片比例（默认 3:4）
      ↓
点击生成按钮
      ↓
等待生成完成
      ↓
截图 4 张候选图发给用户
      ↓
用户选择并确认
      ↓
下载图片到本地
      ↓
复制到指定目录

输出: 返回工作流程的执行结果,包含操作状态和输出数据。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

生成流程关键步骤

1. 需求确认：先询问用户想要什么样的图片
2. 提示词输入：用户确认后输入提示词
3. 比例设置：默认 3:4，用户可选其他比例
4. 生成触发：点击发送按钮（向上箭头），不按回车
5. 结果截图：生成完成后立即截 4 张图
6. 用户选择：通过 message 工具发给用户选择
7. 确认下载：用户选好后点开大图确认
8. 保存图片：点击下载原图保存
9. 复制到目标目录：复制到指定文件夹

输出: 返回生成流程关键步骤的执行结果,包含操作状态和输出数据。 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：轻量级、图片生成工具、支持单图生成与基、适合个人用户快速、创作视觉内容、豆包图片生成免费、为个人用户提供轻、量化的、图片生成能力、核心能力、单张图片生成、按提示词创作、基础比例选择、生成结果截图确认、图片下载与保存等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

核心功能执行

执行核心功能执行操作,使用input_params参数进行配置。

输出: 返回核心功能执行的执行结果,包含操作状态和输出数据。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

使用场景

场景 1：社交媒体配图创作

小张需要为社交媒体帖子生成一张配图。

操作步骤：

1. Agent 询问：「您想要什么样的图片？有什么提示词要求？」
2. 用户回答：「想要一张温馨的咖啡店场景，暖色调」
3. Agent 输入提示词，设置 3:4 比例
4. 生成完成后截图 4 张候选图
5. 通过 message 工具发给用户选择
6. 用户选择后下载保存

示例交互：

Agent: 您想要什么样的图片？有什么提示词要求？
用户: 想要一张温馨的咖啡店场景，暖色调
Agent: 好的，我将为您生成一张温馨咖啡店场景的图片，比例 3:4
[生成中...]
Agent: 已生成 4 张候选图，请选择您喜欢的一张
[发送 4 张截图]
用户: 我选第二张
Agent: 好的，已为您下载第二张图片并保存

场景 2：设计灵感预览

小李是设计师，希望快速预览某个设计概念。

操作步骤：

1. Agent 询问需求
2. 用户提供设计概念提示词
3. Agent 生成图片
4. 设计师查看候选图获取灵感

示例提示词：

提示词：现代简约风格客厅，大面积落地窗，木质地板，米色沙发，绿植点缀，自然光照明亮
比例：3:4

场景 3：学习 AI 绘图入门

小王想学习 AI 绘图，从简单的提示词开始尝试。

操作步骤：

1. Agent 询问想要什么样的图片
2. 用户输入简单提示词（如「一只可爱的橘猫」）
3. Agent 给出提示词优化建议
4. 生成图片并展示结果

示例提示词优化：

原始提示词：一只可爱的橘猫
优化建议：一只毛茸茸的橘色猫咪，坐在窗台上，阳光洒在身上，大眼睛，可爱表情，柔和色调，3:4 比例

不适用场景

以下场景豆包图片生成-免费版不适合处理：

• 3D建模和动画制作
• 照片级写实渲染
• 手绘原创插画

触发条件

需要设计创作、UI设计、海报制作、品牌视觉时使用。不适用于非本工具能力范围的需求。

快速开始

领先步：需求确认

收到任务后，领先步必须是询问用户：

Agent: 您想要生成什么样的图片？
       - 主题内容是什么？
       - 风格偏好（写实/卡通/油画等）？
       - 比例要求（默认 3:4）？
       - 其他特殊要求？

第二步：输入提示词

用户确认需求后，输入提示词到生成页面：

[打开豆包 AI 创作页面]
[输入用户确认的提示词]
[设置比例为 3:4（或用户指定比例）]

第三步：生成图片

点击发送按钮（向上箭头）触发生成：

[点击发送按钮 - 不要按回车]
[等待图片生成完成]

第四步：截图与选择

生成完成后立即截图 4 张候选图：

# 示例
# 通过 message 工具发送图片给用户选择
message --image /tmp/candidate-1.jpg --text "候选图 1"
message --image /tmp/candidate-2.jpg --text "候选图 2"
message --image /tmp/candidate-3.jpg --text "候选图 3"
message --image /tmp/candidate-4.jpg --text "候选图 4"

第五步：下载与保存

用户选择后，点开大图确认并下载：

# 下载用户选择的图片
# 复制到指定目录
cp /tmp/selected-image.png /target/directory/

配置示例

生成参数说明

参数	类型	默认值	说明
提示词	字符串	必需	描述要生成的图片内容
比例	字符串	3:4	图片宽高比
数量	整数	4	候选图数量
保存路径	字符串	/tmp/	下载保存目录

支持的比例

免费版支持以下比例：

比例	适用场景
3:4（默认）	竖版社交媒体
1:1	方形头像
4:3	横版配图
16:9	宽屏壁纸

提示词建议格式

[主体描述] + [风格] + [色调] + [细节] + [比例]

示例：
一只毛茸茸的橘猫（主体）
写实风格（风格）
暖色调（色调）
坐在窗台上 阳光洒在身上（细节）
3:4 比例

优选实践

1. 提示词撰写技巧

# 推荐：详细具体
一只可爱的橘色猫咪，坐在窗台上，阳光洒在身上，大眼睛，可爱表情，柔和色调

# 不推荐：过于简单
猫

2. 比例选择建议

用途	推荐比例
朋友圈/小红书	3:4
头像	1:1
公众号配图	4:3
手机壁纸	9:16

3. 生成流程规范

1. 必须先询问用户需求，不要直接生成
2. 用户确认后再输入提示词
3. 点击发送按钮（向上箭头），不要按回车
4. 等待图片完全生成后再截图
5. 用户选好后要点开大图确认
6. 用户确认后才能下载保存
7. 每步必须拿到结果才能进行下一步

4. 截图与发送规范

• 截图必须用 message 工具发送图片给用户
• 不要使用虚拟路径
• 截图路径使用实际路径

常见问题

Q1：为什么必须先询问用户？

A： 询问用户需求可以：

• 明确生成方向，避免浪费
• 了解用户的风格偏好
• 确认比例要求
• 提升用户满意度

Q2：点击发送还是按回车？

A： 必须点击发送按钮（向上的箭头），不要按回车。按回车可能导致提示词格式错误。

Q3：生成的图片不满意怎么办？

A： 可以：

1. 重新生成（调整提示词）
2. 从 4 张候选图中选择最接近的
3. 优化提示词后再生成

Q4：免费版支持哪些比例？

A： 支持常见比例：3:4、1:1、4:3、16:9。默认使用 3:4。如需更多比例或同时输出多比例，请使用 PRO 版本。

Q5：能否批量生成多张图片？

A： 免费版仅支持单次生成。如需批量生成，请使用 PRO 版本。

Q6：图片保存在哪里？

A： 默认保存到 /tmp/ 目录。建议复制到指定目录长期保存：

cp /tmp/generated-image.png /your/directory/

Q7：能否使用参考图生成？

A： 免费版仅支持文本提示词生成。如需基于参考图生成，请使用 PRO 版本。

依赖说明

运行环境

• Agent 平台：支持 SKILL.md 规范的任意 AI Agent（Claude Code / Cursor / Codex / Gemini CLI 等）
• 操作系统：Windows / macOS / Linux
• 浏览器：需要浏览器访问豆包 AI 创作页面
• 网络：需要网络连接（访问豆包服务）

依赖详情

依赖项	类型	是否必需	获取方式	版本要求
浏览器	应用	必需	系统自带	Chrome 100+
message	平台工具	必需	Skill 平台安装	-
豆包账号	服务	必需	豆包平台注册	-
LLM API	API	必需	由 Agent 内置 LLM 提供	-

环境准备

# 验证浏览器
google-chrome --version

# 验证 message 工具
which message

# 验证工作区目录
ls $HOME/.skill-platform/workspace/

API Key 配置

免费版需要以下配置：

配置项	环境变量	用途	获取方式
豆包账号	浏览器登录	访问豆包 AI 服务	豆包平台注册
Skill 平台 Token	平台配置	平台认证	Skill 平台控制台

# 本技能的核心实现逻辑
# 请参考上方使用说明进行配置和调用
echo "implementation_ready"

可用性分类

• 分类：MD+EXEC（Markdown 指令 + 命令行执行 + 浏览器自动化）
• 说明：通过自然语言指令驱动 Agent 操作浏览器完成图片生成
• 离线可用：否（需要网络访问豆包服务）
• 隐私等级：中（提示词需上传至豆包服务）

版本说明

• 当前版本：1.0.0
• 版本类型：FREE（免费版）
• 升级路径：如需批量生成、多比例输出、风格预设、提示词增强、参考图生成等能力，请使用 doubao-image-gen-tool-pro

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响

示例

基本用法

输出：返回执行结果,包含操作状态和输出数据

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功

安全注意事项

风险类型	防范措施
API密钥泄露	通过环境变量配置，禁止硬编码到代码或配置文件中
命令执行风险	仅执行白名单命令，避免拼接用户输入到命令行参数中
网络通信安全	使用HTTPS协议，验证SSL证书有效性
敏感数据暴露	输出结果中不包含密钥、令牌等敏感信息

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

核心功能

• 自动化执行: 基于指令驱动的自动化流程
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

核心功能

• 自动化执行: 基于指令驱动的自动化流程
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据