1. 项目概述：一个为AI智能体设计的艺术风格引擎

如果你正在构建或使用AI智能体，并且希望它能稳定地生成一系列具有统一美学风格的图像，那么你很可能遇到过“风格漂移”的困扰。比如，你让智能体生成一组“赛博朋克风格的城市街景”，第一张图可能完美契合你心中的霓虹灯与雨夜，但第二张就变成了明亮干净的科幻风，第三张又带上了蒸汽朋克的影子。这种不一致性会严重破坏项目的美学连贯性，让智能体产出的内容显得杂乱无章。

Imagine这个项目，正是为了解决这个核心痛点而生的。它不是一个普通的文生图工具，而是一个专为AI智能体（Agent）设计的 艺术指导引擎 。其核心理念非常巧妙：将图像生成拆解为 风格提示词 和 内容提示词 两个独立的部分。风格提示词负责定义一套完整的美学DNA——包括色彩调性、光影氛围、构图方式、材质纹理、画面比例等所有“感觉”层面的要素；而内容提示词则只负责描述画面中“有什么”——比如“一个穿着风衣的侦探站在雨夜的街角”。

这种解耦带来的好处是革命性的。首先，它确保了在一个系列图像中，无论内容如何变化，其视觉风格都能保持高度一致。其次，一旦你定义或提取了一种风格，它就可以被命名、保存，并作为一个可复用的“资产”放入风格库中，供后续任何图像生成任务调用。这极大地提升了智能体在创意内容生成工作流中的可控性和专业性。

Imagine遵循了 agentskills.io 开放标准，这意味着它可以无缝集成到如OpenClaw、Hermes Agent等任何兼容此标准的智能体框架中。它内置了精选的预设风格库，支持通过多模态大模型从参考图片中分析并提取风格，并通过Pollinations.ai的Flux端点进行实际的图像生成。最棒的是，这一切无需任何API密钥或账户，开箱即用，且每一次生成操作都会被完整记录在日志中，便于追溯和审计。

2. 核心设计思路：解耦风格与内容的价值

2.1 为什么传统的提示词工程会失败？

在深入Imagine的机制之前，我们需要理解传统文生图提示词方法的局限性。通常，我们会将风格和内容混合在一个长提示词中，例如：“一张赛博朋克风格、霓虹灯闪烁、下着雨的夜晚，一个穿着风衣的侦探站在潮湿的街道上，电影感构图，蓝紫色调，细节丰富，8K画质。”

这种混合提示词存在几个问题：

1. 权重冲突 ：模型在理解时，可能无法准确区分哪些词属于风格，哪些属于内容。当内容变化时（比如从“侦探”变成“机器人”），模型对“赛博朋克”等风格词的注意力权重可能会发生不可预测的偏移，导致风格漂移。
2. 复用困难 ：每次生成新内容，你都需要重新拼接和微调这个复杂的提示词，效率低下且容易出错。
3. 难以迭代 ：如果你想微调风格（比如让“蓝紫色调”更偏紫一点），你不得不修改整个提示词，并担心这会影响对内容的描述。

Imagine的设计哲学正是基于对这些痛点的深刻洞察。它将图像生成视为一个 两阶段过程 ：首先是 风格定义 ，然后是 内容填充 。这就像电影制作中，先由美术指导确定整部影片的视觉基调（风格），再由导演和摄影师在每一场戏中具体执行（内容）。

2.2 架构解析：引擎如何工作

Imagine的架构可以清晰地分为三个层次： 接口层 、 处理层 和 持久层 。

接口层 ：提供了五个核心命令，作为智能体与之交互的入口。这确保了功能的模块化和可调用性。

处理层 ：这是引擎的核心。当接收到生成请求时，它会从风格库中调用对应的“风格提示词”，将其与用户提供的“内容提示词”进行智能融合。这里的“融合”并非简单拼接，而是可能涉及权重分配、关键词排序等内部逻辑，以确保风格主导力。对于 extract 命令，它会调用一个多模态大模型（如GPT-4V或Claude 3），对上传的参考图片进行结构化分析，生成一份描述其美学元素的文本报告，即新的风格提示词。

持久层 ：所有数据都被妥善管理。 config.json 存放基础配置； styles.jsonl 以JSON Lines格式存储所有预设和用户保存的风格，每条记录包含风格名称和完整的风格提示词； history.jsonl 则按行记录每一次生成或提取操作的详细日志，包括时间戳、输入参数、使用的风格、生成的任务ID等，实现了完整的操作溯源。

这种架构的优势在于，它将易变的、与具体任务相关的内容描述，与稳定的、可复用的风格定义彻底分离。智能体可以像调用函数一样，使用 imagine.generate(style=“cyberpunk_noir”, content=“a lone hacker”) 来获得稳定输出。

注意 ：虽然Imagine处理了风格与内容的解耦，但最终图像的质量和风格还原度，很大程度上依赖于底层文生图模型（目前是Pollinations.ai的Flux）的能力。引擎负责提供精确的“指令”，但“执行”效果由模型决定。因此，理解Flux模型的特性和限制，对于调试和优化风格提示词同样重要。

3. 功能命令详解与实操指南

Imagine通过一组清晰的命令暴露其全部功能。理解每个命令的输入、输出和适用场景，是高效使用它的关键。

3.1 图像生成： imagine.generate

这是最常用的命令，用于根据指定风格和内容生成图像。

命令格式 （概念示意）：

imagine.generate --style “风格名称” --content “画面内容描述” [--negative “负面提示词”] [--aspect_ratio “宽高比”]

参数解析 ：

• --style : 必填 。指定要使用的风格名称。它可以是内置风格（如 soma , noir ），也可以是用户通过 imagine.style.save 保存的自定义风格名。
• --content : 必填 。描述你希望在画面中看到的具体事物、人物、场景。应尽可能清晰、具体，避免包含风格性词汇。例如，“一只坐在窗边的橘猫”是好的内容描述；“一只具有忧郁气质的、在暖光下的橘猫”则混入了风格（忧郁气质、暖光）。
• --negative : 可选 。负面提示词，用于告诉模型不希望出现在图像中的元素。这在消除某些模型常见缺陷（如多余的手指、扭曲的肢体）时非常有用。
• --aspect_ratio : 可选 。指定生成图像的宽高比，如“16:9”, “1:1”, “3:4”等。如果不指定，将使用风格定义中预设的或模型的默认比例。

实操示例与心得 ： 假设我们想用内置的 noir （黑色电影）风格生成一张侦探图片。

1. 调用命令 ： imagine.generate --style “noir” --content “a detective in a trench coat looking at a clue under a streetlamp at night”
2. 过程拆解 ：Imagine会从 styles.jsonl 中查找名为 noir 的记录，取出其完整的风格提示词。这个提示词可能包含“high contrast, dramatic chiaroscuro lighting, black and white with deep shadows, cinematic, 1940s film grain, low angle shots”等内容。然后，引擎会将这个风格提示词与你的内容提示词融合，形成最终的生成指令发送给Pollinations.ai。
3. 结果预期 ：你得到的将是一张具有强烈黑白对比、戏剧性光影、可能带有颗粒感的侦探图像，完美契合黑色电影美学。

实操心得 ： content 参数描述越具体、越偏向物理存在，生成结果越可控。避免使用“美丽的”、“史诗般的”等主观形容词，这些应交给风格去定义。例如，用“a towering mountain range with sharp peaks”代替“a beautiful mountain”。

3.2 风格提取： imagine.extract

这是构建个人风格库的利器。你可以从任何你喜欢的图片中，“克隆”其视觉风格。

命令格式 ：

imagine.extract --image_url “图片URL或本地路径” --style_name “给新风格起个名”

参数解析 ：

• --image_url : 必填 。需要分析的图片地址。这可以是一个公网可访问的URL，也可以是智能体工作空间内的本地文件路径（具体路径格式取决于你的智能体框架）。
• --style_name : 必填 。为你提取出的风格命名。这个名字将用于后续在 generate 命令中调用。

底层原理与技巧 ： 该命令背后连接着一个视觉大模型（Vision LLM）。Imagine会向该模型发送一个精心设计的 分析提示 ，要求模型从色彩、光影、构图、材质、艺术运动、时代特征等多个维度，结构化地描述图片的美学构成。这个分析提示本身是Imagine项目的一部分，其设计质量直接决定了提取效果的优劣。

实操示例 ： 你有一张非常喜欢的电影截图，URL是 https://example.com/my_style.jpg ，你想将其风格命名为“my_cinematic”。

1. 调用命令 ： imagine.extract --image_url “https://example.com/my_style.jpg” --style_name “my_cinematic”
2. 过程拆解 ：Imagine将图片和系统提示词发送给配置的多模态LLM。LLM会返回类似这样的分析结果：“Color palette: Teal and orange contrast, with muted highlights. Lighting: Soft, volumetric fog with strong backlighting creating silhouettes. Composition: Wide-angle, symmetrical framing. Texture: Clean, digital cinematic look with slight film grain.”
3. 结果处理 ：Imagine将这个分析结果格式化为一个标准的风格提示词，并自动调用 imagine.style.save 将其保存到本地风格库中。

注意事项 ：提取效果受限于多模态LLM的图像理解能力。对于风格极其抽象或复杂的图片，提取结果可能不够精确。通常，构图、色彩、光影等明显特征提取较好，而更微妙的“笔触”、“情绪”则可能丢失。提取后，建议先用新风格生成1-2张测试图，验证效果，必要时可以手动编辑 styles.jsonl 文件对提示词进行微调。

3.3 风格库管理： imagine.library.list 与 imagine.style.save

这两个命令用于管理你的风格资产。

• imagine.library.list ：此命令无参数，运行后会列出所有可用的风格名称。这包括项目内置的预设风格和用户自定义保存的风格。这是探索现有资源和避免命名冲突的好方法。
• imagine.style.save ：通常由 extract 命令自动调用，但你也可以手动使用它来保存一个自定义的风格提示词。这需要你直接提供完整的风格描述文本。

  imagine.style.save --name “warm_sketch” --prompt “Warm, soft pencil sketch style, with visible paper texture, gentle shading, loose and expressive lines, inspired by children‘s book illustrations, natural lighting.”
  

风格库文件解析 ： 所有风格都存储在 {agent_root}/commons/data/ocas-imagine/styles.jsonl 文件中。这是一个JSON Lines格式文件，每行是一个独立的JSON对象，例如：

{“name”: “noir”, “prompt”: “black and white, high contrast, dramatic chiaroscuro lighting, cinematic, 1940s film noir style, deep shadows, smoke, rain-slicked streets, trench coats, suspenseful mood”}
{“name”: “my_cinematic”, “prompt”: “Color palette: Teal and orange contrast. Lighting: Soft volumetric fog with strong backlighting. Composition: Wide-angle, symmetrical framing. Texture: Clean digital cinematic look.”}

你可以直接编辑这个文件来微调任何风格的提示词，修改后立即生效。

3.4 操作日志： imagine.journal

所有通过Imagine执行的操作（ generate , extract , save ）都会被自动记录到日志中。 imagine.journal 命令（通常可以加 --last N 参数查看最近N条）用于回溯历史。

日志的价值 ：

1. 审计与调试 ：当生成结果不符合预期时，可以查看完整的输入参数，精确复现问题或调整提示。
2. 工作流追溯 ：在复杂的智能体协作中，清晰知道哪一步产生了什么图像。
3. 风格迭代 ：通过对比同一风格下不同内容生成的日志，可以评估该风格的稳定性和适用边界。

日志文件 history.jsonl 同样位于数据目录，每条记录包含时间、命令、参数、输出结果（如图片生成URL或提取的风格文本）等字段，结构清晰，便于其他工具解析。

4. 部署、配置与集成实战

4.1 零配置初始化与环境准备

Imagine的一大优点是开箱即用。当智能体首次调用任何一个Imagine命令（通常是 imagine.generate ）时， imagine.init() 会自动触发。

初始化过程详解 ：

1. 目录创建 ：系统会在智能体的公共数据区创建必要的目录结构。根据项目更新日志，路径已统一规范为 {agent_root}/commons/data/ocas-imagine/ 和 {agent_root}/commons/journals/ocas-imagine/ 。这里的 {agent_root} 是你的智能体框架（如OpenClaw）的根目录。
2. 文件生成 ：
   • config.json : 存放基础运行配置。在初始版本中，它可能主要包含指向Pollinations.ai端点的URL和默认参数。由于无需认证，这个文件通常很简单。
   • styles.jsonl : 初始化时会从项目内置的默认风格库中加载一批精选风格（如 soma , noir , hiro 等）。你可以查看 references/ 目录下的各个风格文件（如 soma.md ）来了解每个预设风格的详细描述。
   • history.jsonl : 创建一个空的日志文件。
3. 依赖检查 ：虽然不涉及复杂安装，但Imagine会隐式依赖两样东西： 网络连接 （用于调用Pollinations.ai API）和一个可用的 多模态LLM端点 （用于 extract 功能）。你需要确保你的智能体运行环境能够访问这些服务。

实操检查点 ： 初始化完成后，建议立即运行 imagine.library.list ，确认预设风格已成功加载。同时，检查上述目录和文件是否已正确创建，权限是否正常。

4.2 与智能体框架的集成

Imagine作为一个 agentskills.io 标准技能包，其集成方式高度标准化。

集成步骤 ：

1. 技能引入 ：在你的智能体项目（例如OpenClaw）的配置中，将Imagine添加为依赖或插件。具体方式取决于框架，可能是在 skill 目录下放置项目文件，或在配置文件中声明技能包地址。
2. 功能暴露 ：集成后，智能体便可以通过内部函数调用的方式，使用 imagine.* 系列命令。例如，在你的智能体决策逻辑中，可以这样编写：

   # 伪代码示例
   if user_request == “生成一张科幻城市图”:
       style = determine_style(user_request) # 你的逻辑：决定使用什么风格
       content = extract_content(user_request) # 你的逻辑：提取内容描述
       image_result = call_skill(“imagine.generate”, style=style, content=content)
       send_to_user(image_result[‘url’])
   

3. 配置覆盖 ：如果需要，你可以在智能体框架的全局配置中，覆盖Imagine的某些默认设置，例如指定一个不同的多模态LLM服务商用于 extract 功能。

责任边界与协作 ： 根据其技能规范，Imagine明确了自己的责任边界：它只负责“艺术指导”——即风格与内容的解耦、管理和生成指令的组装。它不负责：

• 实际的图像渲染计算（由Pollinations.ai完成）。
• 复杂的图像后处理（如超分、修复）。
• 内容安全过滤（依赖底层模型）。 这意味着，在一个完整的创意工作流中，Imagine可能需要与其他技能协作。例如，一个“内容规划”技能负责构思场景（内容），Imagine负责赋予风格，一个“图像增强”技能负责对生成结果进行放大优化。

4.3 深入配置与自定义

虽然开箱即用，但高级用户可以通过以下方式进行深度定制：

1. 编辑预设风格 ：直接修改 styles.jsonl 文件中的任何 prompt 字段。你可以让 noir 风格更“阴暗”，或者让 soma 风格更“鲜艳”。修改是即时生效的。
2. 扩充风格库 ：除了用 extract 命令，你也可以手动在 styles.jsonl 文件末尾添加新行，来批量导入自己收集或精心编写的风格提示词。
3. 理解Pollinations.ai端点 ：Imagine默认使用Pollinations.ai的免费Flux端点。你可以查阅其API参考（项目中的 references/api_reference.md ）来了解其参数限制（如分辨率、步数等）。虽然Imagine可能封装了大部分参数，但知道底层能力有助于你编写更有效的风格提示词。
4. 更换分析模型 ： extract 功能依赖的多模态LLM是可配置的。如果你有更高性能或更便宜的视觉模型API，可以在Imagine的配置或你智能体框架的全局设置中，修改指向该服务的连接参数。

5. 高级技巧、问题排查与场景拓展

5.1 风格提示词编写高级指南

Imagine的强大与否，一半在于你如何使用它，另一半在于你的风格库质量。以下是编写高效风格提示词的技巧：

原则一：结构化描述 。模仿 extract 命令的输出，从多个维度描述风格。

• 差 ： “cool style”
• 佳 ： “Color: Desaturated palette with dominant steel blue and slate grey. Lighting: Cold, harsh fluorescent light with sharp reflections. Texture: Smooth metallic and glossy plastic, clean and futuristic. Composition: Dynamic, Dutch angles, close-up shots on details. Mood: Isolated, technological, impersonal.”

原则二：使用模型理解的“艺术语言” 。包括：

• 艺术运动/流派 ： cyberpunk, art nouveau, ukiyo-e, impressionism 。
• 媒介与材质 ： oil on canvas, pencil sketch, claymation, matte painting 。
• 摄影术语 ： wide aperture, bokeh, film grain (Kodak Portra 400), cinematic color grading 。
• 特定艺术家/工作室 ： in the style of Studio Ghibli, inspired by Moebius 。

原则三：权重与顺序 。虽然Imagine可能内部处理权重，但在风格提示词中，将最重要的特征放在前面。使用 (keyword:1.2) 或 [keyword] （某些模型语法表示减弱）来调整关键元素的影响力。

实操案例：创建“水墨武侠”风格

1. 分析参考：观察经典水墨武侠电影或画作。
2. 编写提示词：

   Style Name: ink_wuxia
   Prompt: Traditional Chinese ink wash painting (sumi-e) style, monochromatic with varying shades of black ink, extensive use of empty space (留白), fluid and expressive brush strokes that suggest movement, misty mountain backgrounds, on textured xuan paper, inspired by wuxia films, ethereal and poetic mood.
   

3. 保存并测试： imagine.style.save 后，用简单内容（如“a lone swordsman on a cliff”）测试，观察水墨感和留白是否体现。

5.2 常见问题排查实录

即使设计精良，实操中也会遇到问题。以下是一些常见情况及解决思路：

问题1：生成结果完全不符合风格描述。

• 可能原因A ：风格提示词与内容提示词在融合时发生冲突，内容词权重过高覆盖了风格。
• 排查 ：运行 imagine.journal --last 1 ，检查发送给Pollinations.ai的最终完整提示词。是否风格部分被截断或修改？
• 解决 ：尝试简化内容提示词，移除任何带有风格色彩的形容词。如果问题持续，考虑手动编辑风格提示词，为其开头加上强调，如 “Masterpiece, ultimate style of [你的风格描述], ..."
• 可能原因B ：底层Flux模型对该风格组合理解有限。
• 排查 ：用同一个风格提示词，去Pollinations.ai的官方演示界面直接测试，看是否是模型本身的问题。
• 解决 ：尝试用更通用、模型更熟悉的艺术术语重新描述风格。

问题2： imagine.extract 提取的风格效果不佳。

• 可能原因A ：参考图片本身风格不鲜明或过于复杂。
• 解决 ：选择风格特征突出、构图简洁的图片作为参考。提取后，手动编辑生成的风格提示词，强化核心特征，删减模糊描述。
• 可能原因B ：使用的多模态LLM视觉描述能力不足。
• 解决 ：如果框架允许，尝试在配置中切换到一个更强大的视觉模型（如GPT-4Vision或Claude 3.5 Sonnet）。

问题3：生成速度慢或失败。

• 可能原因 ：Pollinations.ai免费端点排队或网络问题。
• 排查 ：检查网络连接。查看日志中是否有来自API的错误响应。
• 解决 ：这是免费服务的常见情况。可以稍后重试，或在智能体逻辑中增加重试机制和超时处理。

问题4：风格库 styles.jsonl 文件损坏或丢失。

• 解决 ：删除损坏的文件，重新运行一个Imagine命令触发初始化。预设风格会重新加载。自定义风格需要从备份恢复或重新提取/保存。 定期备份 styles.jsonl 文件是一个好习惯 。

5.3 创意场景拓展与应用思路

Imagine的价值不仅在于单次生成，更在于赋能智能体实现复杂的创意流水线。

场景一：系列插画与角色设计 智能体可以为一个故事生成一系列插图。首先，用 extract 从一张概念图中确定整体美术风格（如“儿童绘本水彩风”），保存为 story_style 。然后，为每一幕场景（内容）调用 generate(style=“story_style”, content=“...” ），确保全书画风统一。

场景二：品牌视觉资产生成 为某个品牌生成社交媒体配图。提取品牌的官方配色、字体感觉和海报风格，保存为 brand_identity 。之后，无论需要生成产品图、节日海报还是活动公告，都使用同一风格，强化品牌识别度。

场景三：交互式风格探索与迭代 构建一个交互式智能体，让用户上传一张“心情图片”或选择一种“氛围词”（如“宁静的”、“激昂的”）。智能体内部可以有一个映射表，将氛围词关联到不同的风格提示词，或者用 extract 分析心情图片，快速生成符合用户当下情绪的风格化图像。

场景四：结合其他AI技能

• 与文案技能结合 ：智能体先生成一段故事文案，然后基于文案内容，自动提取关键词作为 content ，并选择一个合适的风格（如悬疑故事配 noir 风格），调用Imagine生成配图。
• 与图像处理技能结合 ：Imagine负责生成基础图，另一个技能负责进行面部修复、高清放大、局部重绘等后期处理，形成完整工作流。

Imagine引擎通过将“风格”抽象为可编程、可调用的对象，为AI智能体的视觉创造力提供了前所未有的控制力和一致性。它解决的不仅是技术问题，更是一种工作范式的转变——让风格管理变得像数据管理一样有序。开始构建你的智能体风格库吧，从解耦提示词开始，你会发现生成式AI的视觉输出从此变得既稳定又充满惊喜。