# 图像生成 > 通过 imagegenerate 在 OpenAI、Google、fal、Microsoft Foundry、MiniMax、ComfyUI、DeepInfra、OpenRouter、LiteLLM、xAI、Vydra 中生成和编辑图像 - 网址：https://funcoding.ai/agents/openclaw/tools/image-generation/ - 来源：OpenClaw 官方文档原文（中文），MIT 许可，同步于 2026-10-11 - 官方原文：https://docs.openclaw.ai/zh-CN/tools/image-generation --- `image_generate` 工具通过你配置的提供商创建和编辑图像。在聊天会话中，它以异步方式运行：OpenClaw 会记录一个后台任务，立即返回任务 ID，并在提供商完成处理后唤醒智能体。完成任务的智能体遵循会话的常规可见回复模式：配置后自动发送最终回复；如果会话要求使用消息工具，则使用 `message(action="send")`。如果请求方会话处于非活动状态或其主动唤醒失败，OpenClaw 会发送包含所生成图像的幂等直接回退消息，确保结果不会丢失。
仅当至少有一个图像生成提供商可用时，此工具才会出现。如果在智能体的工具中看不到 `image_generate`，请配置 `agents.defaults.mediaModels.image`、设置提供商 API key，或使用 OpenAI ChatGPT/Codex OAuth 登录。
## 快速开始 **配置身份验证** 为至少一个提供商设置 API key（例如 `OPENAI_API_KEY`、`GEMINI_API_KEY`、`OPENROUTER_API_KEY`），或使用 OpenAI Codex OAuth 登录。 **选择默认模型（可选）** ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openai/gpt-image-2", timeoutMs: 180_000, }, }, }, } ``` ChatGPT/Codex OAuth 使用相同的 `openai/gpt-image-2` 模型引用。配置 `openai` OAuth 配置文件后，OpenClaw 会通过该 OAuth 配置文件路由图像请求，而不是先尝试 `OPENAI_API_KEY`。显式设置 `models.providers.openai` 配置（API key、自定义/Azure 基础 URL）后，将重新使用直接调用 OpenAI Images API 的路由。 **向智能体提出请求** _“生成一张友好机器人吉祥物的图像。”_ 智能体会自动调用 `image_generate`。无需将工具加入允许列表——当提供商可用时，默认启用此工具。该工具会返回后台任务 ID，任务就绪后，完成任务的智能体会通过 `message` 工具发送生成的附件。
对于 LocalAI 等兼容 OpenAI 的局域网端点，请保留自定义 `models.providers.openai.baseUrl`，并通过 `browser.ssrfPolicy.dangerouslyAllowPrivateNetwork: true` 显式选择启用。默认情况下，私有和内部图像端点仍会被阻止。
## 常用路由 | 目标 | 模型引用 | 身份验证 | | ---------------------------------------------------- | -------------------------------------------------- | -------------------------------------- | | 使用 API 计费的 OpenAI 图像生成 | `openai/gpt-image-2` | `OPENAI_API_KEY` | | 使用 Codex 订阅身份验证的 OpenAI 图像生成 | `openai/gpt-image-2` | OpenAI ChatGPT/Codex OAuth | | OpenAI 透明背景 PNG/WebP | `openai/gpt-image-1.5` | `OPENAI_API_KEY` 或 OpenAI Codex OAuth | | DeepInfra 图像生成 | `deepinfra/black-forest-labs/FLUX-1-schnell` | `DEEPINFRA_API_KEY` | | fal Krea 2 表现力/风格定向生成 | `fal/krea/v2/medium/text-to-image` | `FAL_KEY` | | OpenRouter 图像生成 | `openrouter/google/gemini-3.1-flash-image-preview` | `OPENROUTER_API_KEY` | | LiteLLM 图像生成 | `litellm/gpt-image-2` | `LITELLM_API_KEY` | | Microsoft Foundry MAI 图像生成 | `microsoft-foundry/` | `AZURE_OPENAI_API_KEY` 或 Entra ID | | Google Gemini 图像生成 | `google/gemini-3.1-flash-image` | `GEMINI_API_KEY` 或 `GOOGLE_API_KEY` | 同一工具同时处理文本生成图像和参考图像编辑。单张参考图像使用 `image`，多张参考图像使用 `images`。对于 fal 上的 Krea 2 模型，这些参考图像会作为风格参考发送，而不是作为编辑输入发送。 提供商支持的输出提示（例如 `quality`、`outputFormat` 和 `background`）会在可用时转发；如果提供商未声明支持，则会报告为已忽略。内置透明背景支持仅适用于 OpenAI；如果其他提供商的后端输出包含 PNG Alpha 通道，也可能保留透明度。 ## 支持的提供商 | 提供商 | 默认模型 | 编辑支持 | 身份验证 | | ----------------- | --------------------------------------- | ---------------------------------- | ----------------------------------------------------- | | ComfyUI | `workflow` | 是（1 张图像，由工作流配置） | `COMFY_API_KEY`，云端使用 `COMFY_CLOUD_API_KEY` | | DeepInfra | `black-forest-labs/FLUX-1-schnell` | 是（1 张图像） | `DEEPINFRA_API_KEY` | | fal | `fal-ai/flux/dev` | 是（模型特定限制） | `FAL_KEY` | | Google | `gemini-3.1-flash-image` | 是（最多 5 张图像） | `GEMINI_API_KEY` 或 `GOOGLE_API_KEY` | | LiteLLM | `gpt-image-2` | 是（最多 5 张输入图像） | `LITELLM_API_KEY` | | Microsoft Foundry | `` | 是（仅限 MAI-Image-2.5 模型） | `AZURE_OPENAI_API_KEY` 或 Entra ID（`az login`） | | MiniMax | `image-01` | 是（主体参考） | `MINIMAX_API_KEY` 或 MiniMax OAuth（`minimax-portal`） | | OpenAI | `gpt-image-2` | 是（最多 5 张图像） | `OPENAI_API_KEY` 或 OpenAI ChatGPT/Codex OAuth | | OpenRouter | `google/gemini-3.1-flash-image-preview` | 是（最多 5 张输入图像） | `OPENROUTER_API_KEY` | | Vydra | `grok-imagine` | 否 | `VYDRA_API_KEY` | | xAI | `grok-imagine-image` | 是（最多 3 张图像） | `XAI_API_KEY` | 使用 `action: "list"` 在运行时检查可用的提供商和模型： ```text /tool image_generate action=list ``` 使用 `action: "status"` 检查当前会话的活动图像生成任务： ```text /tool image_generate action=status ``` ## 提供商能力 | 能力 | ComfyUI | DeepInfra | fal | Google | Microsoft Foundry | MiniMax | OpenAI | Vydra | xAI | | --------------------- | ------------------ | --------- | ---------------------------------------------- | -------------- | ----------------- | --------------------- | -------------- | ----- | -------------- | | 生成（最大数量） | 1 | 4 | 4 | 4 | 1 | 9 | 4 | 1 | 4 | | 编辑/参考 | 1 张图像（工作流） | 1 张图像 | Flux：1；GPT：10；Krea 风格参考：10；NB2：14 | 最多 5 张图像 | 1 张图像 | 1 张图像（主体参考） | 最多 5 张图像 | - | 最多 3 张图像 | | 尺寸控制 | - | ✓ | ✓ | ✓ | ✓ | - | 最高 4K | - | - | | 宽高比 | - | - | ✓ | ✓ | - | ✓ | - | - | ✓ | | 分辨率（1K/2K/4K） | - | - | ✓ | ✓ | - | - | - | - | 1K、2K | ## 工具参数 图像生成提示词。`action: "generate"` 必须提供此参数。 使用 `"status"` 检查活动会话任务，或使用 `"list"` 在运行时检查可用的提供商和模型。 提供商/模型覆盖（例如 `openai/gpt-image-2`）。如需透明的 OpenAI 背景，请使用 `openai/gpt-image-1.5`。 用于编辑模式的单张参考图像路径或 URL。 用于编辑模式或风格参考模型的多张参考图像（通过共享工具最多可传递 14 张；仍需遵守提供商特定的限制）。 尺寸提示：`1024x1024`、`1536x1024`、`1024x1536`、`2048x2048`、`3840x2160`。 宽高比：`1:1`、`2:1`、`20:9`、`19.5:9`、`2:3`、`3:2`、`2.35:1`、`3:4`、 `4:3`、`4:5`、`5:4`、`9:16`、`9:19.5`、`9:20`、`16:9`、`21:9`、`1:2`、`4:1`、 `1:4`、`8:1`、`1:8`。提供商会验证其模型特定的子集。 分辨率提示。 提供商支持时使用的质量提示。 提供商支持时使用的输出格式提示。 提供商支持时使用的背景提示。对于支持透明度的提供商，请将 `transparent` 与 `outputFormat: "png"` 或 `"webp"` 配合使用。 要生成的图像数量（1-4）。 可选的提供商请求超时时间，以毫秒为单位。当 Codex 通过动态工具调用 `image_generate` 时，此单次调用值仍会覆盖已配置的默认值，且上限为 600000 ms。 输出文件名提示。 仅适用于 OpenAI 的提示：`background`、`moderation`、`outputCompression` 和 `user`。 fal Krea 2 创意程度控制。默认为 `medium`。
并非所有提供商都支持全部参数。当回退提供商支持与请求选项相近的几何选项，而不支持完全一致的选项时，OpenClaw 会在提交前重新映射到最接近的受支持尺寸、宽高比或分辨率。对于未声明支持的提供商，不受支持的输出提示会被丢弃，并在工具结果中报告。工具结果会报告实际应用的设置；`details.normalization` 会记录从请求值到应用值的转换。
## 配置 ### 模型选择 ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openai/gpt-image-2", timeoutMs: 180_000, fallbacks: [ "openrouter/google/gemini-3.1-flash-image-preview", "google/gemini-3.1-flash-image", "fal/fal-ai/flux/dev", ], }, }, }, } ``` ### 提供商选择顺序 OpenClaw 按以下顺序尝试提供商： 1. 工具调用中的 **`model` 参数**（如果智能体指定）。 2. 配置中的 **`imageGenerationModel.primary`**。 3. 按顺序使用 **`imageGenerationModel.fallbacks`**。 4. **自动检测**——仅限有身份验证支持的提供商默认值： - 首先使用当前默认提供商； - 然后按提供商 ID 顺序使用其余已注册的图像生成提供商。 如果提供商失败（身份验证错误、速率限制等），系统会自动尝试下一个已配置的 候选项。如果全部失败，错误中会包含每次尝试的详细信息。
每次调用的模型覆盖值均为精确指定 每次调用的 `model` 覆盖值只会尝试该提供商/模型， 不会继续尝试已配置的主要提供商/后备提供商或自动检测到的提供商。
自动检测会感知身份验证状态 只有当 OpenClaw 确实能够对提供商进行身份验证时，该提供商的默认值 才会进入候选列表。始终启用经过身份验证的提供商之间的自动回退； 每次调用的 `model` 始终具有最终决定权。
超时 对于较慢的图像后端，请设置 `agents.defaults.mediaModels.image.timeoutMs`。 每次调用的 `timeoutMs` 工具参数会覆盖已配置的默认值， 已配置的默认值又会覆盖插件提供商定义的默认值。Google 和 OpenRouter 托管的图像提供商默认使用 180 秒；Microsoft Foundry MAI、xAI 和 Azure OpenAI 图像生成默认使用 600 秒。Codex 动态工具调用使用 120 秒的 `image_generate` 桥接默认值，并在配置后遵循相同的超时预算， 但上限为 OpenClaw 动态工具桥接的最大值 600000 ms。
在运行时检查 使用 `action: "list"` 检查当前已注册的提供商、 它们的默认模型以及身份验证环境变量提示。
### 图像编辑 OpenAI、OpenRouter、Google、DeepInfra、fal、Microsoft Foundry、MiniMax、 ComfyUI 和 xAI 支持编辑参考图像。fal 上的 Krea 2 模型将相同的 `image` / `images` 字段用作风格参考，而不是编辑输入。 传入参考图像路径或 URL： ```text “生成这张照片的水彩版本” + image: "/path/to/photo.jpg" ``` OpenAI、OpenRouter 和 Google 通过 `images` 参数支持最多 5 张参考图像； xAI 最多支持 3 张。fal 对 Flux 图生图支持 1 张参考图像，对 GPT Image 2 编辑 最多支持 10 张，对 Krea 2 最多支持 10 张风格参考图像，对 Nano Banana 2 编辑 最多支持 14 张。Microsoft Foundry、MiniMax 和 ComfyUI 支持 1 张。 ## 提供商深入解析
OpenAI gpt-image-2（以及 gpt-image-1.5） OpenAI 图像生成默认使用 `openai/gpt-image-2`。如果配置了 `openai` OAuth 配置文件，OpenClaw 会复用 Codex 订阅聊天模型 所用的同一个 OAuth 配置文件，并通过 Codex Responses 后端发送图像请求。 对于图像请求，`https://chatgpt.com/backend-api` 等旧版 Codex 基础 URL 会被规范化为 `https://chatgpt.com/backend-api/codex`。OpenClaw **不会**为该请求静默回退到 `OPENAI_API_KEY`——若要强制直接通过 OpenAI Images API 路由， 请使用 API key、自定义基础 URL 或 Azure 端点显式配置 `models.providers.openai`。 仍可显式选择 `openai/gpt-image-1.5`、`openai/gpt-image-1` 和 `openai/gpt-image-1-mini` 模型。若要输出透明背景的 PNG/WebP，请使用 `gpt-image-1.5`；当前 `gpt-image-2` API 会拒绝 `background: "transparent"`。 `gpt-image-2` 通过同一个 `image_generate` 工具同时支持文生图 和参考图像编辑。OpenClaw 会将 `prompt`、`count`、 `size`、`quality`、`outputFormat` 以及参考图像 转发给 OpenAI。OpenAI 不会直接接收 `aspectRatio` 或 `resolution`；OpenClaw 会尽可能将其映射到受支持的 `size`，否则工具会将其报告为被忽略的覆盖值。 OpenAI 专属选项位于 `openai` 对象下： ```json { "quality": "low", "outputFormat": "jpeg", "openai": { "background": "opaque", "moderation": "low", "outputCompression": 60, "user": "end-user-42" } } ``` `openai.background` 接受 `transparent`、`opaque` 或 `auto`；透明输出需要 `outputFormat` `png` 或 `webp`，以及支持透明度的 OpenAI 图像模型。OpenClaw 会将默认的 `gpt-image-2` 透明背景请求路由到 `gpt-image-1.5`。`openai.outputCompression` 适用于 JPEG/WebP 输出， 对 PNG 输出会被忽略。 顶层 `background` 提示与提供商无关；选择 OpenAI provider 时， 当前会映射到相同的 OpenAI `background` 请求字段。 未声明支持背景的提供商会在 `ignoredOverrides` 中返回该值， 而不会接收不受支持的参数。 若要通过 Azure OpenAI 部署路由 OpenAI 图像生成，而不是使用 `api.openai.com`，请参阅 [Azure OpenAI 端点](https://funcoding.ai/agents/openclaw/providers/openai/#azure-openai-endpoints)。
Microsoft Foundry MAI 图像模型 Microsoft Foundry 图像生成在 `microsoft-foundry/` 提供商前缀下使用 已部署的 MAI 图像部署名称。由于 MAI API 要求在 `model` 字段中提供你的部署名称，因此没有提供商级默认模型： ```json5 { agents: { defaults: { imageGenerationModel: { primary: "microsoft-foundry/", timeoutMs: 600_000, }, }, }, } ``` 该提供商使用 Microsoft Foundry 的 MAI API，而不是 OpenAI Images API： - 生成端点：`/mai/v1/images/generations` - 编辑端点：`/mai/v1/images/edits` - 身份验证：`AZURE_OPENAI_API_KEY` / 提供商 API key，或通过 `az login` 使用 Entra ID - 输出：一张 PNG 图像 - 尺寸：默认为 `1024x1024`；宽度和高度均须至少为 768 px， 总像素数不得超过 1,048,576 - 编辑：一张 PNG 或 JPEG 参考图像，仅 `MAI-Image-2.5-Flash` 和 `MAI-Image-2.5` 部署支持 仅使用提示词生成时，只需配置 Foundry 端点即可使用自定义部署名称。 使用自定义部署名称进行编辑时，需要新手引导/模型元数据，以便 OpenClaw 验证该部署是否由 `MAI-Image-2.5-Flash` 或 `MAI-Image-2.5` 提供支持。 当前 MAI 图像模型包括 `MAI-Image-2.5-Flash`、`MAI-Image-2.5`、 `MAI-Image-2e` 和 `MAI-Image-2`。有关设置和聊天模型行为， 请参阅 [Microsoft Foundry 插件](https://docs.openclaw.ai/zh-CN/plugins/reference/microsoft-foundry)。
OpenRouter 图像模型 OpenRouter 图像生成使用相同的 `OPENROUTER_API_KEY`， 并通过 OpenRouter 的聊天补全图像 API 路由。使用 `openrouter/` 前缀选择 OpenRouter 图像模型： ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openrouter/google/gemini-3.1-flash-image-preview", }, }, }, } ``` OpenClaw 会将 `prompt`、`count`、参考图像以及 与 Gemini 兼容的 `aspectRatio` / `resolution` 提示转发给 OpenRouter。当前内置的 OpenRouter 图像模型快捷方式包括 `google/gemini-3.1-flash-image`、`google/gemini-3-pro-image` 和 `openai/gpt-5.4-image-2`。 使用 `action: "list"` 查看已配置插件公开的内容。
fal Krea 2 fal 上的 Krea 2 模型使用 fal 原生 Krea 架构，而不是 Flux 使用的通用 `image_size` 架构。OpenClaw 会发送： - `aspect_ratio`，用于宽高比提示 - `creativity`，默认为 `medium` - 提供 `image` 或 `images` 时发送 `image_style_references` 如需更快且富有表现力的插画，请选择 Krea 2 Medium；如需速度较慢、 细节更丰富的照片级真实效果和纹理风格，请选择 Krea 2 Large： ```json5 { agents: { defaults: { imageGenerationModel: { primary: "fal/krea/v2/medium/text-to-image", }, }, }, } ``` Krea 2 当前每次请求返回一张图像。对于 Krea，建议使用 `aspectRatio`；OpenClaw 会将 `size` 映射到最接近的 Krea 支持宽高比，并会拒绝 Krea 的 `resolution`，而不是将其丢弃。 如需使用 Krea 原生创意级别，请使用 `fal.creativity`： ```json { "model": "fal/krea/v2/medium/text-to-image", "prompt": "带有孔版印刷纹理的赛博杂志肖像", "aspectRatio": "9:16", "fal": { "creativity": "high" } } ```
MiniMax 双重身份验证 可通过两种内置 MiniMax 身份验证路径使用 MiniMax 图像生成： - `minimax/image-01`，用于 API key 设置 - `minimax-portal/image-01`，用于 OAuth 设置
xAI grok-imagine-image 内置 xAI 提供商对仅含提示词的请求使用 `/v1/images/generations`， 当存在 `image` 或 `images` 时使用 `/v1/images/edits`。 - 模型：`xai/grok-imagine-image`、`xai/grok-imagine-image-quality` - 数量：最多 4 张 - 参考图像：一个 `image` 或最多三个 `images` - 宽高比：`1:1`、`16:9`、`9:16`、`4:3`、`3:4`、`3:2`、`2:3`、`2:1`、 `1:2`、`19.5:9`、`9:19.5`、`20:9`、`9:20` - 分辨率：`1K`、`2K` - 输出：以 OpenClaw 管理的图像附件形式返回 OpenClaw 有意不公开 xAI 原生的 `quality`、`mask`、 `user` 或 `auto` 宽高比，直到这些控制项纳入共享的 跨提供商 `image_generate` 合约。
## 示例 **生成（4K 横向）** ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="OpenClaw 图像生成的简洁编辑风格海报" size=3840x2160 count=1 ``` **生成（透明 PNG）** ```text /tool image_generate action=generate model=openai/gpt-image-1.5 prompt="透明背景上的简洁红色圆形贴纸" outputFormat=png background=transparent ``` 等效 CLI： ```bash openclaw infer image generate \ --model openai/gpt-image-1.5 \ --output-format png \ --background transparent \ --prompt "透明背景上的简洁红色圆形贴纸" \ --json ``` **生成（OpenAI 低质量）** ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="安静高效应用的低成本海报草稿" quality=low openai='{"moderation":"low"}' ``` 等效 CLI： ```bash openclaw infer image generate \ --model openai/gpt-image-2 \ --quality low \ --openai-moderation low \ --prompt "用于安静高效应用的低成本海报草稿" \ --json ``` **生成（两个正方形图像）** ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="为一款专注平和体验的效率应用图标提供两个视觉方向" size=1024x1024 count=2 ``` **编辑（一个参考图像）** ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="保留主体，将背景替换为明亮的摄影棚布景" image=/path/to/reference.png size=1024x1536 ``` **编辑（多个参考图像）** ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="将第一张图像中的角色特征与第二张图像中的调色板相结合" images='["/path/to/character.png","/path/to/palette.jpg"]' size=1536x1024 ``` **Krea 风格参考** ```text /tool image_generate action=generate model=fal/krea/v2/medium/text-to-image prompt="使用此调色板和印刷纹理创作一幅富有表现力的编辑风格肖像" images='["/path/to/palette.png","/path/to/texture.jpg"]' aspectRatio=9:16 fal='{"creativity":"high"}' ``` `openclaw infer image edit` 也支持相同的 `--output-format`、`--background`、`--quality` 和 `--openai-moderation` 标志；`--openai-background` 仍是 OpenAI 专用别名。除 OpenAI 以外的内置提供商目前未声明显式背景控制，因此对这些提供商使用 `background: "transparent"` 时，会报告该标志已被忽略。 ## 相关内容 - [工具概览](https://funcoding.ai/agents/openclaw/tools/) - 所有可用的智能体工具 - [ComfyUI](https://funcoding.ai/agents/openclaw/providers/comfy/) - 本地 ComfyUI 和 Comfy Cloud 工作流设置 - [fal](https://funcoding.ai/agents/openclaw/providers/fal/) - fal 图像和视频提供商设置 - [Google (Gemini)](https://funcoding.ai/agents/openclaw/providers/google/) - Gemini 图像提供商设置 - [Microsoft Foundry 插件](https://docs.openclaw.ai/zh-CN/plugins/reference/microsoft-foundry) - Microsoft Foundry 聊天和 MAI 图像设置 - [MiniMax](https://funcoding.ai/agents/openclaw/providers/minimax/) - MiniMax 图像提供商设置 - [OpenAI](https://funcoding.ai/agents/openclaw/providers/openai/) - OpenAI Images 提供商设置 - [Vydra](https://funcoding.ai/agents/openclaw/providers/vydra/) - Vydra 图像、视频和语音设置 - [xAI](https://funcoding.ai/agents/openclaw/providers/xai/) - Grok 图像、视频、搜索、代码执行和 TTS 设置 - [配置参考](https://funcoding.ai/agents/openclaw/gateway/config-agents/#agent-defaults) - `imageGenerationModel` 配置 - [Models](https://funcoding.ai/agents/openclaw/concepts/models/) - 模型配置和故障转移