Google Nano Banana 又出新玩法：6 步工作流让 AI 出图更专业

Google Nano Banana 又出新玩法：6 步工作流让 AI 出图更专业

最近在 Smithery 翻到个挺有意思的 Skill：image-gen（来自 krishagel/geoffrey 仓库），专门用 Google 的 Nano Banana Pro（Gemini 3 Pro Image）做图像生成。

但它不只是”调 API 出图”那么简单——它内置了完整的 6 步编辑工作流（PAI 6-step editorial process），把图像生成从”碰运气”变成了可复用的工程流程。

Nano Banana 2 有什么不一样？

Nano Banana 2 是 2026 年 2 月发布的，重点能力包括：

• 文字渲染：图里的文字终于能看清了（之前的痛点）
• Google Search grounding：实时数据接入，股票、天气都能上
• 主体一致性：跨多张图保持最多 5 个角色的一致
• 多轮对话：迭代精修而不是一次性出图
• 最多 14 张参考图：做风格迁移、构图融合
• 1K/2K/4K 三档分辨率

那 6 步工作流具体是啥？

这是这个 Skill 最值钱的部分。它把出图拆成 6 步走：

1. Extract narrative：先理解完整的故事/概念
2. Derive visual concept：提炼出单一视觉隐喻，配 2-3 个实体物件
3. Apply aesthetic：定风格、色调、氛围
4. Construct prompt：把上面这些组合成具体的生成指令
5. Generate：调用脚本执行
6. Validate：对照标准检查，不行就重生成

这种结构化思维，对做信息图（infographic）和技术示意图（diagram）特别有用。Skill 里已经预设了两套工作流模板：infographic.md 和 diagram.md，直接拿来用。

三个脚本，一个 Skill

• scripts/generate.py：文生图，支持横竖比例和分辨率参数
• scripts/edit.py：编辑已有图片（比如换背景、改风格）
• scripts/compose.py：多图合成（融合参考图的风格到新图里）

环境变量只需要一个 GEMINI_API_KEY。代码用 uv run 跑，依赖自动装。

用起来怎么样？

举两个例子：

# 生成咖啡店插画
uv run scripts/generate.py "A cozy coffee shop in autumn" coffee.png

# 生成神经网络科普信息图
uv run scripts/generate.py "Infographic explaining how neural networks work" nn.png 16:9 2K

注意一个有意思的限制：不要用 Read 工具读取生成的图片。生成的图是给用户看的，不是给 Agent 自己做视觉分析的——做编辑用 edit.py 脚本，不要直接 Read。

价格档位

• 1K：免费档 / $0.04（适合预览）
• 2K：$0.134（封面、信息图推荐）
• 4K：$0.24（专业素材）

适用场景

如果你做小红书、AI 公众号、知识付费课程，需要大量图：

• 封面图：16:9 横版，2K 足够清晰
• 科普信息图：用 infographic 工作流
• 产品 mockup：用 edit.py 调整细节
• 风格一致的角色图：用 compose.py + 多张参考图

对比之前推荐的 baoyu-image-gen（多 provider 全能选手），这个 Skill 的优势在于：工作流模板更系统，适合需要批量出图的创作者。

GitHub：https://github.com/krishagel/geoffrey/tree/main/skills/image-gen

GitHub: https://github.com/krishagel/geoffrey/tree/main/skills/image-gen