使用 Gemini Nano Banana 2 產生圖片。當用戶說「產圖」「生成圖片」「generate image」「畫一張圖」時使用。

Gemini Nano Banana 2 圖片生成

目標

透過 Google Gemini 最新圖像模型（Nano Banana 2）生成圖片，儲存到本機。

流程

Step 0: 檢查 Gemini API Key

在做任何事之前，先確認用戶有 API Key。依序檢查：

python3 -c "
import os
key = os.environ.get('GEMINI_API_KEY') or os.environ.get('GOOGLE_API_KEY') or ''
if key:
    print('KEY_FOUND')
else:
    print('KEY_NOT_FOUND')
"

找到 → 繼續 Step 1
沒找到 → 告訴用戶：

找不到 Gemini API Key。請提供你的 API Key：

1. 到 https://aistudio.google.com/apikey 申請（免費）
2. 然後用以下任一方式提供：
   a) 直接貼給我（本次 session 有效）
   b) 加到 shell 環境：export GEMINI_API_KEY="your-key-here"
   c) 加到 .env 檔案：echo 'GEMINI_API_KEY=your-key-here' >> ~/.env

等用戶提供 key 後，用他給的值繼續。不要在沒有 key 的情況下嘗試呼叫 API。

Step 1: 確認圖片需求

根據 $ARGUMENTS 判斷：

有 prompt → 直接使用
空 → 詢問用戶想要什麼圖片，引導他描述：
- 主題 / 場景
- 風格（寫實、插畫、極簡、水彩...）
- 色調偏好
- 用途（blog feature image、social media、簡報...）

Step 2: 優化 Prompt

將用戶描述優化為英文 prompt（Gemini 對英文 prompt 效果最好）。遵循原則：

具體描述構圖、光線、色調
指定風格關鍵字（e.g., minimalist, watercolor, isometric, flat design）
指定比例（16:9 for blog, 1:1 for social, 4:3 for presentation）
避免過於抽象的描述

Prompt 範例：

Clean modern tech blog illustration, 16:9 aspect ratio, minimalist style.
Visual metaphor for AI-powered knowledge management.
Cool blue and grey tones with warm orange accent colors.
Abstract geometric shapes representing data flow, no text, no human faces.

向用戶展示優化後的 prompt，確認後繼續。

Step 3: 呼叫 Gemini API 生成圖片

python3 << 'PYEOF'
import json, os, sys, base64, urllib.request, urllib.error

# --- API Key ---
API_KEY = os.environ.get("GEMINI_API_KEY") or os.environ.get("GOOGLE_API_KEY") or "USER_PROVIDED_KEY_HERE"

# --- 設定 ---
PROMPT = """USER_PROMPT_HERE"""
OUTPUT_PATH = "/tmp/generated-image.png"
MODEL = "gemini-3.1-flash-image-preview"  # Gemini 圖像生成（穩定版）

# --- 呼叫 Gemini API ---
url = f"https://generativelanguage.googleapis.com/v1beta/models/{MODEL}:generateContent?key={API_KEY}"

payload = {
    "contents": [{
        "parts": [{"text": PROMPT}]
    }],
    "generationConfig": {
        "responseModalities": ["TEXT", "IMAGE"]
    }
}

req = urllib.request.Request(
    url,
    data=json.dumps(payload).encode("utf-8"),
    headers={"Content-Type": "application/json"},
    method="POST",
)

try:
    with urllib.request.urlopen(req, timeout=120) as resp:
        result = json.loads(resp.read().decode())
except urllib.error.HTTPError as e:
    body = e.read().decode()
    print(f"API Error {e.code}: {body}", file=sys.stderr)
    sys.exit(1)

# --- 從回應中提取圖片 ---
saved = False
for candidate in result.get("candidates", []):
    for part in candidate.get("content", {}).get("parts", []):
        if "inlineData" in part:
            img_data = base64.b64decode(part["inlineData"]["data"])
            mime = part["inlineData"].get("mimeType", "image/png")
            ext = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp"}.get(mime, ".png")
            out = OUTPUT_PATH.rsplit(".", 1)[0] + ext
            with open(out, "wb") as f:
                f.write(img_data)
            print(f"IMAGE_SAVED:{out} ({len(img_data)} bytes)")
            saved = True
            break
    if saved:
        break

if not saved:
    # 印出回應以便 debug
    print("No image in response. Full response:")
    print(json.dumps(result, ensure_ascii=False, indent=2)[:2000])
    sys.exit(1)
PYEOF

重要替換：

USER_PROVIDED_KEY_HERE → 用戶提供的 API Key（如果環境變數沒有的話）
USER_PROMPT_HERE → Step 2 優化後的 prompt
OUTPUT_PATH → 依用途調整檔名

Step 4: 展示結果

圖片生成後：

用 Read tool 讀取圖片檔案，展示給用戶看
告知檔案位置和大小
詢問是否滿意：
- 滿意 → 詢問是否要搬到特定目錄
- 不滿意 → 調整 prompt 重新生成（最多重試 2 次）

圖片已生成！

檔案：/tmp/generated-image.png
大小：{size}
Prompt：{prompt}

滿意嗎？如果要調整，告訴我哪裡需要修改。

Step 5: 儲存到目標位置（可選）

如果用戶指定了儲存位置：

cp /tmp/generated-image.png "{TARGET_PATH}"

可用模型

模型 ID	特性
`gemini-3.1-flash-image-preview`（預設）	最新圖像生成，品質好
`gemini-2.0-flash-preview-image-generation`	備用（舊版）

模型 ID 可能隨 Google 更新而變動。如果遇到 404 錯誤，請查閱 https://ai.google.dev/gemini-api/docs/image-generation 確認最新模型 ID。

常見問題

API 回應沒有圖片

Gemini 有時會因為 safety filter 拒絕生成
調整 prompt 避免敏感內容，重新嘗試

403 / 401 錯誤

API Key 無效或過期
確認 Key 有啟用 Generative Language API

429 Too Many Requests

免費額度用完，等一分鐘後重試
或升級為付費方案

注意事項

Gemini 免費方案有每分鐘請求限制（通常 15 RPM）
生成的圖片版權歸用戶所有（依 Google ToS）
不要用來生成真人照片、有害內容、或侵權素材
API Key 不會被記錄或儲存到任何檔案中

generate-image