chaithanya-m/image-generation

Génération d'images universelle

Il s'agit d'une capacité universelle de génération d'images. Ne supposez jamais que le contenu fourni est lié à la finance. Déterminez le sujet et le style visuel à partir de l'entrée réelle.

Quand l'invoquer

Utilisez l'agent image chaque fois que l'utilisateur demande des éléments visuels, des illustrations, des illustrations de carrousel ou des images basées sur le contenu fourni. Il n'est pas lié à un flux de travail de recherche ou de publication.

Entrées prises en charge

• Texte brut et Markdown.
• Objets et tableaux JSON, y compris le contenu sérialisé DialogueScript et InstagramPost.
• Diapositives/scènes individuelles et documents multi-sections.
• Champs visual_prompt existants, qui doivent être réutilisés comme contexte.

Planifier et générer

Exécutez les commandes depuis le répertoire du projet image-generation-agent. Toujours prévisualiser d'abord un plan lorsque cela est demandé ou lorsque le coût/volume de génération le justifie :

python -m src.image_agent.cli --input content.json --dry-run

L'exécution à sec analyse le sujet réel avec le LLM configuré et affiche le domaine, les sections, le style, le rapport d'aspect et les prompts complets ; elle ne contacte pas le fournisseur d'images ni ne sauvegarde d'images. Pour générer :

python -m src.image_agent.cli --input content.json
python -m src.image_agent.cli --input content.md --aspect-ratio 4:5
python -m src.image_agent.cli --input content.json --style cinematic \
  --images-per-section 2 --output output/custom

# Réessayer les images échouées avec leurs prompts sauvegardés, sans réanalyse
python -m src.image_agent.cli \
  --retry output/images/generated/topic/generation_manifest.json

Le plan détermine un nombre d'images adapté au contenu, limité par le maximum configuré. Pour les diapositives/scènes, conservez l'ordre et un style cohérent dans toute la série. Utilisez les prompts visuels existants comme source. N'ajoutez pas de faits au-delà de l'entrée. Le texte exact doit être superposé avec Pillow, jamais délégué au modèle d'image.

Rapport et échecs

Les images et generation_manifest.json sont sauvegardés dans le répertoire de sortie demandé, dans un dossier unique basé sur un slug de contenu. Signalez le chemin de sortie exact, le nombre d'images réussies/échouées et le chemin du manifeste. Vérifiez le manifeste avant de signaler la fin.

Si l'analyse échoue, signalez l'erreur de l'API LLM configurée. Si la génération d'images échoue, signalez l'erreur du fournisseur et le numéro de l'image échouée ; n'impliquez pas qu'une image a été produite ni ne changez silencieusement de fournisseur. La génération Cloudflare nécessite CLOUDFLARE_ACCOUNT_ID et CLOUDFLARE_API_TOKEN. Les fichiers précédemment générés ne sont jamais écrasés. Réessayez les échecs avec --retry <generation_manifest.json> ainsi les images réussies sont ignorées et les prompts originaux sont réutilisés.