Learn-skills.dev multimodal-gen

多模态内容生成（图片、视频）。当用户需要生成图片、生成图像、生成视频、AI绘画、AI作图、画一张图、做个视频、文生图、文生视频时使用此技能。自动调用 multimodal-agent 进行生成。

install

source · Clone the upstream repo

git clone https://github.com/NeverSight/learn-skills.dev

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/NeverSight/learn-skills.dev "$T" && mkdir -p ~/.claude/skills && cp -r "$T/data/skills-md/aaaaqwq/agi-super-skills/multimodal-gen" ~/.claude/skills/neversight-learn-skills-dev-multimodal-gen && rm -rf "$T"

manifest: data/skills-md/aaaaqwq/agi-super-skills/multimodal-gen/SKILL.md

source content

多模态内容生成

当用户需要生成图片或视频时，自动调用

multimodal-agent

进行处理。

触发场景

图片生成

"生成一张图片"
"画一张..."
"AI 作图"
"文生图"
"帮我生成图像"
"用 flux/imagen/dalle 生成"

视频生成

"生成一个视频"
"做个视频"
"文生视频"
"用 veo/sora/kling 生成视频"

使用方式

自动调用 multimodal-agent

sessions_spawn(
    agentId="multimodal-agent",
    task="生成图片: {用户描述}, 使用 {模型} 模型"
)

可用模型

图片生成

别名	模型	特点
`flux`	flux-pro-max	高质量，推荐
`imagen`	google/imagen-4-ultra	Google 最强
`dalle`	gpt-image-1	DALL-E 3
`doubao`	doubao-seedream-4-5	中式美学
`klingimg`	kling-image	可灵生图

视频生成

别名	模型	特点
`veopro`	veo3.1-pro	Google 专业版
`veo4k`	veo3.1-pro-4k	4K 高清
`sora`	sora-2-pro-all	OpenAI Sora
`kling`	kling-video	可灵视频

执行流程

用户请求 "生成一张猫咪图片"
    │
    ▼
┌─────────────────────────────────────┐
│ 1. 识别为图片生成请求              │
│ 2. 提取描述: "猫咪"                │
│ 3. 选择默认模型: flux-pro-max      │
└─────────────────────────────────────┘
    │
    ▼
┌─────────────────────────────────────┐
│ sessions_spawn(                     │
│   agentId="multimodal-agent",       │
│   task="生成图片: 一只可爱的猫咪,   │
│         使用 flux 模型"             │
│ )                                   │
└─────────────────────────────────────┘
    │
    ▼
multimodal-agent 执行生成并返回结果

示例

生成图片

用户: 帮我生成一张日落海滩的图片

执行:
sessions_spawn(
    agentId="multimodal-agent",
    task="生成图片: 日落时分的海滩，金色阳光洒在海面上，使用 flux 模型"
)

生成视频

用户: 用 sora 生成一个猫咪玩耍的视频

执行:
sessions_spawn(
    agentId="multimodal-agent",
    task="生成视频: 一只可爱的猫咪在草地上玩耍，使用 sora 模型"
)

指定模型

用户: 用 doubao 画一张中国风山水画

执行:
sessions_spawn(
    agentId="multimodal-agent",
    task="生成图片: 中国风山水画，云雾缭绕的山峰，使用 doubao 模型"
)

模型选择建议

场景	推荐模型
通用高质量	`flux`
中式风格	`doubao`
写实照片	`imagen`
创意艺术	`dalle`
高清视频	`veo4k`
电影级视频	`sora`
快速视频	`kling`

注意事项

提示词优化: multimodal-agent 会自动优化用户的描述
模型选择: 如果用户没指定，默认使用 flux (图片) 或 veopro (视频)
异步执行: 视频生成可能需要较长时间，会在后台执行
结果返回: 生成完成后会自动发送结果给用户