Image Generation：让 Agent 生成或编辑图片
image_generate 工具可以让 Agent 根据文字生成图片，也可以参考已有图片做编辑。
它不是“看图理解”。看图理解属于视觉模型或媒体理解。 这一页讲的是“产出图片”。
快速开始
你需要至少配置一个图像生成提供商，例如：
- OpenAI。
- Google Gemini。
- MiniMax。
- fal。
- DeepInfra。
- OpenRouter。
- LiteLLM。
- ComfyUI。
- xAI。
常见环境变量：
bash
export OPENAI_API_KEY="..."
export GEMINI_API_KEY="..."
export MINIMAX_API_KEY="..."也可以在配置中指定默认模型：
json5
{
agents: {
defaults: {
imageGenerationModel: {
primary: "openai/gpt-image-2",
timeoutMs: 180000
}
}
}
}怎么使用？
你直接对 Agent 说：
text
帮我生成一张适合 OpenClaw 教程首页的友好机器人插图。如果工具可用，Agent 会自动调用 image_generate，生成结果会作为媒体附件发回。
生成和编辑的区别
| 模式 | 需要什么 |
|---|---|
| 生成 | 文字 prompt |
| 编辑 | 文字 prompt + 一张或多张参考图 |
不同提供商支持的参考图数量、透明背景、尺寸和质量参数不同。Agent 会尽量按提供商能力转发，提供商不支持的参数可能会被忽略。
安全提醒
如果你配置的是局域网或内网 OpenAI-compatible 图片服务，需要显式允许私有网络访问。默认拦截内网地址是为了防 SSRF。
不要为了省事把内网图片端点暴露给不可信用户。