头像

白日梦与诗

林深时见鹿，海蓝深见鲸

用 Claude Code 给文章生成封面图——踩坑全记录

6分钟阅读

起因是看到这篇推文教程：跟 AI 说句话，它就帮你画了张图，讲的是用 baoyu-skills 一句话生成封面图。实际操作下来各种 API 中转站踩了不少坑。把过程记下来，希望能帮你少走弯路。

用什么 Skill？

Claude Code 的 baoyu-skills 包里专门有一个做封面图的：

/baoyu-cover-image 文章路径.md

它会自动分析文章内容、推荐风格组合、生成提示词，然后调用图像生成 API 出图。本质上是个编排层，真正生图靠后端 API。

安装方式（如果还没装）：

npx skills add jimliu/baoyu-skills --yes

装完在 .claude/skills/ 里能看到一堆 baoyu- 开头的文件夹。

后端支持哪些 API？

baoyu-image-gen 支持四个 provider：

Provider模型特点
OpenAIgpt-image-1.5质量好，需要 OpenAI 账号
Googlegemini-3-pro-image-preview质量很好，需要 Google Cloud
DashScopez-image-turbo有免费额度，但质量一般
ReplicateFlux 系列开源顶级质量，按次计费

配置方式，在 ~/.baoyu-skills/.env 里写入对应的 Key：

# DashScope（国内最简单）
DASHSCOPE_API_KEY=你的Key
 
# Google（质量最好）
GOOGLE_API_KEY=你的Key
 
# OpenAI
OPENAI_API_KEY=你的Key

踩坑过程

坑 1：中转站的图像生成模型大多是摆设

我有好几个中转站账号，都号称支持 gemini-3-pro-image-preview，挨个测试结果如下：

中转站结果
zscc.in❌ 账号分组无权限
hybgzs.com❌ 模型未接通后端
linuxdo.edu.rs❌ No available providers

根本原因：这些中转站在模型列表里登记了 Gemini 图像模型，但实际没有接通 Google 的图像生成后端渠道。看到模型名字不代表能用。

测试方法：

curl https://你的中转站/v1/images/generations \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{"model":"gemini-3-pro-image-preview","prompt":"a cat","n":1}'

看报错是 No available providers 还是 No available channel，都说明后端没接通。

坑 2：Google AI Studio 免费 Key 不包含图像生成配额

从 aistudio.google.com 申请的免费 Key，调用 gemini-3.1-flash-image-preview 时报错：

Quota exceeded: free_tier_requests, limit: 0

limit: 0 的意思是免费层对图像生成模型的配额为零。要用 Gemini 官方图像 API，需要开通 Google Cloud 付费账单（新用户有 $300 免费赠金）。

坑 3：DashScope 的 baoyu-image-gen 只兼容 z-image-turbo

想换 DashScope 更好的模型 wanx2.1-t2i-plus，结果报错：

url error, please check url!

原因：baoyu-image-gen 的 DashScope provider 用的是 multimodal-generation 接口，而 wanx2.1-t2i-plus 走的是 text2image 接口，两者不兼容。所以 DashScope 只能用 z-image-turbo，质量比较一般。

最终找到的正确姿势

在一个专门的 Gemini 中转站上，发现 gemini-3-pro-image-preview 需要走 chat completions 接口，并且必须加 response_modalities 参数：

curl https://中转站地址/v1/chat/completions \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3-pro-image-preview",
    "messages": [{"role": "user", "content": "画一只可爱的猫，扁平风格，蓝色背景"}],
    "response_modalities": ["IMAGE", "TEXT"],
    "stream": false
  }'

响应里的图片是 base64 格式嵌在 content 里：

data:image/jpeg;base64,/9j/4AAQ...

用 Python 提取保存：

import json, base64, re
 
d = json.load(open('response.json'))
content = d['choices'][0]['message']['content']
 
match = re.search(r'data:image/(\w+);base64,([A-Za-z0-9+/=]+)', content)
if match:
    fmt = match.group(1)
    img_bytes = base64.b64decode(match.group(2))
    with open(f'cover.{fmt}', 'wb') as f:
        f.write(img_bytes)

关键点：不能用 /v1/images/generations 接口（会报 not supported），必须用 /v1/chat/completions + response_modalities: ["IMAGE", "TEXT"]。

效果对比

同一个 prompt「Draw a simple cute cat, flat vector style, blue background」：

模型效果
DashScope z-image-turbo构图生硬，字体渲染差
Gemini 3 Pro Image Preview线条干净，细节丰富，质量明显更好

Gemini 3 Pro 生成的测试图：一只橙色猫咪，flat vector 风格，蓝天白云背景，效果相当不错。

费用参考

  • DashScope z-image-turbo：有免费额度，用完后极便宜
  • Gemini 3 Pro Image Preview（中转站）：约 $0.20-0.24 一张，质量好但不适合频繁生成
  • Gemini 2.5 Flash Image：比 Pro 版便宜约 5-10 倍，质量也不错，推荐找支持这个模型的中转站

总结

场景推荐方案
零成本试用DashScope z-image-turbo（免费额度）
偶尔生成高质量封面找支持 Gemini 3 Pro Image 的中转站，充少量额度
频繁批量生图Replicate + Flux 模型，按次计费更划算
最省心开通 Google Cloud 付费账单，直接用官方 API

最后：中转站的坑比想象的多，真正要稳定用图像生成，还是开官方渠道最靠谱。

关系图谱

1