agentleFS
full-aigc-skillsfull-aigc-skills/dreamina-skills/skills/dreamina-cli-image2image/SKILL.md

dreamina-cli-image2image

Skill4 starsChanged 58 days agoApache-2.0View on GitHub

仅在用户明确要求旧版 dreamina CLI、恢复旧版 submit_id 或排查历史命令时使用;冻结兼容技能,新任务转交对应 dreamina-canvas-cli 技能。

1 other project uses a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

即梦 CLI 图生图

⚠️ 停维护公告:旧版 Dreamina CLI(dreamina,v1.4.18)将于 2026 年 11 月 起停止维护。新任务请改用 Canvas 替代技能 dreamina-canvas-cli-image2image(安装:npx skills add full-aigc-skills/dreamina-skills --skill dreamina-canvas-cli-image2image)。本技能内容保留作历史契约参考。

执行前先运行 dreamina image2image -h。本技能记录 v1.4.18 稳定工作流;实际 help 始终是参数事实源。

When to use and boundary

用于已有本地参考图、需要通过 CLI 编辑并跟踪结果的任务。不该用于文生图、视频生成或纯提示词润色;分别加载对应的执行或 prompt 技能。

协作路由:dreamina-prompt-image2image 负责编辑提示词;本 Skill 负责本地 dreamina CLI 执行;用户明确选择 OpenCLI 传输时改用 dreamina-opencli-image2image,不要重复提交。

必须遵守

  • --images 接收 1–10 个本地文件,多个路径使用逗号分隔。
  • 每次提交显式传 --resolution_type=1k|2k|4k。
  • --width 与 --height 必须成对出现、为正整数,并与 --ratio 互斥。
  • 仅 5.0Pro 支持 1k;4.x/5.0 只支持 2k 或 4k。
  • 模型 token 是 5.0Pro,不是展示名 5.0 Pro。
  • generate_num 范围为 1–10。

完整模型矩阵和像素限制见 dreamina-cli skill 的 references/dreamina-cli-v1.4.18-contract.md。 如未安装,请先 npx skills add full-aigc-skills/dreamina-skills --skill dreamina-cli。

标准执行

test -r ./input.png
dreamina user_credit
dreamina image2image \
  --images=./input.png \
  --prompt="保留主体与构图,转换为透明水彩风格" \
  --model_version=5.0 \
  --resolution_type=2k \
  --ratio=1:1 \
  --poll=0

自定义尺寸时省略 ratio:

dreamina image2image \
  --images=./input.png \
  --prompt="改造成竖版电商海报" \
  --model_version=5.0 \
  --resolution_type=2k \
  --width=1536 \
  --height=2048 \
  --poll=0

图片超清

图片超清由本 Skill 路由,但必须先读取实时 help,因为参数与图生图不同:

dreamina image_upscale -h
dreamina user_credit
dreamina image_upscale \
  --image=./input.png \
  --resolution_type=2k \
  --poll=0

提交前验证源图片可读、展示分辨率和消费影响并取得明确授权。保存返回的 submit_id,通过 dreamina query_result 跟踪到 success 或 fail。

异步闭环

Step 1:验证

逐个验证输入文件可读,并用 help 校验模型、分辨率、ratio 或自定义尺寸组合。

Step 2:提交

检查积分、说明消费影响、提交并保存 submit_id。

Step 3:终态闭环

对 querying 持续调用 query_result,直到 success 或 fail。失败时报告 fail_reason,不要把 submit 成功当作生成成功。

Gotchas

  1. 文件数量:只允许 1–10 张可读本地图片。
  2. 分辨率遗漏:v1.4.18 必须传 resolution_type。
  3. 宽高冲突:width/height 成对且与 ratio 互斥。
  4. 1k 误用:只有 5.0Pro 支持图生图 1k。
  5. 状态误判:querying 不是成功终态。

References

<!-- QUALITY_BASELINE_V1 -->

When to use(什么时候使用)

当用户需要 在明确输入、预算和交付约束后执行生成或写入操作 时加载本技能。先从请求中提取目标、输入、约束、交付格式和验收标准;描述摘要为:Use when the user provides local images and wants Dreamina 即梦 image-to-image editing or image upscaling through dreamina image2image or dreamina image_upscale, including validation, submission, polling, and troubleshooting.。

Rules

  • 先读后写:先确认当前状态与真实能力,再执行会改变外部状态的动作。
  • 权限最小化:只使用完成当前步骤所需的文件、工具、账户与网络范围。
  • 证据优先:运行结果、资源 ID、版本、哈希或测试输出缺失时,明确标记为 NOT_VERIFIED。
  • 幂等优先:保留请求标识与阶段状态;结果不明确时先查询,不进行盲目重试。
  • 隐私安全:日志、示例、回执和错误信息不得包含 token、cookie、密钥或个人敏感数据。

Workflow

Step 1:澄清意图

确认本技能是否匹配目标;若只是相邻需求,交给更精确的技能。

Step 2:执行预检

校验输入、模型/工具能力、输出路径、预算上限和审批状态;任一关键条件未知时停止在只读阶段。

Step 3:形成计划

列出将调用的工具、会改变的对象、成功标准以及失败后的安全退出方式。

Step 4:执行动作

按一次批准执行并记录请求标识;模糊结果先查询而不是重提;每个外部调用均保留可关联的状态或回执。

Step 5:验证交付

验证产物存在性、格式、哈希/标识、成本状态和质量门禁,并把事实、推断和未验证项分开陈述。

Validation checklist

  • 技能触发条件与用户意图一致,没有把相邻任务误路由到本技能。
  • 输入、目标对象、版本和输出位置均已明确,且没有使用猜测值替代必填值。
  • 所有写入、付费、发布或不可逆动作都在用户授权范围内。
  • 结果已用独立检查验证;仅有“命令成功”或“文件存在”不算完整验收。
  • 输出包含实际证据、失败/跳过项、剩余风险和可执行的下一步。

Gotchas

  1. 把计划当结果:文档或提示词不等于真实执行;必须标明实际运行层级。
  2. 错误重试:超时或响应丢失可能已经产生远端状态,先查询再决定是否重试。
  3. 隐式扩大范围:批量、全量、发布、覆盖和付费不是普通读写的自然延伸。
  4. 版本漂移:引用外部资源时记录版本、tag 或提交;不要把可变分支当发布证据。
  5. 证据过期:缓存、旧截图和历史测试不能证明当前环境;在交付前刷新关键证据。

不适用与边界

付费、发布、覆盖、上传或外部写入必须使用当前任务的显式授权;不自动扩大次数和预算。 如果请求需要别的技能,不复制其正文;按技能名称进行交接,并保留当前任务上下文。

Progressive disclosure

  • 需要确定输入/输出、状态和授权点时,读取 references/workflow-contract.md。
  • 需要交付前自检时,读取 references/validation-checklist.md。
  • 遇到超时、部分成功或恢复场景时,读取 references/error-recovery.md。
  • 首次运行、拒绝越权和失败恢复分别参考 examples/happy-path.md、examples/boundary-refusal.md、examples/failure-recovery.md。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.