Image Generation

Image Generation 適合用在 Agent 需要在對話中直接產生或修改圖片的情境。

Agent 可以根據文字描述產圖、參考 Knowledge Base 中選取或使用者在目前對話附上的圖片產生新版本，也可以修改同一段對話稍早生成的圖片。

什麼情況適合用 `Image Generation`

適合：

使用者明確要求 Agent 產生一張新圖片
新圖片需要延續現有參考圖的主體、構圖或視覺方向
使用者附上一張圖片，並要求產生變化版本或進行修改
使用者想修改同一段對話稍早生成的圖片
回答不只需要文字，也需要視覺草稿
目前先有一張可討論、可審閱的草稿就夠了，之後可以再由人調整

不適合：

使用者只想查看或下載既有圖片，不需要改動
你需要原封不動地回傳已核准的品牌素材
這份工作本來就需要設計師做精準的最終正式稿，不能先用生成內容代替

步驟 1：加入 `Image Generation`

在 Editor 的 Tools 裡按 Add Tool，選 Image Generation。

步驟 2：選擇 `Image Model`

在 Image Model 裡選 Agent 要用的圖片模型。

第一版先保持簡單即可，一個模型就夠你驗證整個流程。

參考圖與修改能力會因模型而異

有些模型可以根據文字產圖，但使用參考圖或修改既有圖片的能力未必同樣穩定。請用預計採用的參考與修改流程實際測試所選模型。

步驟 3：需要時連接參考圖片

如果要讓 Agent 根據既有圖片產生新版本，請同時加入 Knowledge Base，並選取它可以使用的 standalone 圖片。圖片必須完成處理並顯示為 Ready，才能作為產圖參考。

如果只是單次使用，使用者也可以直接在目前對話附上圖片，不必先加入 Knowledge Base。

Agent 也可以修改同一段對話稍早生成的圖片。每次修改都會建立一張新圖片，不會覆寫先前的結果。

每次產圖最多可使用四張輸入圖片。Agent 可以選一張作為要修改的 base image，其餘作為 reference。先前生成的圖片必須已經成為對話紀錄中的完整結果才能再次使用；同一次 tool run 剛產生的圖片不能立刻再餵回去。

當設定的模型是 GPT Image 2 時，在支援的 Chat 介面中，使用者可以對已生成的圖片選擇 編輯區域、框出一個矩形選區，再描述要修改的內容。Codeer 會把選區綁定到 base image，並在 server 端產生 provider 所需的 mask；使用者與 Agent 都不需要上傳或自行建立 mask。選區只會引導修改範圍，模型不一定會以像素級精度完全貼合邊界。

請在 Instructions 或 When to Use 說明 Agent 何時應該尋找參考圖、哪些內容必須保留，以及哪些內容可以改動。例如：

When the user asks for a campaign variation, find the matching Ready reference image in Knowledge Base, preserve its recognizable subject and layout direction, and generate a new draft using the user's requested changes. When revising an earlier generated image, preserve everything the user did not ask to change.

步驟 4：把 `When to Use` 寫窄

不要讓圖片生成變成 Agent 的預設反應，而是要讓它成為一個有條件的行為。

例如：

Use this tool when the user asks for a new visual concept, a variation based on an available reference, or a revision to an image generated earlier in this conversation. Do not use it for factual questions or when an existing approved asset should be returned unchanged.

這種寫法的好處是，它同時說清楚了：

哪些需求才該觸發這個工具
哪些情況不該用
什麼時候應該產生新草稿，什麼時候應該重用既有素材

步驟 5：用明確需要圖片的問題來測

例如：

可以幫我做一張法律諮詢 landing page 的 hero image 概念圖嗎？
請用乾淨的 flat style，畫一張 onboarding flow 的簡單插圖。
請參考 Knowledge Base 裡核准的藍色產品圖，產生一張直式活動版本。
請用我附上的圖片產生一張淺色背景的正方形版本。
修改你剛剛產生的圖片：保留構圖，但把標題放大。

測試時確認：

Agent 真的有呼叫這個工具
需要時有使用正確的參考圖或先前生成的圖片
產出的圖片方向符合你的要求
面對一般文字問題時，Agent 不會亂產圖

Agent 在執行時還能控制什麼

工具設定表單本身只會讓你選模型，並填寫 When to Use。

真正對話時，Agent 還是可以自行決定一些圖片生成細節，例如：

送給模型的文字 prompt
額外的 style 描述
模型支援時可用的 aspect ratio
哪一張可用圖片應該作為參考或修改目標
哪一張圖片（若有）應作為唯一的修改 base，其餘圖片則作為 reference
當支援的 Chat 介面啟動 GPT Image 2 局部修改時，如何套用使用者建立且不可變的區域選取

所以你的設定重點，不是把每個視覺細節都硬寫進工具，而是定義「這個 Agent 什麼情況可以產圖、可以產哪一類圖」。

操作建議

觸發條件要寫窄，避免使用者沒要求圖片時也被誤觸發。
如果圖片要遵守品牌、活動視覺或產品風格，請把規則寫進 Instructions，並在 Agent 的 Knowledge Base tool 選取相關 standalone 圖片。
單次使用的參考圖可以直接附在對話中；如果 Agent 需要跨對話尋找或重複使用圖片，請放進 Knowledge Base。
如果你想讓 Agent 具備不同的產圖行為，可以加多個 Image Generation 工具，並替每個工具寫清楚不同的 When to Use。
除非你的流程有明確人工審核，不然請把生成圖片視為草稿，而不是最後定稿。

常見錯誤

`When to Use` 寫太空泛

像 Use this tool when visuals are helpful 這種寫法太鬆，Agent 很難穩定判斷。

明明有現成素材，卻還是叫 Agent 重畫

如果正確的 logo、示意圖或活動素材應該原封不動地使用，就應該回傳原始素材，而不是重產一個近似版本。只有在使用者真的要新版本時，才把它當成產圖參考。

以為只要換模型就能補救模糊需求

模型選擇很重要，但前提還是要有清楚的請求和明確的產圖邊界。