通过 inference.sh CLI 调用 Google…

在安装并登录 inference.sh CLI（belt）后，用命令行或 Python SDK 进行文生图、图像编辑、多图输入、4K 输出和 Google Search grounding。

适用场景

解决思路

1. 安装 belt CLI 技能：运行 `npx skills add belt-sh/cli`。
2. 安装 inference.sh CLI（`belt`），安装说明见 `https://raw.githubusercontent.com/inference-sh/skills/refs/heads/main/cli-install.md`。
3. 登录 inference.sh：运行 `belt login`。
4. 基础文生图：运行 `belt app run google/gemini-3-1-flash-image --input '{"prompt": "a banana in space, photorealistic"}'`。
5. 示例：基础文生图，运行 `belt app run google/gemini-3-1-flash-image --input '{"prompt": "A futuristic cityscape at sunset with flying cars"}'`。
6. 示例：生成多张图像，在 `--input` JSON 中设置 `"num_images": 4`，例如运行 `belt app run google/gemini-3-1-flash-image --input '{"prompt": "Minimalist logo design for a coffee shop", "num_images": 4}'`。
7. 示例：自定义宽高比，在 `--input` JSON 中设置 `"aspect_ratio": "16:9"`，例如运行 `belt app run google/gemini-3-1-flash-image --input '{"prompt": "Panoramic mountain landscape with northern lights", "aspect_ratio": "16:9"}'`。
8. 示例：图像编辑，在 `--input` JSON 中传入 `"images": ["https://example.com/landscape.jpg"]` 并给出修改 prompt，例如运行 `belt app run google/gemini-3-1-flash-image --input '{"prompt": "Add a rainbow in the sky", "images": ["https://example.com/landscape.jpg"]}'`。
9. 示例：高分辨率 4K，在 `--input` JSON 中设置 `"resolution": "4K"`，例如运行 `belt app run google/gemini-3-1-flash-image --input '{"prompt": "Detailed illustration of a medieval castle", "resolution": "4K"}'`。
10. 示例：启用 Google Search grounding，在 `--input` JSON 中设置 `"enable_google_search": true`，例如运行 `belt app run google/gemini-3-1-flash-image --input '{"prompt": "Current weather in Tokyo visualized as an artistic scene", "enable_google_search": true}'`。
11. 输入参数 `prompt`：字符串，必填，描述要生成或修改的内容。
12. 输入参数 `images`：数组，用于编辑的输入图像，最多 14 张，支持 JPEG、PNG、WebP。
13. 输入参数 `num_images`：整数，要生成的图像数量。
14. 输入参数 `aspect_ratio`：字符串，输出比例，可选 `"1:1"`、`"16:9"`、`"9:16"`、`"4:3"`、`"3:4"`、`"auto"`。
15. 输入参数 `resolution`：字符串，可选 `"1K"`、`"2K"`、`"4K"`，默认 `"1K"`。
16. 输入参数 `output_format`：字符串，设置图像输出格式。
17. 输入参数 `enable_google_search`：布尔值，启用实时信息 grounding，例如天气、新闻等。
18. 输出字段 `images`：数组，生成或编辑后的图像。
19. 输出字段 `description`：字符串，模型返回的文本描述或响应。
20. 输出字段 `output_meta`：对象，输入/输出元数据，用于计费。
21. Prompt 技巧：风格可使用 `photorealistic`、`illustration`、`watercolor`、`oil painting`、`digital art`、`anime`、`3D render`。
22. Prompt 技巧：构图可使用 `close-up`、`wide shot`、`aerial view`、`macro`、`portrait`、`landscape`。
23. Prompt 技巧：光照可使用 `natural light`、`studio lighting`、`golden hour`、`dramatic shadows`、`neon`。
24. Prompt 技巧：添加关于纹理、颜色、心情、氛围的具体细节。
25. 示例工作流第 1 步：运行 `belt app sample google/gemini-3-1-flash-image --save input.json` 生成包含所有选项的示例输入。
26. 示例工作流第 2 步：编辑 prompt。
27. 示例工作流第 3 步：运行 `belt app run google/gemini-3-1-flash-image --input input.json`。
28. Python SDK：导入并创建客户端：`from inferencesh import inference` 和 `client = inference()`。
29. Python SDK 基础生成：调用 `result = client.run({"app": "google/gemini-3-1-flash-image@0c7ma1ex", "input": {"prompt": "A banana in space, photorealistic"}})`，然后 `print(result["output"])`。
30. Python SDK 流式实时更新：调用 `client.run({"app": "google/gemini-3-1-flash-image@0c7ma1ex", "input": {"prompt": "A futuristic cityscape at sunset"}}, stream=True)`，遍历更新，若存在 `progress` 则打印 `progress: {update['progress']}%`，若存在 `output` 则打印 `output: {update['output']}`。
31. 相关技能：安装原始 Nano Banana：运行 `npx skills add inference-sh/skills@nano-banana`。
32. 相关技能：安装完整平台技能（所有 apps）：运行 `npx skills add inference-sh/skills@infsh-cli`。
33. 相关技能：安装所有图像生成模型：运行 `npx skills add inference-sh/skills@ai-image-generation`。
34. 浏览所有图像应用：运行 `belt app list --category image`。
35. 参考文档：运行 Apps 见 `https://inference.sh/docs/apps/running`。
36. 参考文档：流式结果见 `https://inference.sh/docs/api/sdk/streaming`。
37. 参考文档：文件处理见 `https://inference.sh/docs/api/sdk/files`。

适用边界 · 注意事项

• 未安装或无法使用 inference.sh CLI（`belt`）、没有 inference.sh 账号或付费访问时不适用。
• 需要完全本地、离线、不依赖云服务生成图像时不适用。
• 只需要非 Google Gemini 3.1 Flash Image Preview / Nano Banana 2 的图像生成模型时不必用本技能。