local-imagegen

一个 DSH Skill：用本机 GPU 上的 ComfyUI + Z-Image Turbo 离线生成图片 —— 零 API 费用、无限次试错，也支持对已生成图片做局部重绘（inpainting）。

这个仓库只有前端（技能说明 + 脚本）。出图能力来自你自己的 ComfyUI 后端与本地模型。

特性

• 零边际成本：本地推理，不消耗任何云端积分
• 能力自检：出图前先探测显卡显存、驱动、CUDA、ComfyUI 安装与模型完整性，并强制向用户确认后才启用重负载 GPU 任务
• 文生图 CLI：常用比例预设、自定义尺寸、固定 seed 复现、批量出图挑选
• 局部重绘 CLI：矩形或阶梯形多边形蒙版，只改一小块而不整张重生成
• 可搬运：脚本内部没有写死的用户路径，LOCAL_IMAGEGEN_ROOT 等环境变量即可换机器

环境要求

项目	要求
显卡	NVIDIA，显存 ≥ 6 GB（推荐 ≥ 8 GB）
驱动	支持 CUDA 12.8（实测 577.05 可用；580+ 可上 cu130 加速内核）
Python	3.10+（脚本只用标准库；inpaint.py 另需 Pillow）
ComfyUI	后端服务，默认路径 D:\dsh\ComfyUI，可用环境变量覆盖
模型	Z-Image Turbo int8 + Qwen3-4B 文本编码器 + VAE，合计约 11.3 GB

后端怎么搭见 local-imagegen/SETUP-comfyui.md。

安装

1. 把 local-imagegen/ 整个目录放进 DSH 的技能根目录（默认 ~/.agents/skills/）：

   $dest = "$env:USERPROFILE\.agents\skills"
   New-Item -ItemType Directory -Force -Path $dest | Out-Null
   Copy-Item -Path .\local-imagegen -Destination $dest -Recurse -Force
   

2. 确认技能加载器已启用（最常见的坑）：DSH 需要启用本地技能提供方 @deepseek-ai/dsh-skill-filesystem，否则技能目录永远是空的，agent 报 skill "local-imagegen" is unknown or no longer available —— 文件都在，只是没人来读。 完整排查步骤见 local-imagegen/INSTALL.md 的 2.1 节。

3. 验证：

   python local-imagegen\scripts\check_capability.py --json
   

使用

技能注册后，直接对 agent 说"用 local-imagegen 画……"即可。也可以直接调脚本：

# 提示词写进 UTF-8 文件再传（Windows 命令行直传中文会乱码）
python local-imagegen\scripts\generate.py --prompt-file prompt.txt --ratio 16:9
python local-imagegen\scripts\generate.py --prompt-file prompt.txt --width 1344 --height 768 --seed 12345

# 局部重绘：蒙版越贴合目标物体越好
python local-imagegen\scripts\inpaint.py --image out.png --poly "1102,200 1126,200 1126,178 1246,178 1246,262 1126,262 1126,243" --prompt-file fix.txt

环境变量（都有默认值，换机器时覆盖即可）：

变量	默认值	说明
LOCAL_IMAGEGEN_ROOT	D:\dsh\ComfyUI	ComfyUI 安装目录
LOCAL_IMAGEGEN_HOST	http://127.0.0.1:8188	服务地址
LOCAL_IMAGEGEN_UNET / _CLIP / _VAE	见 INSTALL.md	模型文件名

已知边界（请勿过度期待）

• CFG=1 让负面提示词数学上失效：Z-Image Turbo 是蒸馏模型，不要写"不要 XX"，只做正向描述。
• 细粒度机械结构不可靠，且失败是静默的：类别正确性高（是坦克），个体正确性低（是哪一型坦克）。
• 不适合：技术插图、真实人物/地点还原、画面内文字、精确数量与空间关系。
• 需要事实准确性时，正路是参考图 + 图生图/ControlNet，或挂对应 LoRA。

目录结构

local-imagegen/
├── SKILL.md                     技能说明：执行流程、边界、环境坑（agent 读这个）
├── INSTALL.md                   安装与排查
├── SETUP-comfyui.md             后端搭建指南
└── scripts/
    ├── check_capability.py      出图前的硬件能力检测（必须先跑）
    ├── ensure_server.ps1        探测/拉起 ComfyUI 服务
    ├── comfy_client.py          ComfyUI 客户端 + 工作流构建
    ├── generate.py              文生图 CLI
    └── inpaint.py               局部重绘 CLI

许可

MIT

致谢

Z-Image Turbo（扩散模型）、Qwen3-4B（文本编码器）、ComfyUI。