功能说明: 本技能涵盖 中文交互 等核心能力。

Grok图片生成工具（免费版）

概述

Grok图片生成工具免费版是一款面向个人用户的 AI 图片生成方案。通过浏览器自动化访问 Grok Imagine 页面，输入提示词生成 AI 图片，并通过桌面操作自动化将图片保存到本地。

本版本适合个人创意图片生成、社交媒体配图制作和概念图快速验证等场景。操作流程完全自动化，用户只需提供描述文本。

核心能力

使用流程

工作流程:
  1. 打开 Grok Imagine 页面
  2. 输入提示词
  3. 点击生成按钮
  4. 等待图片生成（8-10秒）
  5. 右键保存图片到本地
  6. 查找下载的图片文件

不支持（需专业版）:
  - 批量图片生成
  - 多格式导出（PNG/JPG/WebP）
  - 消息平台发送（飞书等）
  - 自定义保存路径
  - 提示词模板管理

输出: 返回使用流程的执行结果,包含操作状态和输出数据。

1. 执行此能力时使用input_params参数,支持创建/查询/导出操作

核心功能执行

用input_params参数进行配置。

输出: 返回核心功能执行的执行结果,包含操作状态和输出数据。 2. 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置。

输出: 返回参数配置与调用的执行结果,包含操作状态和输出数据。 3. 执行此能力时使用config_options参数,支持修改/重置/导入操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：轻量级、图片生成工具、通过浏览器自动化、生成并保存图片、图片生成工具免费、面向个人用户的、图片生成方案等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

示例

基本用法

输出：返回执行结果,包含操作状态和输出数据

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功

使用场景

场景一：生成创意图片

为社交媒体或创意项目生成 AI 图片。

# 完整生成流程
# 步骤1 打开 Grok Imagine 页面
# 使用浏览器工具打开 https://grok.com/imagine

# 步骤2 输入提示词并生成
# 在输入框中输入: "一只在月光下飞翔的蓝色蝴蝶，梦幻氛围"
# 点击提交按钮

# 步骤3 等待生成（约8-10秒）

# 步骤4 保存图片到本地
# 使用桌面操作工具右键保存

# 步骤5 查找保存的图片
ls -lat $HOME/Downloads/ | head -10

场景二：概念图快速验证

为设计项目快速生成概念图。

# 概念图生成提示词模板
def build_prompt(subject, style, mood, details=""):
    """构建图片生成提示词"""
    prompt = f"{subject}"
    if style:
        prompt += f"，{style}风格"
    if mood:
        prompt += f"，{mood}氛围"
    if details:
        prompt += f"，{details}"
    return prompt

# 示例
prompts = [
    build_prompt("未来城市天际线", "赛博朋克", "霓虹灯光", "雨夜"),
    build_prompt("森林中的小木屋", "水彩", "温馨宁静", "晨光透过树叶"),
    build_prompt("太空中的鲸鱼", "超现实", "梦幻", "星云背景"),
]

for i, prompt in enumerate(prompts):
    print(f"提示词 {i+1}: {prompt}")
    # 将提示词输入 Grok Imagine 生成

场景三：保存与查找图片

# 保存图片的桌面操作流程

# 步骤1 移动鼠标到图片位置并右键
uvx desktop-agent mouse move 720 400
uvx desktop-agent mouse right-click
sleep 1

# 步骤2 选择"图片另存为"
uvx desktop-agent keyboard press down --presses 2
uvx desktop-agent keyboard press return
sleep 1

# 步骤3 确认保存
uvx desktop-agent keyboard press return

# 步骤4 查找保存的图片
ls -lat $HOME/Downloads/*.jpg | head -5
# 或

不适用场景

以下场景Grok图片生成-免费版不适合处理：

• 需要人工创意判断的任务
• 非结构化头脑风暴
• 人际沟通协调

触发条件

需要提升效率、自动化流程、批量处理、工作流优化时使用。不适用于非本工具能力范围的需求。

快速开始

领先步：打开 Grok Imagine

// 使用浏览器工具打开页面
playwright({
  action: "open",
  url: "https://grok.com/imagine"
})

第二步：输入提示词

// 等待页面加载后输入提示词
playwright({
  action: "act",
  request: {
    "kind": "type",
    "ref": "输入框ref",
    "text": "你想要生成的图片描述"
  }
})

// 点击生成按钮
playwright({
  action: "act",
  request: {
    "kind": "click",
    "ref": "提交按钮ref"
  }
})

第三步：保存图片

# 等待图片生成完成（约8-10秒）
sleep 10

# 右键保存
uvx desktop-agent mouse move 720 400
uvx desktop-agent mouse right-click
sleep 1
uvx desktop-agent keyboard press down --presses 2
uvx desktop-agent keyboard press return
sleep 1
uvx desktop-agent keyboard press return

# 查找保存的图片
ls -lat $HOME/Downloads/ | head -10

配置示例

桌面操作配置

# desktop-agent 常用命令
uvx desktop-agent screen size          # 获取屏幕尺寸
uvx desktop-agent mouse move <x> <y>   # 移动鼠标
uvx desktop-agent mouse right-click    # 右键点击
uvx desktop-agent keyboard press down  # 按下方向键
uvx desktop-agent keyboard press return # 按回车键

提示词建议

提示词优化技巧:
  1. 明确主体: "一只红色的狐狸"（不是"动物"）
  2. 指定风格: "水彩风格" / "油画风格" / "3D渲染"
  3. 描述氛围: "温馨氛围" / "神秘氛围" / "梦幻氛围"
  4. 添加细节: "在雪地里" / "月光下" / "雨夜霓虹"
  5. 指定构图: "特写" / "全景" / "俯视"

优选实践

1. 提示词具体化：明确主体、风格、氛围和细节，避免模糊描述。
2. 等待足够时间：图片生成约需 8-10 秒，保存操作间留 1 秒缓冲。
3. 及时查找文件：生成后立即查找 Downloads 目录最新文件。
4. 屏幕坐标适配：不同分辨率下鼠标坐标可能不同，先获取屏幕尺寸。
5. 页面元素变化：如果页面 DOM 变化，需根据实际情况调整选择器。

免费版优选实践:
[ ] 提示词包含主体+风格+氛围+细节
[ ] 生成等待时间 ≥ 10秒
[ ] 保存操作间留 1秒缓冲
[ ] 生成后立即查找 Downloads 目录
[ ] 屏幕坐标已适配当前分辨率

常见问题

已知限制

A: Grok Imagine 免费用户可能有每日生成次数限制。如果达到限制，需等待次日重置或升级账户。

Q: 图片保存在哪里？

A: 默认保存在 $HOME/Downloads/ 目录。可通过 ls -lat $HOME/Downloads/ | head -10 查找最新文件。

Q: 生成需要多长时间？

A: 图片生成约需 8-10 秒。网络状况可能影响加载速度，建议等待 10 秒以上再执行保存操作。

Q: 页面元素变化怎么办？

A: 如果 Grok Imagine 页面结构变化，需要根据实际 DOM 调整浏览器操作的元素引用（ref）。

Q: 可以批量生成吗？

A: 免费版仅支持单张图片生成。批量生成需要升级至专业版。

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux
• 浏览器: Chrome/Edge（浏览器自动化需要）

依赖详情

API Key 配置

• 本Skill采用纯Markdown指令驱动，无需额外API Key
• 需要已登录的 Grok 账号（浏览器会话）

可用性分类

• 分类: MD+EXEC（纯Markdown指令 + 命令行 + 浏览器自动化）
• 说明: 轻量级AI Skill，通过浏览器自动化和桌面操作实现图片生成与保存
• 适用规模: 个人用户，单张图片生成

错误处理

安全注意事项

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

核心功能

• 自动化执行: 基于指令驱动的自动化流程
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

核心功能

• 自动化执行: 基于指令驱动的自动化流程
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据