我用 3 种方式做了个宠物风格图生成器，最省事的那个只要一句话
0. 起因
我家猫主子最近过生日（猫历），我想给它做一张「神格风格」的图发朋友圈——把它的照片变成中国传统神话里某个神祇的造型。听起来简单，真动手才发现：这事儿至少有三种做法，成本和体验差得挺远。
这篇就复盘一下我试的三种方案。重点不是安利哪一个，而是帮你判断不同需求该走哪条路，少踩我踩过的坑。
1. 方案一：自己写代码，调生图模型
最「正统」的程序员做法——自己搭一条 pipeline。
大致流程：
- 上传宠物图，用视觉模型（如 CLIP / 一个 caption 模型）提取特征：毛色、体型、神态、品种。
- 根据特征写 prompt 模板，比如「一只橘猫，圆脸，慵懒眼神，融合神话人物风格，工笔重彩……」。
- 把 prompt 丢给生图模型（Stable Diffusion 系列 / 或各家开放 API）。
- 后处理：裁剪、加边框、拼排版。
麻雀虽小五脏俱全，你至少要处理：环境依赖、模型选择、显存或额度、prompt 调参、出图不稳定还要重跑。
- 优点：完全可控，想改风格就改代码，能批量、能接入自己的系统。
- 缺点：上手门槛高，第一次跑通可能要半天；模型效果和调参强相关，非从业者容易卡在「出不来想要的图」。
适合：本来就要把这个能力嵌进自己产品、且有一定工程资源的团队。
2. 方案二：用现成 AI 工具手动搞
不想写代码，那就把宠物图丢给 ChatGPT / 即梦 / Midjourney 这类工具，配一句提示词。
比如：「把这只猫变成神话人物风格，保留它的橘色和圆脸，国风工笔。」
- 优点：零代码，几分钟出图，适合一次性需求。
- 缺点：每次都要手敲提示词；想复用到第二只猫、想做成「朋友也能用」的东西，就不行了；也不能接进你自己的网站或小程序。
适合：低频、一次性、自己玩。
3. 方案三：一句话生成 Skill，还顺手产出 API
前面两种，要么太重、要么太散。第三种思路是——把「上传宠物图 → 出风格图」这件事，打包成一个能复用、还能嵌进我自己程序的能力。
我试的是 ShowAPI 的 AI Skills：用一句话描述需求（「上传宠物图，识别特征并生成神格风格图」），它会自动编排背后的 API 和生图模型，一次生成两个东西：
- 一个 Skill：可以导入 WorkBuddy、Coze、Dify 这类 Agent 客户端，对话式调用，非开发者也能用；
- 一个 标准 RESTful API：直接拿 API Key 集成进我自己的程序里，想在哪调就在哪调。
这一点正好戳中我的需求——我既想给不懂代码的朋友一个「一句话就能用」的入口（Skill），又想在自己写的小程序里直接调同一个能力（API）。以前这两件事得分头做：写个前端调 Agent、再单独开个项目封 API。现在描述一次，两样都拿到，省的不只是时间，是两套维护成本。
对我这种「想做东西但不想天天调环境」的人来说，吸引力在于：第一次是手敲，之后就是一句话复用，而且 Skill 和 API 同步更新。
注：ShowAPI 上本来就有现成的「宠物神格鉴定」Skill（上传宠物图 → 匹配神话人物 → 生成神像风格图），我这篇其实是拿它当基础改了个变体，省得从零描述需求；它本身就是「Skill + API 两种交付」的形态。
- 优点：复用性强，同时覆盖「别人对话式用」和「我自己程序里调用」两种场景，能接 API。
- 缺点：深度定制（比如指定某个很冷门的画风）还是得回到 prompt / 参数层面；依赖平台本身的能力边界。
4. 三种方案怎么选
| 维度 | 自己写代码 | 现成 AI 工具 | 封装成 Skill |
|---|---|---|---|
| 上手成本 | 高 | 低 | 低 |
| 复用性 | 高（自己维护） | 低 | 高 |
| 可集成进自有系统 | 是（自己写） | 否 | 是（平台直接给 API） |
| 交付形态 | 代码 | 无（手动） | Skill + API 双交付 |
| 适合谁 | 有工程资源的团队 | 一次性玩家 | 想复用 / 分享，且要在自己程序里调用的开发者 |
我的结论很朴素：偶尔玩玩用方案二，要完全自己掌控用方案一，想「做一次、既给外人用 Skill、又给自己程序留个 API」用方案三。
5. 写在最后
做一个小工具，难的从来不是「能不能实现」，而是「实现完之后谁来用、怎么复用」。这几种方式没有绝对优劣，看你是给自己玩、给团队用、还是给更多人用。选对路径，比闷头写代码重要得多。
本文作者为 ShowAPI 团队成员。文中方案三基于 ShowAPI AI Skills 的能力实践，其余为通用技术思路，供参考，不构成对任何工具的官方背书。
