Imagent 实战教程：给 AI 编码 Agent 装上创造力（图片/视频/语音一键生成）

你的 Claude Code 会不会写代码、改代码，但遇到”帮我画一张产品图””生成一段短视频配音””做一个 Logo”这类需求就束手无策？

大多数 AI 编码 Agent 能推理、会编程，但缺了”创造力”这一环——它们没法直接生成图片、视频和语音。开发者临时拼凑的脚本跑完就扔、绑定特定供应商、生成的素材关掉终端就再也找不回来。

Imagent 就是来解决这个问题的：一个本地优先的多模态生成 CLI + 桌面应用，让 AI Agent 把图片、视频和语音生成作为一等公民纳入工作流。背后是统一的多供应商接口，生成的素材自动入库可复用，而不是用完即弃。

快速安装

Imagent 以 npm 包形式发布，安装一行命令：

npm install -g @imagent/cli

不想全局安装？用 npx 临时跑也一样：

npx -y @imagent/cli doctor

配置供应商 API Key

Imagent 支持 OpenAI、Google Imagen/Gemini、Flux/BFL、字节跳动火山引擎（Seedream/Seedance）、xAI Grok、MiniMax、ElevenLabs 等多个供应商。最少配一个就能用：

imagent config set openai.apiKey $(OPENAI_API_KEY)

检查配置是否就绪：

imagent doctor

这条命令会列出哪些供应商已配置、哪些模型可用，是整个工作流的入口诊断。

CLI 命令一览

Imagent 的命令体系清晰，按能力分四组：

1. 图片生成

imagent image generate "一只红狐狸的电影级肖像"

可以指定供应商和模型：

imagent image generate "极简陶瓷马克杯产品照片" --provider google --model imagen-4.0

2. 视频生成

视频生成通常比图片慢，Imagent 提供了异步任务管理：

imagent video generate "穿越霓虹城市的慢镜头" --provider volcengine

imagent video task ls --state running

imagent video task get --id 

imagent video download  --out ./outputs

如果希望同步等待：

imagent video generate "穿越霓虹城市的慢镜头" --wait --out ./outputs

3. 语音合成（TTS）

imagent speech synthesize "欢迎使用 Imagent，你的本地创意工作空间" --provider elevenlabs

查看某个供应商的可用声音：

imagent speech voices --provider elevenlabs --json

4. 资产管理

Imagent 不只是一个”生成工具”，它还是一个资产管理器。所有生成的内容都自动存入 ~/.imagent/ 工作目录：

imagent gallery ls

imagent asset list

imagent gallery favorite --id 

与 AI 编码 Agent 集成

这是 Imagent 最出彩的部分——它原生支持与 Claude Code、Codex、OpenClaw、Hermes 等 AI Agent 配合使用。

Imagent 仓库里包含一个开箱即用的 Agent Skill，安装方式：

npx skills add unliftedq/imagent

安装后，AI Agent 就能在任务中主动调用 imagent CLI。Agent 会先跑 imagent doctor 判断是否已配置供应商，然后根据任务需求调用对应的生成命令。

典型场景：你在 Claude Code 中写一个电商页面，让它「生成一张产品图片并嵌入页面」——Agent 自动调 Imagent 出图，存入本地画廊，然后在页面代码中引用图片路径。

桌面应用：@imagent/studio

除了 CLI，Imagent 还提供了一个 Electron 桌面应用 @imagent/studio，适合视觉化的创作和素材管理：

• Studio 工作区：主生成界面，可配置供应商/模型、参数、参考图
• 画廊（Gallery）：浏览历史生成记录，搜索、收藏、按看板组织
• 素材管理：管理角色、物品、背景、风格等可复用素材
• 供应商配置：图形化管理多个供应商的 Key 和端点
• 模型目录：查看各供应商支持的模型和能力

CLI 和桌面应用共享同一个 ~/.imagent/ 工作空间——终端生成的图片在桌面画廊里也能看到，反之亦然。

架构亮点

从架构上看，Imagent 的设计思路值得关注：

• 本地优先：没有远程后端，所有数据存在本地 SQLite 中，配置和密钥分别存储（config.json + 权限 600 的 secrets.json）
• 供应商无关：通过统一的 Provider 接口抽象，用户可以在不同供应商之间切换而不改调用方式
• 资产复用：角色、物品、背景、风格等素材入库后可跨项目复用，而不是每次重新生成
• MCP 集成：CLI 内置 MCP 端点，Agent 可以通过 MCP 协议直接调用（imagent mcp）

实战示例：用 Agent 生成产品营销素材

假设你在做一个电商项目，需要三样东西：一张产品图、一段演示视频、一句语音介绍。

用 Imagent + AI Agent 的完整流程：

imagent doctor

imagent image generate "白色陶瓷咖啡杯，极简风格，工作室灯光" --provider bfl

imagent video generate "咖啡杯在桌面上缓慢旋转，柔和自然光" --provider volcengine --wait --out ./marketing

imagent speech synthesize "这款陶瓷咖啡杯采用极简设计，适合每日使用" --provider elevenlabs --out ./marketing

imagent gallery ls

所有素材都在本地，Agent 可以直接在代码中引用路径，无需手动上传。

项目状态与许可

Imagent 目前仍处于早期阶段，没有遥测、自动更新、云同步或账户系统。桌面安装包未签名（macOS 需 xattr -cr 解除隔离，Windows 可能显示 SmartScreen 警告）。采用 Apache License 2.0 开源许可，基于 TypeScript 构建（Monorepo + Turborepo + Bun）。

总结

Imagent 解决了 AI Agent 生态中一个被忽略的痛点：Agent 会写代码，但不会”创作”。它通过统一的 CLI 接口 + 多供应商抽象 + 本地资产管理，把图片、视频和语音生成变成 Agent 的原生能力。对于需要让 Agent 产出多媒体素材的开发者来说，这是一套开箱即用的实战工具。

• GitHub: github.com/unliftedq/imagent
• npm: @imagent/cli

相关链接

• Imagent GitHub 仓库
• @imagent/cli on npm
• Imagent 架构文档