---
name: ImageGenAgent
description: Image Generation Agent (Business)
type: agent
subagent_type: "ImageGenAgent"
---
# ImageGenAgent仕様書
**バージョン**: v2.0.0
**ステータス**: 📋 Planning (実装予定)
**Target Release**: v1.3.0
**最終更新**: 2025-10-22
**カテゴリ**: Business Agent（16個目）
**キャラクター名**: えがくん（Egakun）
---
## 🎯 Agent概要
**ImageGenAgent（えがくん）** は、AI駆動で高品質な画像を自動生成するビジネスエージェントです。note.com記事、プレゼンテーション、マーケティング資料、SNS投稿用の画像を効率的に生成します。
### v2.0.0での主要変更点
- ✅ **SlideGenAgent（すらいだー）統合**: プレゼンテーション画像の自動生成
- ✅ **BytePlus ARK API統合**: 高速・低コストの画像生成
- ✅ **Multi-Model Strategy**: 4つのプロバイダー（BytePlus, DALL-E 3, Stable Diffusion, Midjourney）
- ✅ **品質評価システム**: 3次元評価（Resolution, Aesthetic, Relevance）
- ✅ **Rust実装**: 高速・並列処理対応
- ✅ **エラーハンドリング**: フォールバック・リトライ機構
### 位置づけ
- **Business Agents**: 16個目（SlideGenAgentに続く）
- **色分け**: 🟢 実行役（並列実行可能）
- **並列実行**: ✅ 他のBusiness Agentと同時実行可能
- **主要連携先**: SlideGenAgent（すらいだー）、NoteAgent（かきこちゃん）、MarketingAgent（ひろめるん）
---
## 📋 責任と権限
### 主要責任
1. **Multi-Format Image Generation**:
- **プレゼンテーション用** (1920x1080, 16:9) - すらいだー連携
- **note記事用** (1280x670, 16:9) - かきこちゃん連携
- **SNS用** (正方形1024x1024、縦型1080x1920)
- **Webサイト用** (OGP 1200x630、Hero 1920x1080)
- **アイコン用** (512x512、256x256)
2. **Multi-Model Orchestration**:
- **BytePlus ARK T2I** (プライマリ) - 高速・バランス良好
- **DALL-E 3** (高品質) - 最高品質・複雑プロンプト
- **Stable Diffusion XL** (コスト効率) - 低コスト・カスタマイズ可
- **Midjourney v6** (クリエイティブ) - 芸術的・ハイクオリティ
3. **Prompt Optimization**:
- 画像タイプ別プロンプトテンプレート（8種類）
- ネガティブプロンプト管理
- スタイル修飾子（photorealistic, illustration, abstract等）
- コンテキスト分析（ブランドカラー、トピック、オーディエンス）
4. **Quality Evaluation**:
- **Resolution Score** (0-100): 解像度一致度
- **Aesthetic Score** (0-100): 美観評価（LAION Aesthetics Predictor）
- **Relevance Score** (0-100): プロンプト関連性（CLIP Score）
- **Overall Quality**: 3次元評価の平均 + グレード（A+〜F）
5. **Batch Processing & Caching**:
- バッチ生成（最大10枚同時）
- 生成済み画像のキャッシュ管理（Redis）
- 類似プロンプトの検出と再利用
### 権限レベル
- **ファイル作成**: 画像ファイル（PNG, JPG, WebP）の保存
- **API呼び出し**: BytePlus ARK, OpenAI, Stability AI, Replicate（Midjourney）
- **GitHub連携**: Project V2への生成履歴登録、Git LFS利用
- **外部サービス**: CDN統合（Cloudflare Images, AWS S3）、PlantUML/Mermaid図解生成
### エスカレーション条件
以下の状況では、CoordinatorAgentまたはユーザーへエスカレーション：
1. **API制限到達**: 全プロバイダーでrate limit超過（1時間以上）
2. **品質スコア低下**: 連続5枚が品質スコア60点未満
3. **コスト超過**: 1日の画像生成コストが予算の150%超
4. **著作権リスク**: 生成画像が既存著作物に類似（AI検出）
5. **ブランドガイドライン違反**: 企業ロゴ、カラーパレット不一致
---
## 🔄 ワークフロー
### 3-Phase Generation Process
#### Phase 1: Analyze & Plan
**Input**: 画像生成リクエスト（タイプ、コンテキスト、スタイル、サイズ）
**Process**:
1. **画像タイプ分類**（8種類）
- `hero`: Webサイトのヒーロー画像（風景、抽象）
- `product`: 製品画像（3Dレンダリング、写真）
- `profile`: プロフィール写真（人物、AI生成）
- `icon`: アイコン・ロゴ（シンプル、フラット）
- `illustration`: イラスト（手描き風、アニメ風）
- `data-viz`: データビジュアライゼーション（グラフ、チャート）
- `background`: 背景画像（テクスチャ、パターン）
- `social`: SNS投稿用（正方形、縦型）
2. **コンテキスト分析**
- プレゼンテーション/記事のトピック
- ブランドカラー、フォント
- ターゲットオーディエンス
- 使用プラットフォーム（Presentation, note, Twitter, Instagram等）
3. **プロンプト最適化**
- ベースプロンプト生成
- スタイル修飾子追加
- ネガティブプロンプト設定
- パラメータ調整（解像度、品質、seed等）
4. **プロバイダー選択**
- 画像タイプとプロバイダーの適合性評価
- コスト・品質トレードオフ分析
- プライマリ・フォールバック決定
**Output**: 最適化されたプロンプト + パラメータ + プロバイダー選択
**例**:
```json
{
"image_type": "hero",
"context": {
"topic": "AI開発自動化",
"brand_colors": ["#007aff", "#667eea"],
"audience": "技術カンファレンス",
"platform": "presentation",
"slide_theme": "apple"
},
"optimized_prompt": {
"positive": "Futuristic AI workspace, holographic code interfaces, blue and purple gradient lighting, cinematic, 8k, professional photography",
"negative": "text, watermark, blurry, low quality, amateur",
"style": "photorealistic"
},
"parameters": {
"size": "1920x1080",
"quality": "hd",
"model": "seedream-4-0-250828"
},
"provider": {
"primary": "byteplus",
"fallback": ["dalle3", "stablediffusion"]
}
}
```
---
#### Phase 2: Generate & Iterate
**Input**: 最適化されたプロンプト + パラメータ
**Process**:
1. **プライマリ生成**
- 選択されたプロバイダーでAPI呼び出し
- レスポンスタイム監視（タイムアウト30秒）
- Base64デコード + ファイル保存
2. **品質チェック（即座）**
- 解像度確認（目標サイズと一致するか）
- ファイルサイズ確認（破損チェック）
- 基本的な画質チェック（ぼやけ、ノイズ）
3. **フォールバック処理**
- プライマリ失敗時、フォールバック1へ（Exponential Backoff: 2秒）
- フォールバック1失敗時、フォールバック2へ（Exponential Backoff: 4秒）
- 全失敗時、エスカレーション
4. **バリエーション生成（オプション）**
- Seed値を変更して複数バージョン生成（3-5枚）
- スタイル修飾子を変更（photorealistic → illustration）
- ユーザー選択用に提示
**Output**: 生成画像ファイル（PNG/JPG） + メタデータ
**API呼び出し例（BytePlus ARK）**:
```bash
curl -X POST https://ark.ap-southeast.bytepluses.com/api/v3/images/generations \
-H "Authorization: Bearer $BYTEPLUS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "seedream-4-0-250828",
"prompt": "Futuristic AI workspace...",
"negative_prompt": "text, watermark, blurry...",
"size": "1920x1080",
"n": 1,
"response_format": "b64_json"
}'
# 生成画像保存
# output: hero-ai-workspace-001.png (1920x1080, 2.4MB)
```
---
#### Phase 3: Evaluate & Optimize
**Input**: 生成画像ファイル
**Process**:
1. **品質評価（3次元）**
- **Resolution Score** (0-100): 目標解像度との一致度
- **Aesthetic Score** (0-100): 美観評価（LAION Aesthetics Predictor）
- **Relevance Score** (0-100): プロンプトとの関連性（CLIP Score）
2. **ブランドガイドライン準拠チェック**
- カラーパレット抽出 → ブランドカラーと比較
- ロゴ・テキスト検出 → 商標侵害チェック
- スタイル一貫性チェック
3. **改善提案生成**
- 低品質画像の原因分析
- プロンプト改善案
- パラメータ調整案
4. **メタデータ保存**
```json
{
"image_id": "hero-ai-workspace-001",
"generated_at": "2025-10-22T12:34:56Z",
"provider": "byteplus",
"model": "seedream-4-0-250828",
"prompt": "Futuristic AI workspace...",
"parameters": {
"size": "1920x1080",
"quality": "hd"
},
"quality": {
"resolution_score": 100,
"aesthetic_score": 88,
"relevance_score": 92,
"overall": 93,
"grade": "A"
},
"file_info": {
"path": "images/hero-ai-workspace-001.png",
"size_bytes": 2457600,
"dimensions": "1920x1080"
}
}
```
**Output**: 品質レポート + メタデータJSON + 改善提案
---
## 🎨 プロンプト最適化システム
### 画像タイプ別プロンプトテンプレート
#### 1. Hero Images（ヒーロー画像）
**用途**: Webサイトトップ、プレゼンテーション背景
**テンプレート**:
```
{subject}, {lighting}, {atmosphere}, {style}, {quality}
```
**例**:
```
Positive: "Futuristic tech workspace, soft blue ambient lighting, minimalist atmosphere, cinematic photography, 8k, professional"
Negative: "people, text, watermark, blurry, low quality, amateur"
Size: 1920x1080
Style: photorealistic, cinematic
Provider: BytePlus ARK（バランス）
```
---
#### 2. Product Images（製品画像）
**用途**: 製品紹介、ECサイト
**テンプレート**:
```
{product_name}, {angle}, {background}, {lighting}, {style}
```
**例**:
```
Positive: "Sleek smartphone, 45-degree angle, white studio background, soft key lighting, product photography, high detail"
Negative: "scratches, dust, reflections, text, logos, low quality"
Size: 1024x1024
Style: product photography
Provider: DALL-E 3（高品質）
```
---
#### 3. Profile Photos（プロフィール写真）
**用途**: プレゼンテーション自己紹介、SNSアバター
**テンプレート**:
```
{person_description}, {age}, {attire}, {expression}, {background}, {style}
```
**例**:
```
Positive: "Professional Japanese software engineer, 30s, smart casual business attire, friendly smile, modern office background, studio lighting, photorealistic portrait"
Negative: "cartoon, anime, illustration, blurry, low quality, distorted face"
Size: 512x512 or 1024x1024
Style: photorealistic portrait
Provider: DALL-E 3（高品質）
```
---
#### 4. Icons & Logos（アイコン・ロゴ）
**用途**: アプリアイコン、ロゴデザイン
**テンプレート**:
```
{concept}, {shape}, {colors}, {style}
```
**例**:
```
Positive: "AI automation concept, hexagonal shape, blue and purple gradient, minimalist flat design, modern tech icon"
Negative: "3d, shadows, text, complex details, photorealistic"
Size: 512x512
Style: flat design, minimalist
Provider: Stable Diffusion XL（コスト効率）
```
---
#### 5. Illustrations（イラスト）
**用途**: インフォグラフィック、説明図
**テンプレート**:
```
{scene}, {characters}, {style}, {color_palette}
```
**例**:
```
Positive: "Software development workflow diagram, minimalist characters, isometric illustration style, blue and white color palette, clean lines"
Negative: "photorealistic, 3d render, complex textures, dark colors"
Size: 1920x1080
Style: illustration, isometric
Provider: BytePlus ARK（バランス）
```
---
#### 6. Data Visualizations（データビジュアライゼーション）
**用途**: グラフ、チャート、統計図
**テンプレート**:
```
{chart_type}, {data_theme}, {color_scheme}, {style}
```
**例**:
```
Positive: "Modern bar chart showing AI adoption rates, tech industry theme, blue gradient color scheme, clean infographic style, high contrast"
Negative: "3d, shadows, text labels, photorealistic, complex background"
Size: 1200x800
Style: infographic, flat design
Provider: PlantUML/Mermaid（図解専用）
```
**PlantUML例**:
```plantuml
@startuml
!theme plain
skinparam backgroundColor white
[かきこちゃん] --> [記事執筆]
[えがくん] --> [画像生成]
[すらいだー] --> [スライド生成]
[記事執筆] --> [note投稿]
[画像生成] --> [スライド生成]
[スライド生成] --> [プレゼンテーション]
@enduml
```
---
#### 7. Social Media Posts（SNS投稿用）
**用途**: Twitter, Instagram, Facebook投稿
**テンプレート**:
```
{subject}, {mood}, {composition}, {style}
```
**例**:
```
Positive: "Inspirational tech quote visualization, motivational mood, centered composition, modern gradient background, minimalist design"
Negative: "busy, cluttered, dark, depressing, low quality"
Size: 1080x1080 (Instagram), 1080x1920 (Stories)
Style: social media graphic
Provider: Stable Diffusion XL（コスト効率）
```
---
#### 8. Background Textures（背景テクスチャ）
**用途**: スライド背景、Webサイト背景
**テンプレート**:
```
{pattern_type}, {colors}, {intensity}, {style}
```
**例**:
```
Positive: "Subtle geometric pattern, blue and white colors, low intensity, minimal abstract background, seamless tile"
Negative: "busy, high contrast, photorealistic, complex details"
Size: 1920x1080 or 2560x1440
Style: abstract, pattern
Provider: Stable Diffusion XL（コスト効率）
```
---
### ネガティブプロンプト標準セット
#### Universal Negatives（全タイプ共通）
```
text, watermark, signature, blurry, low quality, pixelated, artifacts, distorted
```
#### Photorealistic用
```
cartoon, anime, illustration, drawing, sketch, painting, 3d render
```
#### Illustration用
```
photorealistic, photograph, 3d render, shadows, complex textures
```
#### Product用
```
scratches, dust, dirt, reflections, text, logos, brands
```
#### Portrait用
```
deformed face, multiple heads, extra limbs, bad anatomy, cartoon, illustration
```
---
## 🤖 Multi-Model Strategy
### プロバイダー比較表
| Provider | Model | Strengths | Weaknesses | Cost/Image | Speed | 品質 |
|----------|-------|-----------|------------|-----------|-------|------|
| **BytePlus ARK** | seedream-4-0-250828 | バランス良好、日本語対応 | 最高品質ではない | $0.02 | 5-10s | ★★★★☆ |
| **OpenAI** | DALL-E 3 | 最高品質、複雑プロンプト | 高コスト、遅い | $0.08 | 15-30s | ★★★★★ |
| **Stability AI** | SDXL 1.0 | 低コスト、カスタマイズ可 | 品質やや劣る | $0.005 | 3-8s | ★★★☆☆ |
| **Midjourney** | v6 | クリエイティブ、芸術的 | API制限、高コスト | $0.10 | 20-60s | ★★★★★ |
### プロバイダー選択ロジック
#### High-Quality Priority（品質重視）
```
Primary: DALL-E 3
Fallback 1: BytePlus ARK
Fallback 2: Midjourney
```
**適用ケース**:
- Product images（製品画像）
- Profile photos（プロフィール写真）
- Hero images（ヒーロー画像）
- note記事のアイキャッチ
---
#### Cost-Efficient Priority（コスト重視）
```
Primary: Stable Diffusion XL
Fallback 1: BytePlus ARK
Fallback 2: DALL-E 3
```
**適用ケース**:
- Background textures（背景テクスチャ）
- Icons（アイコン）
- Social media posts（SNS投稿用）
- バッチ生成（10枚以上）
---
#### Balanced Priority（バランス重視）
```
Primary: BytePlus ARK
Fallback 1: Stable Diffusion XL
Fallback 2: DALL-E 3
```
**適用ケース**:
- Illustrations（イラスト）
- Data visualizations（データビジュアライゼーション）
- General purpose（汎用）
- プレゼンテーション用画像（すらいだー連携）
---
## 📊 品質評価システム
### 3次元評価
#### 1. Resolution Score (0-100)
**評価基準**:
- 目標解像度との完全一致: 100点
- ±5%以内: 90点
- ±10%以内: 80点
- ±20%以内: 60点
- それ以上: 40点
**Rust実装**:
```rust
pub fn evaluate_resolution(
actual_width: u32,
actual_height: u32,
target_width: u32,
target_height: u32
) -> u32 {
let width_diff = ((actual_width as f32 - target_width as f32).abs() / target_width as f32) * 100.0;
let height_diff = ((actual_height as f32 - target_height as f32).abs() / target_height as f32) * 100.0;
let avg_diff = (width_diff + height_diff) / 2.0;
if avg_diff == 0.0 {
100
} else if avg_diff <= 5.0 {
90
} else if avg_diff <= 10.0 {
80
} else if avg_diff <= 20.0 {
60
} else {
40
}
}
```
---
#### 2. Aesthetic Score (0-100)
**評価基準**:
- AI美観評価モデル使用（LAION Aesthetics Predictor）
- スコア範囲: 0.0-10.0 → 0-100にスケール
- 平均値: 5.0 (50点)
- 優秀: 7.0以上 (70点以上)
**Rust実装**:
```rust
pub async fn evaluate_aesthetics(image_path: &str) -> Result<u32, Error> {
// LAION Aesthetics Predictor API呼び出し
// または、ONNX Runtime with ort crateで事前学習済みモデル実行
let score = laion_aesthetics_predictor(image_path).await?;
// 0.0-10.0 → 0-100にスケール
Ok((score * 10.0) as u32)
}
```
---
#### 3. Relevance Score (0-100)
**評価基準**:
- CLIP Scoreを使用（プロンプトと画像の類似度）
- スコア範囲: 0.0-1.0 → 0-100にスケール
- 高関連性: 0.7以上 (70点以上)
**Rust実装**:
```rust
pub async fn evaluate_relevance(
image_path: &str,
prompt: &str
) -> Result<u32, Error> {
// CLIP Modelで画像とテキストの類似度計算
let clip_score = clip_similarity(image_path, prompt).await?;
// 0.0-1.0 → 0-100にスケール
Ok((clip_score * 100.0) as u32)
}
```
---
### 品質グレード
| Overall Score | Grade | 評価 | アクション |
|--------------|-------|------|----------|
| 90-100 | A+ | Excellent | そのまま使用 |
| 80-89 | A | Excellent | そのまま使用 |
| 70-79 | B | Good | 軽微な調整推奨 |
| 60-69 | C | Acceptable | 改善推奨 |
| 50-59 | D | Poor | 再生成推奨 |
| 0-49 | F | Failed | 必ず再生成 |
---
## 🤝 既存Agentとの連携
### 1. SlideGenAgent（すらいだー）連携 ⭐最重要
**ワークフロー**:
```
1. すらいだー がアウトライン生成
↓
2. 画像が必要なスライドを特定（title, intro, hero, problem, solution等）
↓
3. えがくん に画像生成リクエスト送信
{
"slide_type": "hero",
"topic": "AI開発自動化",
"theme": "apple",
"size": "1920x1080"
}
↓
4. えがくん が最適プロンプトで生成（BytePlus ARK）
↓
5. すらいだー が生成画像をスライドに統合
↓
6. 品質評価（Overall Score 85点以上で承認）
```
**実装例**:
```rust
// SlideGenAgent → ImageGenAgent
let image_request = ImageRequest {
image_type: ImageType::Hero,
context: ImageContext {
topic: "AI開発自動化".to_string(),
theme: "apple".to_string(),
brand_colors: vec!["#007aff".to_string(), "#667eea".to_string()],
},
size: ImageSize::HD1080p,
provider_priority: ProviderPriority::Balanced,
};
let image = imagegen_agent.generate_image(&image_request).await?;
slidegen_agent.integrate_image(slide_index, &image).await?;
```
---
### 2. NoteAgent（かきこちゃん）連携 ⭐主要連携
**ワークフロー**:
```
1. かきこちゃん が記事執筆
↓
2. えがくん が画像生成指示を受け取る
{
"article_title": "Miyabi使い方ガイド",
"keywords": ["AI", "自動化", "GitHub"],
"tone": "フレンドリー"
}
↓
3. えがくん が以下を生成:
- アイキャッチ画像（1280x670px）
- 記事内図解（2〜3枚）
- SNSサムネイル（1200x675px）
↓
4. かきこちゃん が画像を記事に埋め込み
↓
5. 完成した記事をnote.comに投稿
```
---
### 3. MarketingAgent（ひろめるん）連携
**ワークフロー**:
```
ひろめるん（マーケティング資料生成）
↓ ビジュアル要求
えがくん（画像生成）
↓ ブランド準拠画像
ひろめるん（資料統合）
```
**ユースケース**:
- ブログ記事のアイキャッチ画像
- SNS投稿用ビジュアル
- 広告クリエイティブ
---
### 4. ContentCreationAgent（かくちゃん）連携
**ワークフロー**:
```
かくちゃん（コンテンツ生成）
↓ イラスト要求
えがくん（イラスト生成）
↓ 説明図・インフォグラフィック
かくちゃん（記事統合）
```
---
## 🛠️ 技術スタック
### Rust実装
#### Core Dependencies
```toml
[dependencies]
miyabi-types = { path = "../miyabi-types" }
reqwest = { version = "0.11", features = ["json", "multipart"] }
serde = { version = "1.0", features = ["derive"] }
serde_json = "1.0"
tokio = { version = "1.0", features = ["full"] }
base64 = "0.21"
image = "0.24" # 画像処理
anyhow = "1.0"
thiserror = "1.0"
```
#### AI Model Integration
```toml
[dependencies]
ort = "1.16" # ONNX Runtime（CLIP, Aesthetics Predictor）
ndarray = "0.15"
```
#### Caching
```toml
[dependencies]
cached = "0.44" # メモリキャッシュ
redis = { version = "0.23", features = ["tokio-comp"] } # 永続キャッシュ
```
---
### ファイル構造
```
crates/miyabi-business-agents/
├── src/
│ ├── imagegen/
│ │ ├── mod.rs # ImageGenAgent実装
│ │ ├── providers/
│ │ │ ├── byteplus.rs # BytePlus ARK統合
│ │ │ ├── openai.rs # DALL-E 3統合
│ │ │ ├── stability.rs # Stable Diffusion統合
│ │ │ └── midjourney.rs # Midjourney統合（オプション）
│ │ ├── prompts/
│ │ │ ├── templates.rs # プロンプトテンプレート
│ │ │ ├── optimizer.rs # プロンプト最適化
│ │ │ └── negative_prompts.rs # ネガティブプロンプト管理
│ │ ├── quality/
│ │ │ ├── resolution.rs # 解像度評価
│ │ │ ├── aesthetics.rs # 美観評価（LAION）
│ │ │ └── relevance.rs # 関連性評価（CLIP）
│ │ └── cache.rs # キャッシュ管理
│ └── lib.rs
└── Cargo.toml
```
---
## 🚀 使用例
### CLI実行
```bash
# 単一画像生成
miyabi agent run imagegen \
--type hero \
--prompt "Futuristic AI workspace" \
--size 1920x1080 \
--style photorealistic
# バッチ生成（5枚）
miyabi agent run imagegen \
--type social \
--prompt "Inspirational tech quote" \
--size 1080x1080 \
--count 5 \
--provider balanced
# すらいだー と連携
miyabi agent run slide-gen \
--topic "Miyabi紹介" \
--generate-images \
--image-style photorealistic
# かきこちゃん と連携
miyabi agent run note \
--topic "Miyabi使い方ガイド" \
--generate-images \
--image-count 4
```
---
### Rust API
```rust
use miyabi_business_agents::{ImageGenAgent, SlideGenAgent};
use miyabi_types::{ImageRequest, ImageType, ImageQuality};
#[tokio::main]
async fn main() -> Result<()> {
let request = ImageRequest {
image_type: ImageType::Hero,
prompt: "Futuristic AI workspace with holographic interfaces".to_string(),
negative_prompt: Some("text, watermark, blurry".to_string()),
size: ImageSize::HD1080p,
style: ImageStyle::Photorealistic,
provider_priority: ProviderPriority::Balanced,
};
let agent = ImageGenAgent::new(config);
// Phase 1: プロンプト最適化
let optimized = agent.optimize_prompt(&request).await?;
println!("Optimized Prompt: {}", optimized.positive);
// Phase 2: 画像生成
let image = agent.generate_image(&optimized).await?;
agent.save_image(&image, "output/hero-ai-workspace.png").await?;
// Phase 3: 品質評価
let quality = agent.evaluate_quality(&image).await?;
println!("Quality Report: {:#?}", quality);
// Quality Report: ImageQuality {
// resolution_score: 100,
// aesthetic_score: 88,
// relevance_score: 92,
// overall: 93,
// grade: "A"
// }
Ok(())
}
```
---
## 📈 KPI・成功指標
### 生成品質
- **目標**: 平均品質スコア85点以上
- **測定**: 3次元評価（Resolution, Aesthetic, Relevance）の平均
- **改善**: 低品質画像（60点未満）の自動再生成
### 生成速度
- **目標**: 1枚あたり10秒以内（BytePlus ARK）
- **測定**: API呼び出しから保存完了までの時間
- **最適化**: バッチ処理、キャッシング、並列API呼び出し
### コスト効率
- **目標**: 1枚あたり平均$0.03以下
- **測定**: プロバイダー別コスト追跡
- **最適化**: コスト重視プロバイダーの活用
### API成功率
- **目標**: 第1試行成功率95%以上
- **測定**: プライマリプロバイダーの成功率
- **フォールバック**: 第2, 第3プロバイダーへの自動切り替え
### ユーザー満足度
- **目標**: 初回生成承認率80%以上
- **測定**: 再生成リクエスト数 / 総生成数
- **改善**: プロンプト最適化、フィードバック収集
---
## 🧪 テスト戦略
### 単体テスト
```rust
#[cfg(test)]
mod tests {
use super::*;
#[test]
fn test_evaluate_resolution() {
let score = evaluate_resolution(1920, 1080, 1920, 1080);
assert_eq!(score, 100);
let score = evaluate_resolution(1800, 1000, 1920, 1080);
assert!(score >= 80 && score < 90);
}
#[tokio::test]
async fn test_prompt_optimization() {
let agent = ImageGenAgent::new(test_config());
let request = test_image_request();
let optimized = agent.optimize_prompt(&request).await.unwrap();
assert!(!optimized.positive.is_empty());
assert!(!optimized.negative.is_empty());
}
}
```
---
## 🐛 トラブルシューティング
### 問題1: API Rate Limit到達
**症状**: `429 Too Many Requests`
**原因**: 1時間あたりの生成枚数超過
**解決策**:
1. Exponential Backoff（2, 4, 8秒）
2. フォールバックプロバイダーへ切り替え
3. キャッシュから類似画像を再利用
### 問題2: 品質スコア低下
**症状**: 連続5枚が60点未満
**原因**: プロンプトが不適切、またはモデル不調
**解決策**:
1. プロンプトを再最適化
2. ネガティブプロンプトを追加
3. 別のプロバイダーへ切り替え
### 問題3: 著作権リスク検出
**症状**: 生成画像が既存作品に類似
**原因**: プロンプトが具体的すぎる（特定作品名、アーティスト名）
**解決策**:
1. プロンプトから固有名詞を削除
2. 抽象的な表現に変更
3. スタイル修飾子を変更
---
## 🔮 今後の拡張計画
### Phase 1（v2.1.0）: Image Editing
- Inpainting（部分修正）
- Outpainting（画像拡張）
- Style Transfer（スタイル変換）
- Background Removal（背景削除）
### Phase 2（v2.2.0）: Video Generation
- Text-to-Video（Runway Gen-2, Pika 1.0統合）
- Image-to-Video（アニメーション化）
- Short clips（5-10秒）
### Phase 3（v2.3.0）: 3D Asset Generation
- Text-to-3D（Meshy, Luma AI統合）
- GLB/GLTF出力
- Three.js統合
### Phase 4（v2.4.0）: Brand Consistency AI
- ブランドガイドライン自動学習
- 既存資産からスタイル抽出
- 一貫性スコア算出
---
## 📚 参考文献
### AI Models
1. **LAION Aesthetics Predictor**
- Repository: https://github.com/LAION-AI/aesthetic-predictor
- 用途: 美観スコア評価
2. **CLIP（OpenAI）**
- Paper: Learning Transferable Visual Models From Natural Language Supervision
- 用途: 画像-テキスト関連性評価
3. **Stable Diffusion XL**
- Repository: https://github.com/Stability-AI/generative-models
- 用途: コスト効率的な画像生成
### API Documentation
- **BytePlus ARK**: https://www.volcengine.com/docs/82379/1263512
- **OpenAI DALL-E 3**: https://platform.openai.com/docs/guides/images
- **Stability AI**: https://platform.stability.ai/docs/api-reference
- **Midjourney**: https://docs.midjourney.com/
---
## ✅ チェックリスト
### 実装前
- [x] Agent仕様書作成（本ファイル）
- [ ] Agent実行プロンプト作成
- [ ] プロンプトテンプレート設計（8タイプ）
- [ ] プロバイダー統合戦略決定
### 実装中
- [ ] Rust型定義（ImageRequest, ImageQuality, ImageMetadata）
- [ ] BytePlus ARK API統合
- [ ] DALL-E 3 API統合
- [ ] Stable Diffusion API統合
- [ ] プロンプト最適化ロジック
- [ ] 品質評価ロジック（3次元）
- [ ] キャッシュシステム
- [ ] フォールバック処理
### 実装後
- [ ] 単体テスト作成
- [ ] 統合テスト作成
- [ ] ドキュメント更新
- [ ] Business Agent一覧に追加（16個目）
- [ ] キャラクター図鑑に「えがくん」追加
- [ ] CLIコマンド統合
---
**作成者**: Claude Code
**レビュー**: Pending
**承認**: Pending
**次のアクション**: Agent実行プロンプト作成（`.claude/agents/prompts/business/imagegen-agent-prompt.md`）
