@aiyiran/myclaw 1.0.244 → 1.0.246

package/assets/myclaw-artifacts.js

@@ -290,17 +290,27 @@
     });
   }
 
+  function fetchArtifactsFromServerAPI(wsPrefix) {
+    var url = window.location.origin + '/cmd/api/preview?path=' + encodeURIComponent(wsPrefix + '/.myclaw/__MY_ARTIFACTS__.json');
+    return fetch(url).then(function (res) {
+      if (!res.ok) throw new Error('HTTP ' + res.status);
+      return res.json();
+    });
+  }
+
   function fetchArtifacts(contentEl) {
+    // cachedConfig 未就绪时跳过，等 initConfig 完成后的 startPolling 重试
+    if (!cachedConfig) return;
+
     var wsPrefix = getWorkspaceId();
     var fetcher;
 
     if (envInfo && envInfo.remote) {
-      // 远程环境 → 走 CDN
-      fetcher = fetchArtifactsFromCDN(wsPrefix);
+      // 远程服务器 → 走 /cmd/api（服务器直接提供 JSON）
+      fetcher = fetchArtifactsFromServerAPI(wsPrefix);
     } else {
-      // 本地环境 → 优先本地 API，失败降级 CDN
-      fetcher = fetchArtifactsFromLocalAPI(wsPrefix)
-        .catch(function () { return fetchArtifactsFromCDN(wsPrefix); });
+      // 本地环境 → 走 CDN
+      fetcher = fetchArtifactsFromCDN(wsPrefix);
     }
 
     fetcher

package/assets/myclaw-inject.js

@@ -27,6 +27,7 @@
   var committedText = "";     // 已经提交到 textarea 的文字（上一轮累积）
   var cursorOffset = 0;       // 录音开始时光标在 textarea 中的位置
   var injected = false;
+  var stopping = false;      // 正在等待最终识别结果（stopVoice 的 2 秒窗口）
 
   // ═══ 1. 右下角版本标签（点击测试麦克风） ═══
   function createVersionBar() {
@@ -323,7 +324,8 @@
       '</svg>',
     ].join("");
 
-    btn.addEventListener("click", function () {
+btn.addEventListener("click", function () {
+      console.log("[myclaw-voice] 按钮点击, recording=", recording);
       if (recording) {
         stopVoice();
       } else {
@@ -367,8 +369,8 @@
 
     voice = new window.VoiceInput({
       onResult: function (text) {
-        // 如果用户已点停止，忽略异步返回的残留结果（防止文字重复）
-        if (!recording) return;
+        // 完全停止后才忽略；stopping 期间（2秒等待窗口）仍允许写入
+        if (!recording && !stopping) return;
         // 讯飞实时返回识别文字，替换到光标位置
         pendingText = text;
         updateTextAtCursor(pendingText);
@@ -377,7 +379,7 @@
       onStatusChange: function (oldStatus, newStatus) {
         console.log("[myclaw-voice] \u72b6\u6001:", oldStatus, "->", newStatus);
 
-        if (newStatus === "idle" && recording) {
+        if (newStatus === "idle" && recording && !stopping) {
           // 讯飞 60 秒断开，但用户没有点停止 → 自动重连
           // 把当前识别的文字提交，并更新光标位置
           committedText = getTextareaValue();
@@ -435,23 +437,54 @@
     console.log("[myclaw-voice] \u5f00\u59cb\u5f55\u97f3\uff0c\u5149\u6807\u4f4d\u7f6e:", cursorOffset);
   }
 
-  function stopVoice() {
-    // 先关标志位，阻止 onResult 异步回调继续写入（核心防重复）
+  
+  /**
+   * 语音录入结束时，等待 2 秒后关闭录音资源
+   * @param {Function} [onDone] - 等待完成后执行的回调（如发送）
+   */
+  var voiceStopTimer = null;
+
+  function stopVoice(onDone) {
+    console.log("[myclaw-voice] stopVoice called, recording=", recording, "onDone=", onDone ? "yes" : "no");
+    if (!recording) {
+      console.log("[myclaw-voice] stopVoice early return — not recording");
+      return;
+    }
+
+    // 进入 stopping 态：UI 立即更新，但 onResult 仍允许在 2 秒内写入文字
+    stopping = true;
     recording = false;
     updateButtonUI();
+    console.log("[myclaw-voice] stopping=true, UI updated, starting 2s timer...");
 
-    // 立即快照当前 textarea 值作为最终文字
-    var finalText = getTextareaValue();
-
-    if (voice) {
-      voice.stop();
+    // 延迟 2 秒后关闭录音资源（等讯飞把剩余识别结果全部推过来）
+    if (voiceStopTimer) {
+      console.log("[myclaw-voice] clearing previous timer");
+      clearTimeout(voiceStopTimer);
     }
+    voiceStopTimer = setTimeout(function () {
+      voiceStopTimer = null;
+      stopping = false;
+      console.log("[myclaw-voice] 2s timer fired, closing resources...");
+
+      // 快照当前 textarea 值（2 秒内 onResult 可能已更新）
+      var finalText = getTextareaValue();
+      console.log("[myclaw-voice] finalText:", JSON.stringify(finalText.substring(0, 50)));
+      if (voice) {
+        console.log("[myclaw-voice] calling voice.stop()");
+        voice.stop();
+      }
+      committedText = finalText;
+      pendingText = "";
 
-    // 用快照覆盖，确保后续异步返回不影响
-    committedText = finalText;
-    pendingText = "";
+      // 等待完成后执行回调（如发送）
+      if (onDone) {
+        console.log("[myclaw-voice] executing onDone callback...");
+        onDone();
+      }
 
-    console.log("[myclaw-voice] \u505c\u6b62\u5f55\u97f3");
+      console.log("[myclaw-voice] 停止录音完成");
+    }, 2000);
   }
 
   // ═══ 5. DOM 注入 ═══
@@ -522,49 +555,26 @@
   }
   // ═══ 6. 拦截发送按钮 ═══
 
-  var voiceEnterListening = false;
-  var voiceEnterTimeout = null;
-
   /**
-   * 拦截 Enter 键：语音态下按回车 → 显示"等待中..."，2秒后自动发送
+   * 拦截 Enter 键：语音态下按回车 → 等待 2 秒后发送
    */
   function hookVoiceEnter() {
-    if (voiceEnterListening) return;
-    voiceEnterListening = true;
-
     document.addEventListener("keydown", function (e) {
-      // 只拦截 textarea 上的 Enter
       if (e.key !== "Enter") return;
-      var ta = e.target.closest ? e.target.closest(".agent-chat__input textarea") : null;
-      if (!ta) return;
       if (!recording) return;
 
-      // 阻止默认行为（不在 textarea 里插入换行）
+      // 语音录入中，无论焦点在哪里（textarea 或语音按钮），Enter 统一触发"停止并发送"
       e.preventDefault();
       e.stopPropagation();
 
-      // 1) 显示"等待中..."
-      setTextareaValue("\u5F85\u6B3A\u4E2D...");
-      // 把光标移到末尾
-      try {
-        ta.setSelectionRange(ta.value.length, ta.value.length);
-      } catch (err) {}
-
-      // 2) 停止录音
-      stopVoice();
-
-      // 3) 2秒后自动点击发送按钮
-      if (voiceEnterTimeout) clearTimeout(voiceEnterTimeout);
-      voiceEnterTimeout = setTimeout(function () {
-        voiceEnterTimeout = null;
+      console.log("[myclaw-voice] Enter按下, recording=", recording);
+      stopVoice(function () {
+        console.log("[myclaw-voice] Enter stopVoice callback firing...");
         var sendBtn = document.querySelector("button.chat-send-btn, button[title=\"Send\"]");
-        if (sendBtn) {
-          sendBtn.click();
-        }
-        console.log("[myclaw-voice] Enter\u89E6\u53D1\u81EA\u52A8\u53D1\u9001");
-      }, 2000);
+        if (sendBtn) sendBtn.click();
+      });
 
-    }, true); // 捕获阶段，确保早于原生处理
+    }, true);
   }
 
   var sendHooked = false;
@@ -581,9 +591,17 @@
       var text = getTextareaValue();
       if (!text || !text.trim()) return;  // 空文字不处理
 
-      // 1) 停止语音输入
+      // 1) 停止语音输入（等待 2 秒后关闭，关闭后触发发送）
       if (recording) {
-        stopVoice();
+        e.preventDefault();
+        e.stopPropagation();
+        console.log("[myclaw-voice] 发送按钮点击(语音态), recording=", recording);
+        stopVoice(function () {
+          console.log("[myclaw-voice] 发送按钮 stopVoice callback firing...");
+          var sendBtn = document.querySelector("button.chat-send-btn, button[title=\"Send\"]");
+          if (sendBtn) sendBtn.click();
+        });
+        return;
       }
 
       // 2) 复制到剪贴板
@@ -591,7 +609,6 @@
         navigator.clipboard.writeText(text).then(function () {
           console.log("[myclaw-send] 📋 已复制到剪贴板:", text.substring(0, 50) + (text.length > 50 ? "..." : ""));
         }).catch(function () {
-          // fallback: 老方法
           fallbackCopy(text);
         });
       } catch (ex) {
@@ -599,9 +616,8 @@
       }
 
       // 3) 让原生 click 继续走（发送消息）
-      //    不 preventDefault，不 stopPropagation
 
-      // 4) 延迟清空 textarea（等原生 handler 读完值后再清）
+      // 4) 延迟清空 textarea
       setTimeout(function () {
         setTextareaValue("");
         committedText = "";

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@aiyiran/myclaw",
-  "version": "1.0.244",
+  "version": "1.0.246",
   "description": "",
   "main": "index.js",
   "bin": {

package/skills/yiran-skill-media/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: yiran-skill-media
-description: 统一多媒体生成技能。支持图片、音乐、文生视频和图生视频，按资源类型自动路由到最优 provider，支持主备切换。资源生成规范：所有生成的资源必须存放在当前工作目录下，调用时通过 --output-dir 传入当前工作目录的绝对路径，通过 --name 传入资源的中文名称。
+description: 统一多媒体生成技能。支持图片、音乐、文生视频和图生视频，按资源类型自动路由到最优 provider，支持多级降级。资源生成规范：所有生成的资源必须存放在当前工作目录下，调用时通过 --output-dir 传入当前工作目录的绝对路径，通过 --name 传入资源的中文名称。
 ---
 
 # 统一多媒体生成
@@ -22,7 +22,7 @@ description: 统一多媒体生成技能。支持图片、音乐、文生视频
 ./music.sh --output-dir "$(pwd)" --name 开场音乐 "epic opening" [--instrumental]
 
 # 文生视频 (Text-to-Video)
-./video.sh --output-dir "$(pwd)" --name 日落延时 "a sunset timelapse" [--duration 6] [--resolution 768P]
+./video.sh --output-dir "$(pwd)" --name 日落延时 "a sunset timelapse" [--duration 6] [--resolution 768P] [--aspect-ratio 16:9]
 
 # 图生视频 (Image-to-Video)
 ./i2v.sh --output-dir "$(pwd)" --name 猫咪跑步 --first-frame-image "https://example.com/cat.jpg" "cat running toward camera"
@@ -34,17 +34,17 @@ description: 统一多媒体生成技能。支持图片、音乐、文生视频
 
 | 参数 | 必填 | 说明 |
 |------|------|------|
-| `--output-dir` | 是 | 输出目录的绝对路径，传入当前工作目录 |
+| `--output-dir` | 是 | 输出目录的绝对路径 |
 | `--name` | 是 | 资源中文名称（如：日落风景、产品封面） |
 | `prompt` | 是 | 图片描述 |
-| `--aspect-ratio` | 否 | 比例，默认 1:1。可选：16:9, 9:16, 4:3 等 |
+| `--aspect-ratio` | 否 | 比例，默认 16:9。可选：1:1, 16:9, 9:16, 4:3, 3:4 等 |
 
 ### music.sh
 
 | 参数 | 必填 | 说明 |
 |------|------|------|
-| `--output-dir` | 是 | 输出目录的绝对路径，传入当前工作目录 |
-| `--name` | 是 | 资源中文名称（如：开场音乐、背景配乐） |
+| `--output-dir` | 是 | 输出目录的绝对路径 |
+| `--name` | 是 | 资源中文名称 |
 | `prompt` | 是 | 音乐风格/情绪描述 |
 | `--lyrics` | 否 | 歌词文本 |
 | `--instrumental` | 否 | 纯音乐模式 |
@@ -54,21 +54,22 @@ description: 统一多媒体生成技能。支持图片、音乐、文生视频
 | 参数 | 必填 | 说明 |
 |------|------|------|
 | `--output-dir` | 是 | 输出目录的绝对路径 |
-| `--name` | 是 | 资源中文名称（如：日落延时、产品展示） |
+| `--name` | 是 | 资源中文名称 |
 | `prompt` | 是 | 视频内容描述（支持运镜指令如 `[推进]`、`[左摇]`） |
 | `--duration` | 否 | 视频时长（秒），默认 6，可选 6 或 10 |
-| `--resolution` | 否 | 分辨率，默认 768P，可选 720P/768P/1080P |
+| `--resolution` | 否 | MiniMax 分辨率：768P/1080P（默认 768P） |
+| `--aspect-ratio` | 否 | 即梦降级时使用：16:9/9:16/4:3/1:1（默认 16:9） |
 
 ### i2v.sh — 图生视频
 
 | 参数 | 必填 | 说明 |
 |------|------|------|
 | `--output-dir` | 是 | 输出目录的绝对路径 |
-| `--name` | 是 | 资源中文名称（如：猫咪跑步、舞蹈表演） |
+| `--name` | 是 | 资源中文名称 |
 | `--first-frame-image` | 是 | 首帧图片的公网 URL（JPG/PNG/WebP，<20MB） |
 | `prompt` | 否 | 基于首帧图像的动作/变化描述 |
-| `--duration` | 否 | 视频时长（秒），默认 6，可选 6 或 10 |
-| `--resolution` | 否 | 分辨率，默认 768P，可选 768P/1080P |
+| `--duration` | 否 | 视频时长，默认 6 |
+| `--resolution` | 否 | 分辨率，默认 768P |
 
 **注意**：视频生成为异步任务，耗时较长（通常 1-5 分钟），脚本会自动轮询等待完成。
 
@@ -79,24 +80,27 @@ image.sh              →  图片生成入口
 music.sh              →  音乐生成入口
 video.sh              →  文生视频入口 (Text-to-Video)
 i2v.sh                →  图生视频入口 (Image-to-Video)
-generate.py           →  统一路由调度（主备切换）
-config.json           →  provider 配置中心（key、模型、地址）
+generate.py           →  统一路由调度（优先级数组，依次尝试）
+config.json           →  provider 配置中心（优先级列表）
 providers/
   vapi_image.py       →  VAPI 图片
   minimax_image.py    →  MiniMax 图片
+  jimeng_image.py     →  即梦 图片 4.0（异步）
   minimax_music.py    →  MiniMax 音乐
   minimax_video.py    →  MiniMax 视频（文生+图生）
+  jimeng_video.py     →  即梦 视频 3.0（异步）
 ```
 
-## Provider 配置
+## Provider 配置（优先级列表）
 
-编辑 `config.json` 可切换主备 provider、更换模型或 API Key。
+`config.json` 中每个资源类型是一个数组，按优先级从高到低排列。  
+第一个失败自动尝试下一个，直到成功或全部失败。
 
 当前配置：
-- **图片**：VAPI (nano-banana-2) → fallback MiniMax (image-01)
-- **音乐**：MiniMax (music-2.6)
-- **文生视频**：MiniMax (MiniMax-Hailuo-2.3)
-- **图生视频**：MiniMax (MiniMax-Hailuo-2.3-Fast)
+- **图片**：① VAPI (nano-banana-2) → ② MiniMax (image-01) → ③ 即梦 (jimeng_t2i_v40)
+- **音乐**：① MiniMax (music-2.6)
+- **文生视频**：① MiniMax (MiniMax-Hailuo-2.3) → ② 即梦 (jimeng_t2v_v30)
+- **图生视频**：① MiniMax (MiniMax-Hailuo-2.3-Fast)
 
 ## 详细 API 参考
 

package/skills/yiran-skill-media/config.json

@@ -1,6 +1,12 @@
 {
   "output_dir": "media",
   "image": [
+    {
+      "provider": "jimeng_image",
+      "model": "jimeng_t2i_v40",
+      "access_key": "AKLTYjZkY2FiZmZkYWU5NDkxNmEwZjNlYTRjNmRlZmYwNDI",
+      "secret_key": "TjJGbU5HVTBZek14TnpFeE5HWTVOVGhsTURRNE9XRXhNR1JoTm1FeVlqaw=="
+    },
     {
       "provider": "vapi_image",
       "model": "nano-banana-2",
@@ -12,12 +18,6 @@
       "model": "image-01",
       "base_url": "https://api.minimaxi.com/v1",
       "api_key": "sk-cp-DC5lWd2Stt9CBFzLIT2awP4K-ZEn5AkYwjl3Cdj-mIBmgjxod518F2LaVF2L9c35Wv5-Eox0F1ctJD5vXtB9p3OmxoWLd9ge9zIUIMrCVuqBYdL_s6kb8Qs"
-    },
-    {
-      "provider": "jimeng_image",
-      "model": "jimeng_t2i_v40",
-      "access_key": "AKLTYjZkY2FiZmZkYWU5NDkxNmEwZjNlYTRjNmRlZmYwNDI",
-      "secret_key": "TjJGbU5HVTBZek14TnpFeE5HWTVOVGhsTURRNE9XRXhNR1JoTm1FeVlqaw=="
     }
   ],
   "music": [

package/skills/yiran-skill-media/scripts/providers/jimeng_image.py

@@ -1,53 +1,71 @@
-"""即梦(Jimeng) image adapter — Volcengine SDK Implementation.
-Supports text-to-image via CVProcess."""
+"""即梦(Jimeng) image adapter — Volcengine SDK, async workflow.
+Uses CVSync2AsyncSubmitTask → CVSync2AsyncGetResult polling.
+Supports text-to-image via jimeng_t2i_v40."""
 import json
 import os
 import sys
+import time
 
+import requests
 from volcengine.visual.VisualService import VisualService
 
 
 class JimengImageAdapter:
+    POLL_INTERVAL = 5    # 图片生成比视频快，5 秒轮询
+    MAX_WAIT = 120       # 最长等 2 分钟
+
+    # 比例 → 推荐的 2K 分辨率（官方文档中的推荐值）
+    RATIO_MAP = {
+        "1:1":  (2048, 2048),
+        "4:3":  (2304, 1728),
+        "3:4":  (1728, 2304),
+        "3:2":  (2496, 1664),
+        "2:3":  (1664, 2496),
+        "16:9": (2560, 1440),
+        "9:16": (1440, 2560),
+        "21:9": (3024, 1296),
+        "9:21": (1296, 3024),
+    }
+
     def generate(self, prompt, config, **kwargs):
         access_key = config["access_key"]
         secret_key = config["secret_key"]
         req_key = config.get("model", "jimeng_t2i_v40")
         out_dir = kwargs["out_dir"]
-
         aspect_ratio = kwargs.get("aspect_ratio", "1:1")
 
-        # 将常见的比例映射为合适的宽高组合 (即梦支持指定 width 和 height)
-        # 根据比例简单给一些通用分辨率
-        width, height = 2048, 2048
-        if aspect_ratio == "16:9":
-            width, height = 2560, 1440
-        elif aspect_ratio == "9:16":
-            width, height = 1440, 2560
-        elif aspect_ratio == "4:3":
-            width, height = 2304, 1728
-        elif aspect_ratio == "3:4":
-            width, height = 1728, 2304
-
-        # ═══ 提交任务 ═══
         vs = VisualService()
         vs.set_ak(access_key)
         vs.set_sk(secret_key)
 
+        # ═══ Step 1: 提交任务 ═══
         body = {
             "req_key": req_key,
             "prompt": prompt,
-            "width": width,
-            "height": height,
+            "force_single": True,  # 强制输出单图，确保智能体调用行为可预测
         }
 
-        print(f"[jimeng_image] 提交文生图任务 req_key={req_key}...", file=sys.stderr)
+        # 宽高映射
+        if aspect_ratio in self.RATIO_MAP:
+            w, h = self.RATIO_MAP[aspect_ratio]
+            body["width"] = w
+            body["height"] = h
+        else:
+            # 不传 width/height，让模型根据 prompt 自动判断
+            body["size"] = 2048 * 2048  # 2K 默认面积
+
+        print(f"[jimeng_image] 提交文生图任务 req_key={req_key} ratio={aspect_ratio}...", file=sys.stderr)
         try:
-            data = vs.cv_process(body)
+            data = vs.cv_sync2async_submit_task(body)
         except Exception as e:
             if hasattr(e, 'args') and len(e.args) > 0 and isinstance(e.args[0], bytes):
                 try:
                     err_json = json.loads(e.args[0].decode('utf-8'))
-                    raise RuntimeError(f"即梦 API 错误: {err_json}")
+                    code = err_json.get("code", 0)
+                    msg = err_json.get("message", "")
+                    raise RuntimeError(f"即梦 API 错误: {msg} (code={code})")
+                except RuntimeError:
+                    raise
                 except Exception:
                     pass
             raise RuntimeError(f"即梦提交失败: {str(e)}")
@@ -55,21 +73,86 @@ class JimengImageAdapter:
         if data.get("code") != 10000:
             raise RuntimeError(f"即梦 API 错误: {data.get('message')} (code={data.get('code')})")
 
-        image_urls = data.get("data", {}).get("image_urls", [])
-        if not image_urls:
-            raise RuntimeError(f"即梦未返回图片数据: {data}")
+        task_id = data["data"]["task_id"]
+        print(f"[jimeng_image] task_id={task_id}, 开始轮询...", file=sys.stderr)
+
+        # ═══ Step 2: 轮询状态 ═══
+        image_urls = None
+        binary_data = None
+        elapsed = 0
+        while elapsed < self.MAX_WAIT:
+            time.sleep(self.POLL_INTERVAL)
+            elapsed += self.POLL_INTERVAL
+
+            query_body = {
+                "req_key": req_key,
+                "task_id": task_id,
+                "req_json": json.dumps({"return_url": True}),
+            }
+            try:
+                qdata = vs.cv_sync2async_get_result(query_body)
+            except Exception as e:
+                if hasattr(e, 'args') and len(e.args) > 0 and isinstance(e.args[0], bytes):
+                    try:
+                        err_json = json.loads(e.args[0].decode('utf-8'))
+                        code = err_json.get("code", 0)
+                        if code in (50429, 50430, 50500, 50501):
+                            print(f"[jimeng_image] 轮询 {elapsed}s: 可重试错误 code={code}", file=sys.stderr)
+                            continue
+                        raise RuntimeError(f"即梦查询失败: {err_json.get('message')} (code={code})")
+                    except RuntimeError:
+                        raise
+                    except Exception:
+                        pass
+                raise RuntimeError(f"即梦查询异常: {str(e)}")
 
-        print(f"[jimeng_image] 生成成功, 下载中...", file=sys.stderr)
+            if qdata.get("code") != 10000:
+                print(f"[jimeng_image] 轮询 {elapsed}s: code={qdata.get('code')} msg={qdata.get('message')}", file=sys.stderr)
+                if qdata.get("code") in (50429, 50430, 50500, 50501):
+                    continue
+                raise RuntimeError(f"即梦状态获取失败: {qdata.get('message')} (code={qdata.get('code')})")
 
-        import requests
+            status = qdata.get("data", {}).get("status", "")
+            print(f"[jimeng_image] 轮询 {elapsed}s: status={status}", file=sys.stderr)
+
+            if status == "done":
+                image_urls = qdata["data"].get("image_urls", [])
+                binary_data = qdata["data"].get("binary_data_base64", [])
+                break
+            elif status in ("in_queue", "generating"):
+                continue
+            elif status in ("not_found", "expired"):
+                raise RuntimeError(f"即梦任务异常: status={status}")
+
+        if not image_urls and not binary_data:
+            raise RuntimeError(f"即梦图片生成超时 ({self.MAX_WAIT}s), task_id={task_id}")
+
+        print(f"[jimeng_image] 生成完成, 下载中...", file=sys.stderr)
+
+        # ═══ Step 3: 下载图片 ═══
+        import base64
         saved = []
-        for i, url in enumerate(image_urls):
-            fname = kwargs.get("output_path") or os.path.join(out_dir, f"image_{i}.png")
-            r = requests.get(url, timeout=30)
-            r.raise_for_status()
-            with open(fname, "wb") as f:
-                f.write(r.content)
-            print(f"[jimeng_image] 已保存: {fname}", file=sys.stderr)
-            saved.append(fname)
+
+        if image_urls:
+            for i, url in enumerate(image_urls):
+                fname = kwargs.get("output_path") or os.path.join(out_dir, f"image_{i}.png")
+                r = requests.get(url, timeout=60)
+                r.raise_for_status()
+                with open(fname, "wb") as f:
+                    f.write(r.content)
+                saved.append(fname)
+                print(f"[jimeng_image] 已保存: {fname}", file=sys.stderr)
+        elif binary_data:
+            for i, b64 in enumerate(binary_data):
+                if not b64:
+                    continue
+                fname = kwargs.get("output_path") or os.path.join(out_dir, f"image_{i}.png")
+                with open(fname, "wb") as f:
+                    f.write(base64.b64decode(b64))
+                saved.append(fname)
+                print(f"[jimeng_image] 已保存 (base64): {fname}", file=sys.stderr)
+
+        if not saved:
+            raise RuntimeError("即梦未返回任何图片数据")
 
         return saved