NanoBanana Pro是一个开源的AI图像生成无限画布平台，采用React 19和TypeScript构建，接入Gemini与OpenAI图像模型。核心亮点是将每次生图作为可分支、可编辑的创作节点，支持参考图生成、局部重绘和多图并行。适合设计师、运营团队和开发者用于反复改稿与素材探索，项目源码公开，本地可免费运行。
Tags:
开源了一个 AI 无限画布：把每次生图，都变成可继续生长的创作节点
现在大多数 AI 生图工具，依然有一个很明显的问题。
你输入一句提示词，得到几张图；不满意，再改一句；想换风格，再开一轮。生成次数越来越多，但真正有用的创作脉络却散落在一条长长的对话记录里。
最后你记得哪张图不错，却很难说清楚：它是从哪个版本改出来的，用过哪张参考图，中间又试过哪些方向。
这也是我做 NanoBanana Pro 的原因。
它是一个基于无限画布（Infinite Canvas）的高保真 AI 图像生成工作流平台。目前项目源码已经公开，前端采用 React 19、TypeScript 和 Vite 6，并接入 Gemini 与 OpenAI 图像模型。
项目地址：https://github.com/xianyu110/nanobanamax-pro
在线体验：https://pro.nanobanana-free.top/
它不是另一个生图输入框
NanoBanana Pro 最核心的设计，不是多接了几个模型，而是把 AI 生图从“连续抽卡”变成了一张可以回看、分支和继续编辑的创作地图。
每次生成都会成为画布上的一个节点。
你可以拖动画布、缩放视图，也可以从任意一个结果继续向下探索。节点之间的连线会保留前后关系，自动布局则负责尽量避免多个结果挤在一起。
表面上看，这只是把图片摆到了无限画布里。
但真正改变的是：创作过程不再被覆盖，而是被保留下来。
假设你正在做一张产品海报。
第一版构图不错，但颜色不对；第二版颜色对了，人物动作又不理想；第三版你想保留主体，只替换背景。
在传统聊天界面里，这些版本很快就会混成一团。在 NanoBanana Pro 里，你可以直接从满意的节点分叉，让不同方向各自生长，最后再回头比较。
这很像把 Dify、ComfyUI 的工作流思路，搬进了一个更直观的图像创作界面。
一张图，不是终点，而是下一轮创作的起点
无限画布只是容器，真正让它变成工作流的是“分支”和“参考图”。
看到一张满意的结果后，可以把它设为参考图，再继续描述下一步修改：换背景、改色调、调整风格，或者基于同一构图探索多个版本。
仓库当前还实现了局部重绘入口。也就是说，工作流不只包含文生图，还可以覆盖参考图生成、重新生成和局部编辑等操作。
不是每次都从零开始，而是沿着已有成果继续往前走。
对设计师、运营、电商团队和内容创作者来说，这比单纯“多生成几张图”更重要。因为真实工作里最耗时间的，往往不是第一张图，而是后面十几轮细碎的修改。
内置“AI 艺术总监”，先想清楚再生成
很多人使用 AI 生图时卡住，并不是没有想法，而是不知道怎么把一句模糊的中文要求翻译成模型更容易理解的画面描述。
NanoBanana Pro 提供了一个“深度思考”模式。
开启后，AI 会先从构图、光影、色彩和风格等维度整理需求，再生成优化后的英文提示词。用户还可以展开查看这次提示词优化的过程，而不是只拿到一个看不见来路的最终结果。
这个设计的意义，是把提示词工程藏进工作流里。
你仍然可以只输入一句“赛博朋克风格的雨夜街道”，但系统会先帮你把这句话补充成更完整的视觉描述，再交给图像模型。
对新手来说，它降低了提示词门槛；对熟练用户来说，它提供了一个可以检查和继续修改的中间层。
一次生成 1 到 4 张，并行探索不同方向
灵感探索最怕等待。
仓库当前支持一次选择生成 1 到 4 张图片。实现方式不是让一个节点塞进多张图，而是为每个结果创建独立节点，再并行发起生成请求。
这样做有三个直接好处：
每张图完成后可以立即显示，不必等待整批任务全部结束； 某个请求失败，不会影响其他节点； 每个结果都能独立下载、删除、作为参考图或继续创建分支。
当然，并行并不等于免费提速。生成 4 张图，本质上依然是 4 次模型调用，会同步消耗更多 API 配额。它优化的是等待方式和创作节奏，而不是凭空减少成本。
不只接 Gemini，也支持 OpenAI 图像模型
NanoBanana Pro 当前在仓库中提供了多模型入口，包括 Gemini 3.1 Flash Image Preview、Gemini 3 Pro Image、Gemini 2.5 Flash Image，以及 GPT Image 2、GPT Image 1.5。
不同模型可以承担不同阶段的任务：快速模型适合跑方向，高质量模型适合收敛成稿，图像编辑模型则更适合基于已有结果继续修改。
真正重要的不是“模型越多越好”，而是同一套画布和节点关系可以承接不同模型的结果。
以后切换模型时，创作资产不需要跟着被拆散。
工作流可以保存、备份和分享
画布上的节点会保存在浏览器本地，刷新页面后仍能恢复。完整节点树也可以导出为 JSON 文件，再通过导入功能继续编辑。
这意味着你保存的不只是一批最终图片，还有图片之间的关系、提示词和探索路径。
对于个人创作者，它是一份可恢复的创作现场；对于团队，它也可以成为一种更清晰的方案交接格式。
不过，当前开源版本主要还是本地工作流。真正的多人在线协作、云端项目同步和权限管理，并不是开箱即用的现成功能。
它甚至把用户、额度和支付闭环也搭好了
这个项目还有一个比较特别的地方：仓库里不只有画布和生图功能，还放入了用户中心、额度余额、订单记录与额度流水。
为了方便验证产品流程，未配置后端时可以使用本地模拟用户和模拟支付。想继续做成正式产品，仓库也提供了 Supabase 表结构、Vercel API 示例和 Stripe Checkout 接入路径。
但这里一定要分清楚两件事：
本地能跑通商业化界面，不等于生产支付已经自动上线。
正式环境仍需配置 Supabase Auth、服务端套餐与订单逻辑、Stripe Checkout 和 webhook，并让图像生成通过后端完成扣费、失败退款及密钥保护。
尤其不要把 OpenAI 或 Gemini 的密钥直接暴露在公开前端。生产部署时，应优先使用仓库提供的服务端生成接口，或者接入自己的后端代理。
如何在本地运行
准备好 Node.js 18 或更高版本后，可以直接执行：
git clone https://github.com/xianyu110/nanobanamax-pro.git
cd nanobanamax-pro
npm install
npm run dev
启动后，根据仓库 README 配置对应模型的 API Key、Base URL 或服务端环境变量，即可开始生成。
如果只是本地体验，可以先使用前端配置；如果准备公开部署，则建议一开始就把密钥和额度扣减放到服务端，不要等上线后再补安全边界。
这个项目适合谁
如果你只是偶尔生成一张头像，普通对话式生图工具已经够用了。
但如果你经常需要围绕同一个主题反复试构图、换风格、做多版本，或者需要保留整个探索过程，那么无限画布的价值会非常明显。
它尤其适合：
需要反复改稿的设计师和内容创作者； 需要批量探索素材方向的电商与运营团队； 想研究无限画布、节点式交互和多模型接入的开发者； 想在开源前端基础上继续搭建 AI 图像产品的创业者。
写在最后
过去我们评价 AI 生图工具，最关心的是模型能不能把图画得更好。
但模型能力越来越强以后，新的问题变成了：我们如何管理越来越多的生成结果，如何保留修改过程，又如何让一个好结果继续生长。
NanoBanana Pro 想解决的，正是这一层工作流问题。
它现在还不是一个什么都做完的商业产品，云端协作、许可证文件和生产部署体验都还有继续完善的空间。仓库 README 标注为 MIT，但根目录目前没有独立的 LICENSE 文件；如果准备商业二开，建议先向作者确认授权范围，或等待仓库补齐正式许可证。
但它已经给出了一套完整而清晰的方向：
AI 生图不应该只是一次次孤立的生成，而应该是一张能回看、能分叉、能继续生长的创作地图。
项目地址：https://github.com/xianyu110/nanobanamax-pro
在线体验：https://pro.nanobanana-free.top/
没有评论:
发表评论