现有文生图模型在真实世界任务中表现欠佳，根本原因在于训练与部署之间存在结构性错位：
作者将这种差距定义为 Context Gap：用户提供的上下文（user context）与图像生成所需的完整上下文（generation context）之间的鸿沟。
提出了一个统一的 Agentic 框架，将以下能力整合于以上下文为中心的流程中：
| 能力模块 | 作用 |
|---|---|
| Plan（规划） | 分解复杂意图，识别缺失信息 |
| Reason（推理） | 推断隐式意图与常识 |
| Search（搜索） | 检索实时知识与视觉参考 |
| Memory（记忆） | 维护多轮对话历史与用户偏好 |
| Feedback（反馈） | 迭代自检与纠错 |
框架特点：无需训练、兼容现有图像生成器、支持多图与多轮交互。
运作于三个层级：
Information-level（信息层） 识别上下文鸿沟，提出具体问题，并将每个问题路由至合适的 Grounding 策略（推理、网络搜索、图片搜索）。
Content-level（内容层） 汇总 Grounding 阶段获得的所有上下文，将用户提示词改写为详细的生成规格，涵盖主体、属性、布局、风格、文字元素。
Generation-level（生成层） 在多图与多轮场景中分配生成上下文：