258 lines
18 KiB
Markdown
258 lines
18 KiB
Markdown
# GPT Image 2 Skill
|
||
|
||
**面向 GPT Image 2 的聚焦型图像生成 / 编辑技能。一份 SKILL 定义，自动适配三种运行环境——本地直接出图、宿主原生图像工具、纯提示词顾问。**
|
||
|
||
[English](./README.md) · [返回集合首页](../../README.zh-CN.md)
|
||
|
||
|
||
|
||
---
|
||
|
||
## 这个 Skill 干什么
|
||
|
||
围绕 GPT Image 2（以及任何 OpenAI 兼容的图像接口）做的结构化提示词工程 + 图像生成包。只做两件事——`POST /images/generations` 和 `POST /images/edits`，但能在三种完全不同的运行环境下做到对用户无感。
|
||
|
||
它内置了：
|
||
|
||
- **模式感知工作流**：无论 Agent 自己持有 API key、宿主带原生图像工具、还是完全没有图像工具，同一份 Skill 都能用。
|
||
- **结构化模板库**：18 大类、79 个提示词模板，覆盖海报、UI 样机、产品图、信息图、学术图、技术架构图、漫画、头像、编辑工作流。
|
||
- **可复用的 prompt + 图片归档**：默认落盘到 `garden-gpt-image-2/prompt/` 和 `garden-gpt-image-2/image/`，按 `<task-slug>-<timestamp>` 命名。
|
||
|
||
---
|
||
|
||
## 三种运行模式
|
||
|
||
任何任务的第一步都是跑这个探测脚本：
|
||
|
||
```bash
|
||
node skills/gpt-image-2/scripts/check-mode.js
|
||
# 想拿结构化结果：
|
||
node skills/gpt-image-2/scripts/check-mode.js --json
|
||
```
|
||
|
||
输出会判定为以下三种之一：
|
||
|
||
| 模式 | 触发条件 | 行为 |
|
||
|---|---|---|
|
||
| **A · Garden 本地生图** | `ENABLE_GARDEN_IMAGEGEN` 为真 **且** 有 `OPENAI_API_KEY` | 端到端：选模板 → 渲染 prompt → 调用 `generate.js` / `edit.js` → 图片落盘 |
|
||
| **B · Host-Native 委托宿主出图** | 未启用 Garden，但宿主 Agent 自带图像工具（`image_generation` / `dalle` / `nano_banana` / 图像 MCP 等） | 渲染好 prompt 后**交给宿主自带的图像工具**出图 |
|
||
| **C · Advisor 纯提示词顾问** | 未启用 Garden，宿主也没有图像工具 | 退化成"高质量 prompt 撰写顾问"——把 prompt 落盘到 `garden-gpt-image-2/prompt/`，告诉用户去 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 自己的网关里执行 |
|
||
|
||
三种模式都建议落盘 prompt 文件（A、C 必须，B 推荐），但只有 A 会产出图片文件——B 由宿主决定，C 不可能。
|
||
|
||
---
|
||
|
||
## 快速上手
|
||
|
||
### 0. 检测运行模式（永远是第一步）
|
||
|
||
```bash
|
||
node skills/gpt-image-2/scripts/check-mode.js
|
||
```
|
||
|
||
下面 1~4 仅在 **Mode A** 下使用。
|
||
|
||
### 1. 文本生图
|
||
|
||
```bash
|
||
node skills/gpt-image-2/scripts/generate.js \
|
||
--prompt "A cute baby sea otter" \
|
||
--size 1024x1024 \
|
||
--quality high
|
||
```
|
||
|
||
### 2. 用提示词文件生图
|
||
|
||
```bash
|
||
node skills/gpt-image-2/scripts/generate.js \
|
||
--promptfile garden-gpt-image-2/prompt/poster-20260424-153045.md
|
||
```
|
||
|
||
### 3. 编辑已有图片
|
||
|
||
```bash
|
||
node skills/gpt-image-2/scripts/edit.js \
|
||
--image assets/source.png \
|
||
--prompt "Replace the background with a clean studio scene"
|
||
```
|
||
|
||
### 4. 带遮罩的局部编辑
|
||
|
||
```bash
|
||
node skills/gpt-image-2/scripts/edit.js \
|
||
--image assets/source.png \
|
||
--mask assets/mask.png \
|
||
--prompt "Replace only the masked area with a glass vase"
|
||
```
|
||
|
||
Mode B / C 没有 CLI 入口——Skill 只负责把最终 prompt 渲染好，然后交给宿主图像工具（B）或直接呈现给用户（C）。
|
||
|
||
---
|
||
|
||
## 案例画廊
|
||
|
||
公开案例库目前覆盖 18 大类、79 个模板、160+ 个生成 / 编辑结果。这里不是完整索引，而是挑出最能代表能力边界的关键案例：每张缩略图都会跳到线上案例页，图片本身来自独立的 `ConardLi/gpt-image-2-101` 案例仓库。
|
||
|
||
### UI 样机
|
||
|
||
<table>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/ui-mockups%2Flive-commerce-ui%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/ui-mockups/live-commerce-ui/1-thumb.webp" alt="直播带货 UI 案例" width="100%"></a><br/><strong><code>live-commerce-ui</code></strong><br/><sub>明星直播带货界面，含商品、弹幕、礼物和状态层。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/ui-mockups%2Fsocial-interface-mockup%2F3"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/ui-mockups/social-interface-mockup/3-thumb.webp" alt="社交界面样机案例" width="100%"></a><br/><strong><code>social-interface-mockup</code></strong><br/><sub>科技品牌官方账号发布产品更新公告。</sub></td>
|
||
</tr>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/ui-mockups%2Fproduct-card-overlay%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/ui-mockups/product-card-overlay/1-thumb.webp" alt="产品落地页叠层案例" width="100%"></a><br/><strong><code>product-card-overlay</code></strong><br/><sub>护肤落地页 hero，包含模特、产品和卖点徽章。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/ui-mockups%2Fchat-interface-scene%2F3"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/ui-mockups/chat-interface-scene/3-thumb.webp" alt="聊天界面案例" width="100%"></a><br/><strong><code>chat-interface-scene</code></strong><br/><sub>Claude 风格 AI 助手截图，强调对话层级和结构化回答。</sub></td>
|
||
</tr>
|
||
</table>
|
||
|
||
### 产品与品牌
|
||
|
||
<table>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/product-visuals%2Fexploded-view-poster%2F2"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/product-visuals/exploded-view-poster/2-thumb.webp" alt="产品爆炸图案例" width="100%"></a><br/><strong><code>exploded-view-poster</code></strong><br/><sub>Vision Pro 2 光机与算力模块拆解主视觉。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/product-visuals%2Fpremium-studio-product%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/product-visuals/premium-studio-product/1-thumb.webp" alt="高端影棚产品图案例" width="100%"></a><br/><strong><code>premium-studio-product</code></strong><br/><sub>高端护肤静物，适合官网 hero 和杂志跨页。</sub></td>
|
||
</tr>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/branding-and-packaging%2Fcosmetic-packaging%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/branding-and-packaging/cosmetic-packaging/1-thumb.webp" alt="化妆品包装案例" width="100%"></a><br/><strong><code>cosmetic-packaging</code></strong><br/><sub>国货高端护肤礼盒，兼顾材质和品牌感。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/branding-and-packaging%2Fbeverage-label-design%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/branding-and-packaging/beverage-label-design/1-thumb.webp" alt="饮料标签设计案例" width="100%"></a><br/><strong><code>beverage-label-design</code></strong><br/><sub>国潮气泡水酒标 / 瓶标与商拍场景。</sub></td>
|
||
</tr>
|
||
</table>
|
||
|
||
### 图像编辑工作流
|
||
|
||
<table>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/editing-workflows%2Fbackground-replacement%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/editing-workflows/background-replacement/1-thumb.webp" alt="背景替换案例" width="100%"></a><br/><strong><code>background-replacement</code></strong><br/><sub>把日间人像替换到时代广场夜景并重新布光。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/editing-workflows%2Fobject-removal%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/editing-workflows/object-removal/1-thumb.webp" alt="杂物去除案例" width="100%"></a><br/><strong><code>object-removal</code></strong><br/><sub>毕业合影去除边缘误入人物并修补背景。</sub></td>
|
||
</tr>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/editing-workflows%2Fproduct-retouching%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/editing-workflows/product-retouching/1-thumb.webp" alt="产品精修案例" width="100%"></a><br/><strong><code>product-retouching</code></strong><br/><sub>AirPods 电商主图质感、边缘与标签锐化。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/editing-workflows%2Fportrait-local-edit%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/editing-workflows/portrait-local-edit/1-thumb.webp" alt="人像局部编辑案例" width="100%"></a><br/><strong><code>portrait-local-edit</code></strong><br/><sub>在保留身份的前提下调整发色与发型。</sub></td>
|
||
</tr>
|
||
</table>
|
||
|
||
### 信息图与视觉文档
|
||
|
||
<table>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/infographics%2Fbento-grid-infographic%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/infographics/bento-grid-infographic/1-thumb.webp" alt="便当格信息图案例" width="100%"></a><br/><strong><code>bento-grid-infographic</code></strong><br/><sub>iPhone 16 Pro 功能拆解，以便当格组织高密度信息。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/infographics%2Fcomparison-infographic%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/infographics/comparison-infographic/1-thumb.webp" alt="对比信息图案例" width="100%"></a><br/><strong><code>comparison-infographic</code></strong><br/><sub>手机选购对比图，围绕决策维度组织信息。</sub></td>
|
||
</tr>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/slides-and-visual-docs%2Fdense-explainer-slides%2F2"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/slides-and-visual-docs/dense-explainer-slides/2-thumb.webp" alt="高密度讲解单页案例" width="100%"></a><br/><strong><code>dense-explainer-slides</code></strong><br/><sub>AI Agent 工作机制一页讲清，适合技术培训。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/slides-and-visual-docs%2Fvisual-report-page%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/slides-and-visual-docs/visual-report-page/1-thumb.webp" alt="视觉报告页案例" width="100%"></a><br/><strong><code>visual-report-page</code></strong><br/><sub>商业执行摘要页，结合 KPI 卡片与趋势图节奏。</sub></td>
|
||
</tr>
|
||
</table>
|
||
|
||
### 学术与技术图
|
||
|
||
<table>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/academic-figures%2Fmethod-pipeline-overview%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/academic-figures/method-pipeline-overview/1-thumb.webp" alt="方法流程图案例" width="100%"></a><br/><strong><code>method-pipeline-overview</code></strong><br/><sub>RAG 长上下文问答方法流程，适合论文 overview。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/academic-figures%2Fneural-network-architecture%2F2"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/academic-figures/neural-network-architecture/2-thumb.webp" alt="神经网络架构图案例" width="100%"></a><br/><strong><code>neural-network-architecture</code></strong><br/><sub>ViT-B/16 架构图，包含 Patch Embedding 与张量流向。</sub></td>
|
||
</tr>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/technical-diagrams%2Fsystem-architecture%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/technical-diagrams/system-architecture/1-thumb.webp" alt="系统架构图案例" width="100%"></a><br/><strong><code>system-architecture</code></strong><br/><sub>多租户 AI 客服 SaaS 生产架构总览。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/technical-diagrams%2Fsequence-diagram%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/technical-diagrams/sequence-diagram/1-thumb.webp" alt="时序图案例" width="100%"></a><br/><strong><code>sequence-diagram</code></strong><br/><sub>OAuth 2.0 授权码 + PKCE 标准时序。</sub></td>
|
||
</tr>
|
||
</table>
|
||
|
||
### 故事、地图与角色
|
||
|
||
<table>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/storyboards-and-sequences%2Fanime-key-visual%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/storyboards-and-sequences/anime-key-visual/1-thumb.webp" alt="动漫主视觉案例" width="100%"></a><br/><strong><code>anime-key-visual</code></strong><br/><sub>东方幻想游戏首发 KV，兼顾多比例裁切。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/maps%2Ffood-map%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/maps/food-map/1-thumb.webp" alt="美食地图案例" width="100%"></a><br/><strong><code>food-map</code></strong><br/><sub>上海武康路 City Walk 美食地图，带插画地标。</sub></td>
|
||
</tr>
|
||
<tr>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/maps%2Ftravel-route-map%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/maps/travel-route-map/1-thumb.webp" alt="旅行路线图案例" width="100%"></a><br/><strong><code>travel-route-map</code></strong><br/><sub>京都三日慢走路线图，带站点插画与路线节奏。</sub></td>
|
||
<td width="50%" align="center"><a href="https://gpt-image2.mmh1.top/#/case/portraits-and-characters%2Fprofessional-portrait%2F1"><img src="https://cdn.jsdelivr.net/gh/ConardLi/gpt-image-2-101@main/public/case/portraits-and-characters/professional-portrait/1-thumb.webp" alt="职业肖像案例" width="100%"></a><br/><strong><code>professional-portrait</code></strong><br/><sub>克制的企业领袖肖像，适合官网 About 与媒体页。</sub></td>
|
||
</tr>
|
||
</table>
|
||
|
||
<sub>完整案例库：<a href="https://gpt-image2.mmh1.top/#/case"><b>线上案例浏览器</b></a> · <a href="https://github.com/ConardLi/gpt-image-2-101/tree/main/public/case">案例资源仓库</a> · 本地索引 <code>website/gpt-image2-website/public/case/INDEX.md</code>。</sub>
|
||
|
||
---
|
||
|
||
## Skill 结构
|
||
|
||
```
|
||
skills/gpt-image-2/
|
||
├── SKILL.md 主技能定义
|
||
├── scripts/
|
||
│ ├── check-mode.js 模式 A/B/C 探测器（先跑这个）
|
||
│ ├── generate.js 文本生图（仅 Mode A）
|
||
│ ├── edit.js 图像编辑 / 局部编辑（仅 Mode A）
|
||
│ ├── shared.js 共享请求 / 落盘 / 环境变量解析
|
||
│ └── package.json
|
||
└── references/
|
||
├── prompt-writing.md 方法论：模板怎么设计、缺字段怎么问
|
||
├── ui-mockups/ 直播带货、社交、产品卡、聊天、短视频封面
|
||
├── product-visuals/ 爆炸图、纯白底、影棚、包装、生活方式
|
||
├── infographics/ 信息图
|
||
├── poster-and-campaigns/ 品牌主海报、Campaign KV、banner、杂志封面
|
||
├── slides-and-visual-docs/ 高密度讲解、政策风、商业报告、教学示意
|
||
├── portraits-and-characters/ 职业肖像、创始人肖像、虚拟主播、角色设定
|
||
├── scenes-and-illustrations/ 治愈系、概念大场景、绘本、极简留白
|
||
├── editing-workflows/ 背景替换、局部替换、去除、产品精修、人像编辑
|
||
├── avatars-and-profile/ 风格化自拍、角色网格、3D 图标、贴纸、文化系列
|
||
├── storyboards-and-sequences/ 4 格漫画、漫画分镜、动漫 KV、角色关系图、流程图
|
||
├── grids-and-collages/ 2×2 banner、lookbook、混风格拼贴、动漫 pitch board
|
||
├── branding-and-packaging/ 品牌识别系统、吉祥物、化妆品包装、饮料标签
|
||
├── typography-and-text-layout/ 大字海报、双语版式
|
||
├── assets-and-props/ 拟物图标、游戏截图样机
|
||
├── academic-figures/ 方法 pipeline、神经网络架构、定性对比
|
||
├── technical-diagrams/ 架构图、流程图、时序图
|
||
└── maps/ 美食地图、旅行路线图、城市插画、门店分布
|
||
```
|
||
|
||
---
|
||
|
||
## 环境变量
|
||
|
||
按以下顺序读取：CLI 参数 → `process.env` → `<cwd>/.env` → `<cwd>/.gateway.env` → `~/.gateway.env`。
|
||
|
||
| 变量 | 必需性 | 说明 |
|
||
|---|---|---|
|
||
| `ENABLE_GARDEN_IMAGEGEN` | Mode A 必需 | 模式开关：`1` / `true` / `yes` / `on` 启用 Mode A |
|
||
| `OPENAI_API_KEY` | Mode A 必需 | 真正调图像 API 用 |
|
||
| `OPENAI_BASE_URL` | 可选 | 默认 `https://api.openai.com/v1`，可指向任意 OpenAI 兼容网关 |
|
||
| `OPENAI_IMAGE_MODEL` | 可选 | 默认 `gpt-image-2`，也可换成 `gpt-image-1` / `dall-e-3` 等 |
|
||
|
||
默认实现严格按 OpenAI 兼容接口工作，**不绑定**任何第三方网关。
|
||
|
||
---
|
||
|
||
## 输出约定
|
||
|
||
如果用户没有明确指定输出路径：
|
||
|
||
| 内容 | 落盘位置 | 适用模式 |
|
||
|---|---|---|
|
||
| 渲染好的 prompt | `garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md` | A / B / C |
|
||
| 生成的图片 | `garden-gpt-image-2/image/<task-slug>-<timestamp>.png` | 仅 A（B 由宿主决定，C 不产出） |
|
||
|
||
`<task-slug>` 由用户请求自动派生，`<timestamp>` 是 `YYYYMMDD-HHMMSS`。
|
||
|
||
示例：
|
||
|
||
- `garden-gpt-image-2/prompt/live-commerce-ui-20260424-153045.md`
|
||
- `garden-gpt-image-2/image/vr-headset-exploded-view-20260424-153102.png`
|
||
|
||
---
|
||
|
||
## 设计原则
|
||
|
||
1. **先判模式，再干活。** 不会因为宿主没 API key 就静默失败，而是优雅地降级到 B / C 并明确告知用户当前状态。
|
||
2. **模板优于自由提示。** 18 大类预校验过的结构化模板，带显式 `{argument ...}` 参数槽和 `default` 标记，质量远高于"你说说想要啥"。
|
||
3. **精确提问，不要笼统提问。** 模板字段缺失时按字段精确问（"主播是谁？真人照片 / 名人名字 / 自由描述 / 随机生成？"），不要笼统问"想要什么风格"。
|
||
4. **永远归档 prompt。** 即使在顾问模式，渲染好的 prompt 也会落盘，方便复用。
|
||
5. **默认 OpenAI 兼容。** 不锁定任何特定网关。
|
||
|
||
---
|
||
|
||
## 许可证
|
||
|
||
MIT
|