mcpField
G
gpt-image-2

gpt-image-2

github.com/doany-ai创意与媒体5274.2k 次安装23 周前更新
代码仓库

关于 gpt-image-2

gpt-image-2 是通过 RunComfy Model API 使用 OpenAI GPT Image 2 的图像生成与编辑技能，适合重视画面布局、指令遵循和图中文字的人士。它提供文生图与编辑端点，编辑时最多可使用 10 张参考图。

主要功能

  1. 01支持文本生成图像与图像编辑
  2. 02编辑时最多支持 10 张参考图
  3. 03可指定画面尺寸或保留输入比例
  4. 04擅长遵循布局与图中文字指令
  5. 05通过 RunComfy CLI 提交并下载结果

适用场景

  1. 01制作带准确标签文字的电商商品图
  2. 02生成包含标题与视觉元素的广告图
  3. 03将同一标题转换为多语言品牌素材
  4. 04制作标牌、包装模型或布局精确的界面稿

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/doany-ai/skills --skill gpt-image-2

安装后在 Claude Code 中输入/gpt-image-2确认已加载。

详细介绍

GPT Image 2 — RunComfy 专业版

runcomfy.com · 文生图 · 编辑 · GitHub

由 RunComfy Model API 托管的 OpenAI GPT Image 2（ChatGPT Images 2.0）——无需 OpenAI 密钥，使用异步 REST。

npx skills add agentspace-so/runcomfy-skills --skill gpt-image-2 -g

何时选择此模型（与同系列模型相比）

GPT Image 2 的突出优势是精准遵循指令：与同类模型相比，它能更可靠地处理多元素提示词、布局提示和嵌入文本指令。当画面内容比风格化效果更重要时，选择它。

你的需求使用
嵌入文本、徽标、标牌、多语言排版GPT Image 2
符合品牌规范的电商／广告／UI 模拟图GPT Image 2
在保持构图稳定的同时迭代优化GPT Image 2
强烈风格化、绘画质感Flux 2
超写实肖像Nano Banana Pro
电影感／以审美为先的主视觉图Seedream 5

如果用户明确指定 GPT Image 2 / ChatGPT Image 2 / Image 2，无论如何都应路由到此模型——不要擅自质疑模型选择。

前提条件

  1. RunComfy CLI — npm i -g @runcomfy/cli
  2. RunComfy 账户 — runcomfy login 会打开浏览器设备码登录流程。
  3. CI／容器 — 设置 RUNCOMFY_TOKEN=<token>，替代 runcomfy login。

端点和输入架构

两个端点，同一个模型。

openai/gpt-image-2/text-to-image
字段类型必填默认值备注
promptstring是—正向提示词
sizeenum否1024_10241024_1024（1:1）、1024_1536（2:3 纵向）、1536_1024（3:2 横向）——仅支持这三种
openai/gpt-image-2/edit
字段类型必填默认值备注
promptstring是—自然语言编辑指令
imagesstring[]是—最多 10 张参考图 URL（可通过 HTTPS 公开获取）
sizeenum否autoauto（保留输入比例），或使用上述三种固定尺寸之一

编辑时使用 size=auto 会保留输入图像的宽高比——强烈建议使用，除非编辑指令明确要求更改取景范围。

调用方式

文生图：

runcomfy run openai/gpt-image-2/text-to-image \
  --input '{"prompt": "<user prompt>", "size": "1024_1536"}' \
  --output-dir <absolute/path>

编辑（单张参考图）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "<edit instruction>",
    "images": ["https://..."]
  }' \
  --output-dir <absolute/path>

编辑（多张参考图，最多 10 张）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "compose subject from image 1 into the room from image 2; match the lighting of image 2",
    "images": ["https://...subject.jpg", "https://...room.jpg"]
  }' \
  --output-dir <absolute/path>

CLI 会提交任务，每隔 2s 轮询一次，直到任务结束，然后将结果中的任意 *.runcomfy.net / *.runcomfy.com URL 下载到 --output-dir。标准输出为结果 JSON。标准错误输出为进度信息。

适合管道操作的用法：

runcomfy --output json run openai/gpt-image-2/text-to-image \
  --input '{"prompt":"..."}' --no-wait | jq -r .request_id

提示词编写——哪些做法确实有效

以下是经验证能够提升输出质量的模型专属模式。无论是文生图还是编辑，都适用。

明确说明主体 + 场景 + 氛围。“暖色亚麻布上哑光陶瓷水瓶的特写，柔和的窗边光线，中性色背景”——三个具体指示——比“好看的水瓶产品照”效果更好。

准确引用嵌入的文字，并保持简短。GPT Image 2 是这一类模型中文本渲染能力最强的，但前提是将实际字符放在引号中。大段文字会降低效果。对于多语言文字，请注明文字体系：“日语假名”“西里尔字母”“阿拉伯语，从右向左”。

直接使用构图提示。“三分法”“特写”“鸟瞰视角”“主体居中”“浅景深”——这些提示对模型来说都有明确的含义。

**每次只调整一个属性。**优化时，每次迭代只改动一项（光线或背景或姿势或文字），其余提示词保持原样。每次只调整一个参数时，模型能在迭代过程中保持构图稳定。

不要使用相互矛盾的指示。“不要文字” + “标签上写着 ‘AQUA+’”自相矛盾——模型会自行选择，而你无法控制它的选择。

不要堆叠太多风格。“浮世绘 + 水彩 + 8K + 电影感 + 极简主义”会相互抵消。最多选择一两个风格锚点。

对于编辑端点，特别注意：

  • 说明需要保留的内容。“保持人物的姿势和面部身份不变”“保留包装上的品牌标识和字体排版”“保持整体构图不变”。模型需要知道哪些内容不要改动。
  • **进行空间编辑时使用方向性描述。**说“将标题从右上方移到底部居中”，不要说“重新放置标题”。
  • 多参考图：在提示词中给图像编号——“图像 1 中的主体，图像 2 中的光线和背景”——模型就会正确地对应这些提示。

擅长的应用场景

用例GPT Image 2 的优势
电商产品摄影标签文字可靠，光线符合品牌调性，不同 SKU 之间保持一致
高转化广告一次生成即可整合标题与视觉效果
品牌素材本地化一个源素材 → 同一标题的多种语言版本
标识、海报、包装模型图多种尺寸下都能准确渲染文字
UI 模型图、科学插图布局精准，标签清晰易读

示例提示词（经验证效果出色）

文生图——产品主视觉：

A minimal hero product still life: a matte ceramic water bottle on warm linen,
soft window light, the word "AQUA+" in clean sans-serif on the label,
subtle rim highlights, e-commerce ready, 8K detail, neutral background

文生图——多语言标识：

A small Tokyo café storefront at dusk, warm interior glow,
the sign reads "コーヒー" in bold Japanese kana on a wooden plaque,
shallow depth of field, rule of thirds, cinematic

编辑——更换背景并保留原有内容：

Turn the background into a bright minimal white-to-soft-gray studio sweep
with gentle floor shadow; add a large headline in-image that reads
"OPEN STUDIO" in a bold clean sans-serif, high contrast, centered;
keep the main person or product, pose, and face identity unchanged

局限性

  • 文生图仅支持 3 种固定尺寸（编辑支持相同的 3 种尺寸，另有 auto）。极端宽高比会自动调整为最接近的受支持尺寸。
  • 提示词长度约为几千个 token。大段嵌入文字会降低输出质量。
  • 编辑的多图支持是“最多参考 10 张图片提供引导”，而不是 ControlNet 风格的堆叠。第一张图会作为主要图像处理，其余图片提供辅助提示。
  • 人像照片写实效果并非其强项——Nano Banana Pro 在直接对比中更胜一筹。

退出代码

runcomfy CLI 使用 sysexits 风格的代码：

code含义
0成功
64CLI 参数错误
65输入 JSON 无效 / 架构不匹配（例如 size: "2048_2048" 会返回 422）
69上游 5xx 错误
75可重试：超时 / 429
77未登录或令牌被拒绝

完整参考：docs.runcomfy.com/cli/troubleshooting。

工作原理

  1. 此技能会调用 runcomfy run openai/gpt-image-2/<endpoint>，并传入与上述架构匹配的 JSON 请求体。
  2. CLI 会携带用户的 bearer token，向 https://model-api.runcomfy.net/v1/models/openai/gpt-image-2/<endpoint> 发送 POST 请求。
  3. Model API 会返回 request_id；CLI 每隔 2 秒轮询一次 GET .../requests/<id>/status。
  4. 状态进入终态后，CLI 会获取 GET .../requests/<id>/result，并将主机名以 .runcomfy.net 或 .runcomfy.com 结尾的 URL 下载到 --output-dir。其他 URL 会列出，但不会获取。
  5. 在轮询期间按下 Ctrl-C 会发送 POST .../requests/<id>/cancel，避免为已停止使用的 GPU 付费。

此技能不是什么

它不是直接的 OpenAI API 客户端，也不代表授予了任何能力——它依赖可用的 RunComfy 账户。它不支持多租户。

安全与隐私

  • Token 存储：runcomfy login 会将 API token 写入 ~/.config/runcomfy/token.json，并将权限设为 0600（仅所有者可读写）。在 CI / 容器中设置 RUNCOMFY_TOKEN 环境变量即可完全绕过此文件。
  • 输入边界：用户提示词会作为 JSON 字符串，通过 --input 传递给 CLI。CLI 不会对提示词执行 shell 展开，而是通过 HTTPS 将 JSON 请求体直接传输到 Model API。提示词内容不会造成 shell 注入风险。
  • 第三方内容：你传入的图像 / 蒙版 / 视频 URL 由 RunComfy 模型服务获取，而不是由本机上的 CLI 获取。请将外部 URL 视为不可信；基于图像的提示词注入是任何图像编辑 / 视频编辑模型都已知的风险。
  • 出站端点：仅限 model-api.runcomfy.net（提交请求）和 *.runcomfy.net / *.runcomfy.com（生成结果的下载白名单）。无遥测，无回调。
  • 生成文件大小上限：为防止恶意或失控的模型输出填满磁盘，CLI 会中止任何超过 2 GiB 的单个下载。

评论

支持 Markdown