gpt-image-2

GPT Image 2 — 交互式图像生成

通过 OpenAI 的 GPT Image 2 API，使用交互式引导工作流生成和编辑图像。

交互流程

用户调用此技能时，请使用 AskUserQuestion 引导他们完成以下步骤。不要跳过任何步骤——交互流程是核心体验。

步骤 1：我们要制作什么？

询问用户想要创建什么。提供以下选项：

• 单张图像 — 根据文本提示生成一张图像
• 照片编辑 — 将现有照片转换为某种风格
• 轮播图 — 5-10 张风格统一的 LinkedIn/Instagram 幻灯片
• 变体 — 同一概念的多个版本
• 快速生成 — 跳过提问，直接运行提示

如果用户已经提供了清晰的提示（例如“生成一张火箭主题的编辑风格图像”），则跳至步骤 3。

步骤 2：选择风格

按类别展示可用预设。读取 presets.yaml 并向用户展示：

视觉风格（图像中不含文字）： editorial、blueprint、ink、risograph、wireframe、constellation、brutalist、grain

文字较多的风格（充分利用 GPT Image 2 的文字渲染能力）： infographic、slide、diagram、poster、menu、manga

社区热门风格： trading-card、pixar、app-mockup、isometric、action-figure、cinematic、panorama

参考图锚定风格： vhs — 20 世纪 80 年代深夜电视购物广告风格的标题卡：纯黑背景上带扫描线条纹的渐变斜体大写字母。它会自动附加随附的参考图像（references/vhs-infomercial.png），让每批生成的风格保持一致。将广告文案作为主题；多行文案请用 / 分隔（例如 --preset vhs "THEY TRUSTED YOU / NOW / PROVE IT"）。

自定义 — 用户描述自己的风格

询问：“你想要哪种风格？或者描述一下你自己的风格。”

步骤 3：平台与尺寸

询问图像将用于何处：

• YouTube 缩略图（1280×720）
• Instagram 正方形图片（1080×1080）
• 幻灯片/演示文稿（1920×1080）
• 博客主图（1200×630）
• X/Twitter（1600×900）
• 快拍（1080×1920）
• 自定义尺寸
• 不调整尺寸（使用 API 默认值）

宽高比注意事项： --platform 不会改变生成尺寸——图像会按配置的尺寸生成（默认 1024×1024），之后再调整尺寸/拉伸，因此会使非正方形目标图像变形（例如，--platform story 会将正方形图像拉伸为 1080×1920，并裁掉构图边缘）。对于纵向或横向构图，请直接传入 API 原生尺寸：--size 1024x1536（纵向）或 --size 1536x1024（横向）。

预检误报： 背景冲突启发式检测会将应用于非背景元素的颜色词误判为冲突（例如，在深色背景提示中出现“米白色文字”，会被判定为指定了第二种背景）。如果标记的冲突并不成立，请使用 --force 重新运行，或改写为“浅灰色文字”。

步骤 3.5：提示预检（自动）

在花费任何生成费用之前，脚本现在会先组合最终提示 （预设 + 主题 + 风格），然后检查其中是否存在内部矛盾——最常见的情况是 预设中硬编码的内容与主题要求相冲突（例如，editorial 预设 强制要求 “纯黑背景”，而你的主题要求使用暖米白色底色）。

检查时优先通过 llm CLI 快速调用 Haiku；如果 Haiku 不可用（没有 llm、没有 Anthropic 额度），则依次回退到配置的 llm 默认模型，再回退到 内置静态启发式检测。系统会打印解析后的提示和检查结果。如果发现冲突， 生成会在花费任何费用之前中止——请修正提示或预设后重新运行，或使用 --force 覆盖（仍然生成）或 --no-preflight（跳过检查）。这样可以避免“生成时背景用错，现在只能重新生成”的浪费。

组合会指定背景/调色板的提示时，不要将固定背景的预设（editorial、blueprint 等）与其他指定背景搭配使用——要么移除预设并自行指定完整风格，要么接受预设的背景。

步骤 4：先生成草稿，再生成最终版

除非用户说“跳过草稿”或使用 --draft false，否则始终先生成草稿。

1. 使用 --draft 生成（质量=低，每张图片约 $0.006）
2. 使用 Read 工具向用户展示图片
3. 询问：“喜欢这个方向吗？我可以：(a) 生成最终品质版本，(b) 调整提示词，(c) 尝试不同风格，(d) 使用新种子重新生成”
4. 如果用户批准，使用 --quality high 生成最终版（每张图片约 $0.21）
5. 升级为最终版时，使用草稿中的 --seed 以保持构图

这种草稿→最终版流程可节省约 97% 的迭代成本。

步骤 5：展示结果并提供后续选项

生成完成后，始终：

1. 使用 Read 工具展示图片
2. 使用 open <path> 打开图片，以预览全分辨率版本
3. 报告费用
4. 提供选项：“想要 (a) 生成变体，(b) 继续编辑此图，(c) 将其用作更多图片的参考，还是 (d) 完成？”

轮播图工作流

用户想要制作轮播图（5–10 张幻灯片）时：

1. 故事脉络

询问：“故事是什么？告诉我核心信息，我会拟定一个 10 张幻灯片的脉络。”

然后提出逐张幻灯片的计划，例如：

Slide 1: [Cover] — hook headline + hero image
Slide 2: [Problem] — bold statement
Slide 3: [Context] — illustration + explanation
...
Slide 10: [CTA] — call to action with URL

请用户批准或修改计划。

2. 风格一致性

所有幻灯片都使用相同的预设和种子范围。对于轮播图：

• 为所有幻灯片选择一种视觉风格
• 使用 --seed 锁定构图模式
• 在提示词中加入分页圆点（例如：“底部有 10 个小圆点，第三个圆点高亮为橙色”）
• 保持色板和字体排版一致

3. 批量生成草稿

先将所有幻灯片都生成为草稿（$0.006 × 10 = 总计 $0.06）。以联系表或逐张展示的方式向用户展示所有图片。询问用户要重新生成或调整哪些图片。

4. 批量生成最终版

仅为已批准的幻灯片生成最终版。可提供使用 -y 标志一次性生成全部图片的选项。

照片编辑工作流

用户想要转换照片时：

1. 索取源图片（文件路径或剪贴板）
2. 如果图片来自剪贴板，使用 osascript 将其保存到临时文件
3. 展示可用风格，并询问用户想尝试哪一种
4. 先生成编辑草稿
5. 展示结果，并询问用户是否想进行调整
6. 用户批准后生成最终版

API 调用时使用 --edit <path>。

费用说明

生成前务必告知费用：

品质	每张图片	10 张轮播图
--draft（低）	$0.006	$0.06
中	$0.05	$0.50
高（默认）	$0.21	$2.10
高 + 思考模式	$0.25-0.42	$2.50-4.20

思考模式会增加 20–100% 的费用。仅在文本较多或构图复杂时建议使用。

费用低于 $0.50 时，脚本会自动确认。超过此金额时，脚本会询问用户。

提示词编写技巧

帮助用户编写提示词时，请采用以下模式：

1. 结构：场景 → 主体 → 细节 → 光线 → 约束
2. 主体前置：将最主要的内容放在开头
3. 图片中的文字：用单引号引用准确文本：'with the headline "Hello World"'
4. 角色一致性：保持一个五元组：年龄 + 外貌 + 发型 + 显著特征 + 服装
5. 在末尾添加风格标签：添加 editorial-magazine、studio-product 等标签，以便让批次结果趋于一致
6. 使用 --seed 进行迭代：锁定构图，仅更改提示词细节

CLI 参考

# Basic generation
scripts/gpt_image_2.py "prompt" output.png

# With preset and platform
scripts/gpt_image_2.py --preset editorial --platform square "subject" out.png

# Draft mode (~$0.006/image)
scripts/gpt_image_2.py --draft "prompt" out.png

# With thinking for complex layouts
scripts/gpt_image_2.py --thinking medium --preset diagram "OAuth flow" out.png

# Seed for reproducibility
scripts/gpt_image_2.py --seed 42 "prompt" out.png

# Edit existing photo
scripts/gpt_image_2.py --edit photo.png "transform into constellation style" out.png

# Reference-anchored preset (auto-attaches its bundled reference image)
scripts/gpt_image_2.py --preset vhs --platform youtube "THEY TRUSTED YOU / NOW / PROVE IT" ad.png

# Variants with contact sheet
scripts/gpt_image_2.py --n 4 --preset ink "mountain" out.png

# Cost estimate
scripts/gpt_image_2.py --estimate --n 10 --quality high "batch test"

# Skip confirmation
scripts/gpt_image_2.py -y --n 10 "batch" out.png

# Dry run (show prompt without API call)
scripts/gpt_image_2.py --dry-run --preset editorial "test" out.png

# Preflight runs automatically before spend; override if needed
scripts/gpt_image_2.py --force "prompt with a known conflict" out.png    # generate anyway
scripts/gpt_image_2.py --no-preflight "prompt" out.png                   # skip the check

文件

• scripts/gpt_image_2.py — 主 CLI（Python，需要 PyYAML）
• presets.yaml — 风格预设（视觉类 + 文本密集类 + 社区类 + 参考图锚定类）。预设可以声明一个 reference: 路径（相对于技能目录）；除非用户传入自己的 --reference，否则该路径中的图片会自动作为风格锚点附加。请参阅 vhs 预设。
• platforms.yaml — 8 种平台尺寸预设
• references/api_reference.md — 完整的 API 文档
• references/vhs-infomercial.png — 随附的风格锚点，用于 vhs 预设
• ~/.config/gpt-image-2/config.yaml — 用户默认设置
• ~/.config/gpt-image-2/history.jsonl — 生成日志
• ~/.config/gpt-image-2/last.json — 上次运行记录（用于 again）