gpt-image-skill

GPT Image 技能

通过捆绑的 Python 脚本，使用 OpenAI 的 GPT Image 模型生成或编辑图像。

要求

1. OPENAI_API_KEY：必须在 ~/.gpt-image.env 中配置，或使用 export OPENAI_API_KEY=<your-key>
2. OPENAI_API_BASE（可选）：为兼容的端点（例如 Azure OpenAI、代理）设置自定义 API 基础 URL。在 ~/.gpt-image.env 中设置，或导出该变量。
3. Python3 及依赖项：openai、Pillow。如果尚未安装，请通过 python3 -m pip install -r ${CLAUDE_SKILL_DIR}/requirements.txt 安装。
4. 可执行文件：${CLAUDE_SKILL_DIR}/gpt_image.py

说明

生成图像

1. 询问用户：

   • 想要创建什么（提示词）
   • 期望的尺寸（可选，默认为 1024x1024）
   • 输出文件名（可选；如果未指定，则自动生成基于 UUID 的名称）
   • 模型偏好（可选，默认为 gpt-image-2）
   • 质量（可选，默认为 auto）
   • 图像数量（可选，默认为 1）

2. 运行脚本：

   python3 ${CLAUDE_SKILL_DIR}/gpt_image.py --prompt "description of image" --output "filename.png"
   

3. 完成后，向用户显示保存的图像路径。

编辑图像

1. 询问用户：

   • 要编辑的输入图像文件（最多 3 个）
   • 想要进行哪些更改（提示词）
   • 输出文件名（可选）

2. 使用输入图像运行：

   python3 ${CLAUDE_SKILL_DIR}/gpt_image.py edit --prompt "editing instructions" --input image1.png image2.png --output "edited.png"
   

可用选项

模型（--model）

• gpt-image-2（默认）——最新模型，具备出色的指令遵循能力、文本渲染能力和广泛的世界知识
• gpt-image-1.5——中端模型
• gpt-image-1——第一代 GPT 图像模型
• gpt-image-1-mini——轻量、生成速度更快

尺寸（--size）

• 1024x1024（默认）——正方形
• 1024x1536——纵向（2:3）
• 1536x1024——横向（3:2）
• auto——由模型决定

质量（--quality）

• auto（默认）——由模型决定最佳质量
• high——细节更丰富，速度更慢
• medium——均衡
• low——速度最快

输出格式（--format）

• png（默认）——无损
• jpeg——文件体积更小
• webp——现代格式，压缩效果好

背景（--background）

• auto（默认）——由模型决定
• transparent——透明背景（仅限 png/webp）
• opaque——纯色背景

其他选项

• --n <count>——要生成的图像数量（默认：1）
• --output <filename>——输出文件名（默认：自动生成）

示例

生成简单图像

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py --prompt "A serene mountain landscape at sunset with a lake"

指定尺寸和输出路径来生成图像

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py \
  --prompt "Modern minimalist logo for a tech startup" \
  --size 1024x1024 \
  --quality high \
  --output "logo.png"

生成横向图像

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py \
  --prompt "Futuristic cityscape with flying cars" \
  --size 1536x1024 \
  --output "cityscape.png"

生成透明背景图像

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py \
  --prompt "A cute cartoon cat mascot" \
  --background transparent \
  --format png \
  --output "mascot.png"

生成多张图像

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py \
  --prompt "Abstract art in the style of Kandinsky" \
  --n 3 \
  --output "art.png"

编辑现有图像

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py edit \
  --prompt "Add a rainbow in the sky" \
  --input photo.png \
  --output "photo-with-rainbow.png"

合并多张参考图像

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py edit \
  --prompt "Create a gift basket containing all items shown" \
  --input item1.png item2.png item3.png \
  --output "gift-basket.png"

使用其他模型

python3 ${CLAUDE_SKILL_DIR}/gpt_image.py \
  --prompt "Detailed portrait of a cat in watercolor style" \
  --model gpt-image-1 \
  --output "cat-portrait.png"

错误处理

如果脚本运行失败：

• 检查是否已导出 OPENAI_API_KEY
• 如果使用自定义端点，请确认 OPENAI_API_BASE 正确
• 确认输入图像文件存在且可读取（用于编辑时）
• 确保输出目录可写
• 检查模型名称是否有效

最佳实践

1. 提示词应描述具体——包括风格、情绪、颜色和构图细节
2. 对于徽标/图标，使用正方形尺寸（1024x1024）和透明背景
3. 对于社交媒体，故事内容使用纵向尺寸（1024x1536），帖子使用正方形尺寸
4. 对于壁纸/页眉，使用横向尺寸（1536x1024）
5. 最终输出使用 high 质量，快速迭代使用 auto
6. GPT Image 模型擅长文本渲染——需要时在提示词中加入文字
7. 编辑图像时，清楚说明要更改和保留的内容