imagegen

图像生成技能

为当前项目生成或编辑图像（例如网站素材、游戏素材、UI 模型图、产品模型图、线框图、徽标设计、逼真图像、信息图）。默认使用 gpt-image-1.5 和 OpenAI Image API，并优先使用随附的 CLI，以确保运行结果可复现且确定。

适用场景

• 生成新图像（概念艺术、产品照片、封面、网站主视觉）
• 编辑现有图像（图像修复、蒙版编辑、光照或天气变换、背景替换、移除对象、合成、透明背景）
• 批量运行（多个提示词，或针对多个提示词生成许多变体）

决策树（生成、编辑还是批量处理）

• 如果用户提供了输入图像（或表示“编辑／修饰／修复／蒙版／翻译／本地化／仅更改 X”）→ 编辑
• 否则，如果用户需要许多不同的提示词／素材 → 批量生成
• 否则 → 生成

工作流

1. 判断意图：生成、编辑还是批量处理（参见上方决策树）。
2. 预先收集输入：提示词、准确文本（原文照录）、限制条件／排除项，以及任何输入图像／蒙版。对于多图编辑，按索引和用途标记每张输入图像；对于编辑，明确列出必须保持不变的内容。
3. 如果是批量处理：在 tmp/ 下编写临时 JSONL（每行一项任务），运行一次，然后删除 JSONL。
4. 将提示词扩充为简短的带标签规范（结构 + 限制条件），但不要凭空添加新的创作要求。
5. 使用合理的默认设置运行随附的 CLI（scripts/image_gen.py）（参见 references/cli.md）。
6. 对于复杂的编辑／生成，检查输出（打开／查看图像）并验证：主体、风格、构图、文本准确性，以及必须保持不变的内容／排除项。
7. 迭代：进行一项有针对性的更改（提示词或蒙版），重新运行并再次检查。
8. 保存／返回最终输出，并注明最终使用的提示词和标志。

临时文件和输出约定

• 使用 tmp/imagegen/ 存放中间文件（例如 JSONL 批次文件）；完成后删除。
• 在本仓库中工作时，将最终文件写入 output/imagegen/。
• 使用 --out 或 --out-dir 控制输出路径；文件名应保持稳定且具有描述性。

依赖项（缺少时请安装）

依赖管理优先使用 uv。

Python 包：

uv pip install openai pillow

如果无法使用 uv：

python3 -m pip install openai pillow

环境

• 执行在线 API 调用时，必须设置 OPENAI_API_KEY。

如果缺少密钥，请告知用户执行以下步骤：

1. 在 OpenAI 平台 UI 中创建 API 密钥：https://platform.openai.com/api-keys
2. 在其系统中将 OPENAI_API_KEY 设置为环境变量。
3. 如有需要，可提供指导，帮助其为所在操作系统／Shell 设置环境变量。

• 切勿要求用户在聊天中粘贴完整密钥。请用户在本地设置密钥，并在准备就绪后确认。

如果无法在此环境中安装依赖项，请告知用户缺少哪项依赖，以及如何在本地安装。

默认设置和规则

• 除非用户明确要求使用 gpt-image-1-mini，或明确偏好更便宜／更快的模型，否则使用 gpt-image-1.5。
• 除非用户明确要求编辑，否则假定用户需要生成新图像。
• 进行任何在线 API 调用前，必须先获取 OPENAI_API_KEY。
• 所有 API 调用均使用 OpenAI Python SDK（openai 包）；不得使用原始 HTTP。
• 如果用户要求编辑，请使用 client.images.edit(...)，并包含输入图像（如有提供蒙版，也需包含）。
• 优先使用随附的 CLI（scripts/image_gen.py），而不是编写一次性脚本。
• 切勿修改 scripts/image_gen.py。如果缺少某项功能，继续操作前先询问用户。
• 如果结果明显不相关或不符合限制条件，请通过小幅、针对性的提示词更改进行迭代；只有缺少的信息会阻碍任务成功时才提问。

提示词扩充

将用户提示词重新整理为结构化、面向生产的规范。只将隐含细节明确化；不要凭空添加新要求。

用例分类（slug 必须完全一致）

将每个请求归入以下类别之一，并确保在提示词和引用中使用一致的 slug。

生成：

• photorealistic-natural — 具有真实质感和自然光线的抓拍式／编辑风格生活场景。
• product-mockup — 产品／包装照片、目录图片、周边商品概念。
• ui-mockup — 看起来可直接交付的应用／网页界面模型。
• infographic-diagram — 布局和文字结构清晰的图表／信息图。
• logo-brand — Logo／标志探索，适合矢量化。
• illustration-story — 漫画、儿童读物插画、叙事场景。
• stylized-concept — 以风格为主导的概念艺术、3D／风格化渲染。
• historical-scene — 符合时代特征／历史知识的场景。

编辑：

• text-localization — 翻译／替换图中文字，同时保留布局。
• identity-preserve — 试穿、将人物置于场景中；锁定面部／身体／姿势。
• precise-object-edit — 移除／替换特定元素（包括室内空间替换）。
• lighting-weather — 仅更改一天中的时段／季节／氛围。
• background-extraction — 透明背景／干净抠图。
• style-transfer — 在更改主体／场景的同时应用参考风格。
• compositing — 合并／插入多张图像，并匹配光线／透视。
• sketch-to-render — 将绘图／线稿转为照片级真实感渲染图。

快速澄清（增强还是凭空创造）：

• 如果用户说“为落地页制作一张主视觉图”，你可以补充该用途所隐含的布局／构图约束（例如“右侧留出充足的负空间，用于放置标题文字”）。
• 不要引入用户未要求的新创意元素（例如添加吉祥物、更改主体、虚构品牌名称／Logo）。

模板（仅包含相关行）：

Use case: <taxonomy slug>
Asset type: <where the asset will be used>
Primary request: <user's main prompt>
Scene/background: <environment>
Subject: <main subject>
Style/medium: <photo/illustration/3D/etc>
Composition/framing: <wide/close/top-down; placement>
Lighting/mood: <lighting + mood>
Color palette: <palette notes>
Materials/textures: <surface details>
Quality: <low/medium/high/auto>
Input fidelity (edits): <low/high>
Text (verbatim): "<exact text>"
Constraints: <must keep/must avoid>
Avoid: <negative constraints>

增强规则：

• 保持简短；仅添加用户已暗示或在其他地方提供的细节。
• 始终将请求归入上述分类 slug，并针对该类别调整约束／构图／质量。使用该 slug 在 references/sample-prompts.md 中查找匹配示例。
• 如果用户提出宽泛请求（例如“为这个网站生成图片”），请自行判断，提出有品位且符合情境的素材，并为每项素材指定一个分类 slug。
• 对于编辑请求，明确列出不变项（“仅更改 X；保持 Y 不变”）。
• 如果缺少任何会妨碍成功完成任务的关键信息，请提问；否则直接执行。

示例

生成示例（主视觉图）

Use case: stylized-concept
Asset type: landing page hero
Primary request: a minimal hero image of a ceramic coffee mug
Style/medium: clean product photography
Composition/framing: centered product, generous negative space on the right
Lighting/mood: soft studio lighting
Constraints: no logos, no text, no watermark

编辑示例（不变项）

Use case: precise-object-edit
Asset type: product photo background replacement
Primary request: replace the background with a warm sunset gradient
Constraints: change only the background; keep the product and its edges unchanged; no text; no watermark

提示词最佳实践（简明列表）

• 按场景 -> 主体 -> 细节 -> 约束的结构编写提示词。
• 说明预期用途（广告、UI 模型、信息图），以确定呈现模式和精致程度。
• 使用摄影和构图术语来实现照片级真实感。
• 将确切文字加上引号，并指定字体排印方式和位置。
• 对于难处理的词，逐字母拼写，并要求原样呈现。
• 对于多图输入，按索引引用图像，并说明如何组合。
• 对于编辑任务，每次迭代都重复说明不变项，以减少偏差。
• 通过每次只更改一项的后续要求进行迭代。
• 对于对延迟敏感的运行，从 quality=low 开始；对于文字密集或细节要求严格的输出，使用 quality=high。
• 对于严格编辑（锁定身份／布局），可考虑使用 input_fidelity=high。
• 如果结果显得“俗气”，添加简短的“Avoid:”行（图库照片感；俗套的镜头光晕；过度饱和的霓虹色；强烈的泛光；过度锐化；杂乱），并指定克制的风格（“编辑风格”“高端”“微妙”）。

更多原则：references/prompting.md。可复制／粘贴的规格：references/sample-prompts.md。

按素材类型提供的指导

素材类型模板（网站素材、游戏素材、线框图、Logo）已整合到 references/sample-prompts.md 中。

CLI + 环境说明

• CLI 命令和示例：references/cli.md
• API 参数快速参考：references/image-api.md
• 如果网络审批／沙盒设置造成阻碍：references/codex-network.md

参考索引

• references/cli.md：介绍如何通过 scripts/image_gen.py 运行图像生成、编辑和批处理（命令、标志、用法示例）。
• references/image-api.md：介绍 API 层面的可用选项（参数、尺寸、质量、背景、仅适用于编辑的字段）。
• references/prompting.md：提示词原则（结构、约束/不变量、迭代模式）。
• references/sample-prompts.md：可复制粘贴的提示词示例（生成 + 编辑工作流；仅供参考）。
• references/codex-network.md：环境/沙盒/网络审批故障排查。