agentleFS
Sign inStart free
ninehillsninehills/public-skills/gpt-image-gen/SKILL.md

gpt-image-gen

Skill86 starsChanged 5 months agoMITView on GitHub

生图 / 生成图片 / 画图 — 用 OpenAI gpt-image-2 生成图像。支持文生图、参考图生图 (img2img)、蒙版修补 (inpainting)。当用户要求用 GPT 画图、OpenAI 生图、gpt-image-2、文+图生图、参考图片生成、img2img、inpainting 时必加载此技能。Auth 自动继承 OPENAI_API_KEY / Codex OAuth (Pi/Codex) / .env / config.yaml。

  • Reads credentials
  • Installs packages

2 other projects use a version of this.

Adopted by

Most recently taken up by

  • Other versions2 projects use a version of this.

    Word for word · 1

    1. ninehills/skills★ 280100% same

    Edited · 0

    None found.

    Wrote their own version · 1

    1. KerberosClaw/kc_ai_skills★ 79same name

    How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.

  • In this repository9 other files it gives its agents.

The file

Create a free account to mount
Files
SKILL.md

GPT Image Gen

调用 OpenAI gpt-image-2 模型生图。单一脚本覆盖三种模式：

模式触发条件后端
文生图仅 -pAPI key → images.generate / Codex OAuth → Responses API
参考图编辑-p + -iAPI key → images.edit / Codex OAuth → Responses API (input_image)
蒙版修补-p + -i + -m仅 API key → images.edit；Codex 不支持

Auth 自动选择： 检测到 JWT token (eyJ...) 时走 Codex Responses API (chatgpt.com/backend-api/codex)，否则走标准 OpenAI REST API (api.openai.com)。

触发条件（几乎任何生图请求都应加载此技能）

只要用户提到以下任一关键词/场景，立即加载：

  • 生图、生成图片、画图、文生图、图片生成、AI 画图
  • gpt-image、gpt-image-2、GPT 画图、OpenAI 生图、GPT 图片
  • img2img、图生图、参考图生图、文+图、传图生图、图片编辑
  • inpainting、蒙版修补、局部重绘、涂抹重绘
  • 用户发送了图片并要求基于它生成/修改（这是 img2img 场景）

特别注意： 如果用户发送了图片附件并说「用这个图生成」「基于这张图」「把这张图改成」等，这就是 img2img 场景——必须加载此技能，因为内置 image_generate 不支持图片输入。

依赖

pip install openai python-dotenv
  • openai：API 调用
  • python-dotenv：自动加载 ./.env 和 ~/.env（可选，没有也能用）

Auth 自动解析

脚本按以下优先级找 API key：

  1. OPENAI_API_KEY 环境变量
  2. ./.env 文件（当前目录）
  3. ~/.env 文件（家目录）
  4. Pi agent auth (~/.pi/agent/auth.json → openai-codex.access)
  5. Codex OAuth token（hermes auth codex 登录过的）
  6. config.yaml → image_gen.openai.api_key
  7. --api-key 手动传入

⚠️ Codex token 限制： Codex OAuth token/pi auth token 只能认证 chatgpt.com/backend-api/codex，不能直连 api.openai.com。如果 auth 解析落到 Codex token（优先级 4-5），脚本会拿它当标准 API key 去打 api.openai.com/v1/images/*，返回 401 Missing scopes: api.model.images.request。文生图请用 Hermes 内置 image_generate 工具（走 Codex backend）；img2img / inpainting（images.edit）必须有真正的 OPENAI_API_KEY。详见 references/auth-pitfalls.md。

用法

文生图

python3 scripts/gen.py -p "a cat astronaut on the moon" --quality high

# 多张
python3 scripts/gen.py -p "..." -n 4

参考图编辑（img2img）

# 单参考图
python3 scripts/gen.py -p "make it cyberpunk style" -i photo.jpg

# 多参考图
python3 scripts/gen.py -p "collab poster" -i cat.png -i logo.png -f out.png

蒙版修补（inpainting）

# opaque 区域保留，transparent 区域重绘
python3 scripts/gen.py -p "replace sky with aurora" -i photo.jpg -m sky_mask.png

高分辨率 / 自定义格式

python3 scripts/gen.py -p "..." --size 2k --quality high --format webp --compression 85
python3 scripts/gen.py -p "..." --size 3840x2160 --quality high

提示词模板

参考文件：references/templates.md（833 行，16 类工业级模板 + 防坑指南）。

工作流：Agent 读 templates.md → 匹配合适的模板类别 → 用模板结构组装完整 prompt → 调 gen.py 生图。

Agent 加载 skill 后，需按需读取 references/templates.md 全文或定位到相关章节。模板覆盖 UI、信息图、海报、电商、品牌、摄影、角色、历史、工业设计等 16 个类别，每类有标准模板 + 防坑指南。

Agent 的典型流程：

  1. 用户说「画一碗拉面」→ Agent 读 templates.md，定位到「E-commerce & Products」或「Photography & Realism」类别
  2. Agent 参考模板结构和防坑指南，组装完整 prompt（补全布光、材质、构图等参数）
  3. Agent 用 clarify 展示优化后的 prompt，等用户确认
  4. 确认后调 gen.py -p "<prompt>" --quality high

如果用户给的 prompt 已经很详细，则跳过优化，直接调 gen.py。

⚠️ 强制确认规则：

  • 用户明确说「优化并生成」「帮我优化 prompt」「先优化再画」等 → Agent 优化后直接生成，无需确认
  • 用户只是给了模糊提示词但未要求优化 → Agent 若修改了 prompt，必须用 clarify 展示修改后的完整 prompt 让用户确认，确认后才能调 gen.py
    • 确认时必须说明「我优化了提示词，确认后生成：」让用户知道 prompt 被改过
  • 未修改则直接生成

参数表

参数简写类型默认值说明
--prompt-pstr必填提示词
--image-ipath—参考图，可重复传多个
--mask-mpath—Alpha 通道蒙版 PNG（需配合 -i）
--output-fpath自动命名输出文件路径
--n-nint1生成张数
--modelstrgpt-image-2模型 ID
--quality-qliteralhigh见下方质量策略
--size-sliteral1024x1024见下方尺寸表
--formatliteralpngpng / jpeg / webp
--compressionint—压缩级别 0-100（jpeg/webp）
--moderationliterallowlow / auto
--backgroundliteral—opaque / auto
--input-fidelityliteral—low / high（gpt-image-2 自动剔除）
--api-keystr自动解析手动指定 API key
--jsonflag—JSON 格式输出
--verbose-vflag—详细日志

尺寸快捷表

快捷名分辨率适用场景
1k / square1024×1024正方形，社交头像
2k2048×2048高清印刷
4k3840×2160宽屏电影级
landscape1536×1024横版照片/游戏截图
portrait1024×1536竖版海报/手机壁纸
wide2048×1152宽幅横版
tall2160×3840超长竖版

也支持自定义 WxH：--size 1536x1536。约束：16px 倍数，总像素 655,360 ~ 8,294,400，宽高比 ≤ 3:1。

质量策略

质量速度成本(1024²)何时用
auto自适应自适应让 API 自行判断
low~15s~$0.006快速草稿、批量探索、构图检查
medium~40s~$0.05风格测试、日常浏览
high~2min~$0.21中文字体、海报、信息图、正式交付

默认 high。Agent 应根据场景自动选档：探索用 low、风格尝试用 medium、最终交付用 high。

输出

  • 默认输出格式：── PROMPT ── + prompt + ── IMAGE ── + 图片路径 + ── PARAMS ── + 参数
  • Agent 收到输出后，必须同时展示图片和 prompt，用 ![desc](path) + prompt 文本
  • 保存到 ~/.hermes/cache/images/（--output 可覆盖）
  • 每次生成同时保存 .prompt.txt 副文件，与图片同名、同路径，记录完整 prompt 和所有参数，方便复用
  • --json 模式输出结构化 JSON

退出码

码含义处理
0成功输出路径到 stdout
1API 错误检查 moderation/rate-limit/content-policy 返回信息
2参数错误缺少 API key、mask 无 image、n<1 等

注意事项

  • gpt-image-2 不支持透明背景（需要透明用 gpt-image-1.5）
  • --input-fidelity 在 gpt-image-2 上会自动剔除（模型拒绝该参数）
  • --moderation 仅适用于 images.generate，images.edit 路径自动剔除
  • Codex backend 不支持 --mask 蒙版修补、不支持 -n 多张
  • 编辑端点对真人照片有严格内容策略，可能返回 400
  • 复杂 prompt 可能耗时 2 分钟以上
  • 需要 OpenAI Organization Verification（标准 API key）；Codex OAuth 无需
  • 参考图直接以 binary 上传，注意文件大小
  • --mask 必须是带 alpha 通道的 PNG，opaque=保留，transparent=重绘
  • Codex backend 架构详见 references/codex-backend.md
  • 图片附件路径：Discord/Telegram 缓存通常在 ~/.hermes/image_cache/img_*.jpeg
  • 端到端测试报告：references/test-report.md
  • img2img 不依赖聊天模型的 vision 能力： 参考图作为 base64 直接发送到 Codex/OpenAI 图像后端，不经过聊天模型。即使当前模型（如 DeepSeek）不支持 vision、vision_analyze 失败，gen.py -i 的 img2img 仍然正常工作。Agent 无需先「看懂」图片即可做参考图编辑——图像模型独立处理视觉理解。若确实需要了解原图内容来写 prompt，可用 PIL 做颜色/边缘分析辅助判断构图。<｜end▁of▁thinking｜>

<｜｜DSML｜｜parameter name="old_string" string="true">## 注意事项

  • gpt-image-2 不支持透明背景（需要透明用 gpt-image-1.5）
  • --input-fidelity 在 gpt-image-2 上会自动剔除（模型拒绝该参数）
  • --moderation 仅适用于 images.generate，images.edit 路径自动剔除
  • Codex backend 不支持 --mask 蒙版修补、不支持 -n 多张
  • 编辑端点对真人照片有严格内容策略，可能返回 400
  • 复杂 prompt 可能耗时 2 分钟以上
  • 需要 OpenAI Organization Verification（标准 API key）；Codex OAuth 无需
  • 参考图直接以 binary 上传，注意文件大小
  • --mask 必须是带 alpha 通道的 PNG，opaque=保留，transparent=重绘
  • Codex backend 架构详见 references/codex-backend.md
  • 图片附件路径：Discord/Telegram 缓存通常在 ~/.hermes/image_cache/img_*.jpeg
  • 端到端测试报告：references/test-report.md

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

Check your setup, free