gpt-image-2

name gpt-image-2 description 面向 GPT Image 2 的图像生成 / 编辑技能。可在 3 种环境下使用：(A) Garden 本地模式，通过 OpenAI 兼容接口直接出图并落盘；(B) Host-Native 模式，把本 Skill 当作提示词工程指引，把渲染好的 prompt 交给宿主 Agent 自带的图像工具出图；(C) Advisor 模式，宿主无任何图像工具时退化为高质量 prompt 顾问。涵盖 18 大类、80+ 个结构化模板，覆盖海报 / UI / 产品 / 信息图 / 学术图 / 技术架构图 / 漫画 / 头像 / 流程板 / 电影分镜 / IP 周边 / 编辑工作流等场景。 GPT Image 2 这是一个面向 GPT Image 2 的聚焦型技能，在 3 种运行环境下都能用，但行为差异显著。 第一步必须先确定当前运行模式 。 它只做两类图像任务： 生成图片： POST /images/generations 编辑图片： POST /images/edits 本文件保留：运行模式、技能结构、环境变量、保存 / 命名规则、模板索引、模式感知工作流。详细模板全部放在 references/ ，分层组织： 一级：分类目录 二级：单模板 Markdown 文件 运行模式（必读，做任何事之前先确定） 本 Skill 自带一个轻量探测脚本，先跑一次，再根据结果决定怎么干活： node skills/gpt-image-2/scripts/check-mode.js # 想拿结构化结果给上层程序用： node skills/gpt-image-2/scripts/check-mode.js --json 输出会给出 mode = A / A? / B-or-C 以及 recommendation 。三个模式定义如下： Mode A · Garden 本地生图 触发条件 ：环境变量 ENABLE_GARDEN_IMAGEGEN 为真（ 1 / true / yes / on ） 且 存在 OPENAI_API_KEY 。 行为 ：完整端到端跑通"选模板 → 写 prompt → 调用脚本 → 出图落盘"。 用 scripts/generate.js 文本生图、 scripts/edit.js 编辑现有图。 prompt 默认落盘到 garden-gpt-image-2/prompt/ 、图片落盘到 garden-gpt-image-2/image/ 。 这是最强的模式：你是图像工具的"持有者"。 Mode B · Host-Native 委托宿主出图 触发条件 ：未启用 Garden（ ENABLE_GARDEN_IMAGEGEN 未设置 / 为假），但 当前宿主 Agent 自带图像生成工具或图像 MCP 。 典型识别信号 （你应该自检）： 你的工具集里出现 image_generation / imagegen / dalle / nano_banana / mcp__*image* / make_image / 类似名字 用户在 ChatGPT / Codex / Gemini / Cursor 等支持原生出图的客户端中调用本 Skill 用户显式说"用你自己的工具出图" 行为 ：本 Skill 退化成提示词工程指引 —— 仍按"选模板 → 填字段 → 渲染最终 prompt"的流程走。 不要调用 node scripts/generate.js （没有 API key、必失败）。 直接调用宿主自带的图像工具，把渲染好的 prompt 作为输入。 如用户希望可顺手把 prompt 文件保存到 garden-gpt-image-2/prompt/ ，但图片去向由宿主决定，不强制。 Mode C · Advisor 纯提示词顾问 触发条件 ：未启用 Garden， 且 宿主 Agent 也没有任何图像生成工具。 行为 ：本 Skill 退化为"高质量 prompt 撰写顾问"—— 按"选模板 → 填字段 → 渲染最终 prompt"流程走，缺信息就问用户。 把最终 prompt 直接打印给用户 + 保存一份到 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md 。 附一句简短的"如何使用"建议（如：丢进 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 自己后端 / 第三方 GPT Image 2 网关）。 不要假装出图成功 。明确告知用户："已生成可直接复用的高质量 prompt，请用你的图像工具执行。" 模式决策表 条件 模式 调用脚本？ 落盘 prompt？ 落盘图片？ ENABLE_GARDEN_IMAGEGEN=1 + 有 KEY A ✅ generate.js / edit.js ✅ 自动 ✅ 自动 ENABLE_GARDEN_IMAGEGEN=1 但没 KEY A? ❌（先要 KEY） — — 未启用 + 宿主有图像工具 B ❌（用宿主工具） 可选 由宿主决定 未启用 + 宿主无图像工具 C ❌ ✅ 必须 ❌（无法） 模式不确定时 如果你判断不清自己是 B 还是 C， 直接问用户一句 ："是用你环境里的图像工具出图，还是只要我写好提示词？" Mode A 调脚本失败（401 / 网络 / 配额）→ 报错并询问"切到 B / C 吗？" 用户输入工具 当此技能需要向用户提问时，遵循以下规则： 优先使用当前运行时提供的用户输入工具。 如果没有对应工具，则用简短的纯文本编号问题提问。 能合并的问题尽量一次问完。 技能结构 scripts/check-mode.js ： 先跑这个 ，检测运行模式（A / B / C） scripts/generate.js ：文本生图（仅 Mode A 使用） scripts/edit.js ：基于原图 / 遮罩改图（仅 Mode A 使用） scripts/shared.js ：共享请求、保存、环境变量读取逻辑 references/ ：分层结构化提示词模板（A / B / C 三模式都用） 环境变量 按以下顺序读取配置： CLI 参数 process.env <cwd>/.env <cwd>/.gateway.env ~/.gateway.env 核心变量： ENABLE_GARDEN_IMAGEGEN — 模式开关 。 1 / true / yes / on 时启用 Mode A；未设置或其它值则进入 Mode B / C。 OPENAI_API_KEY — Mode A 必需；B / C 不需要。 OPENAI_BASE_URL — 默认 https://api.openai.com/v1 ，可指向第三方兼容网关。 OPENAI_IMAGE_MODEL — 默认 gpt-image-2 ，可换成网关支持的型号（如 gpt-image-1 / dall-e-3 ）。 默认实现按 OpenAI 兼容接口工作，不写死任何第三方网关。 默认输出目录 如果用户没有明确指定输出路径，统一使用当前工作区下的： 提示词目录： garden-gpt-image-2/prompt/ （ A / B / C 三种模式都建议用 ，方便复用与版本管理） 图片目录： garden-gpt-image-2/image/ （ 仅 Mode A 使用 ；Mode B 由宿主决定，Mode C 不产生图） 如果目录不存在，脚本（Mode A）必须自动创建；Mode B / C 在写 prompt 前手动 mkdir -p 。 默认命名规则 如果用户没有明确指定文件名，脚本应自动生成与当前任务相关的文件名，并追加当前时间戳，避免重名。 命名规则： 提示词： garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md 图片： garden-gpt-image-2/image/<task-slug>-<timestamp>.png 其中： <task-slug> ：根据当前用户要求自动提取一个相关短名称 <timestamp> ：当前时间戳，例如 20260424-153045 示例： garden-gpt-image-2/prompt/live-commerce-ui-20260424-153045.md garden-gpt-image-2/image/live-commerce-ui-20260424-153045.png garden-gpt-image-2/prompt/vr-headset-exploded-view-20260424-153102.md garden-gpt-image-2/image/vr-headset-exploded-view-20260424-153102.png Prompt 保存规则 模式 是否必须保存 prompt 说明 Mode A ✅ 必须 进入实际生成 / 编辑流程必落盘 Mode B 推荐 默认建议保存方便复用；用户说"不用"就略过 Mode C ✅ 必须 用户拿走 prompt 自己执行，不落盘等于白干 通用规则（适用三种模式）： 如果用户显式给了 prompt 文件路径，可直接使用该文件作为输入。 如果用户直接给的是文本 prompt，也要先把最终 prompt 保存到 garden-gpt-image-2/prompt/ 。 如果用户显式指定了 --prompt-output ，则尊重用户指定路径。 否则使用默认命名规则自动保存。 图片保存规则（仅 Mode A） 如果用户显式指定了 --image 或 --output ，则尊重用户指定路径。 否则默认保存到 garden-gpt-image-2/image/ 。 文件名应和当前任务语义相关，并附加时间戳。 Mode B 由宿主图像工具决定保存方式；Mode C 不产生图片。 快速用法 0. 检测运行模式（ 任何任务的第一步 ） node skills/gpt-image-2/scripts/check-mode.js 输出会告诉你当前是 Mode A / B / C，决定后续是否调用 generate.js / edit.js 。下面 1~4 仅在 Mode A 下使用。 1. 文本生图（Mode A） node skills/gpt-image-2/scripts/generate.js \ --prompt "A cute baby sea otter" \ --size 1024x1024 \ --quality high 2. 用提示词文件生图（Mode A） node skills/gpt-image-2/scripts/generate.js \ --promptfile garden-gpt-image-2/prompt/poster-20260424-153045.md 3. 编辑已有图片（Mode A） node skills/gpt-image-2/scripts/edit.js \ --image assets/source.png \ --prompt "Replace the background with a clean studio scene" 4. 带遮罩的局部编辑（Mode A） node skills/gpt-image-2/scripts/edit.js \ --image assets/source.png \ --mask assets/mask.png \ --prompt "Replace only the masked area with a glass vase" 5. Mode B / C 的"用法" 没有命令行入口——本 Skill 此时只是 提示词工程指南 ： Mode B ：渲染好最终 prompt → 调用宿主自带的 image_generation 类工具（参数中传入 prompt）→ 拿到图。 Mode C ：渲染好最终 prompt → 保存到 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md → 把内容直接展示给用户 → 提示用户在哪些图像工具中可以直接复用。 JSON 模板工作方式 当 references/ 中提供 JSON 模板时，按下面规则使用： 先从 SKILL.md 找到最贴近的分类目录。 再定位到具体模板文件。 模板中的 {argument ...} 表示可替换参数。 用户明确提供的值，直接填入。 用户没有提供，但模板标了 default 的，默认可以先用默认值。 如果缺失信息会显著影响结果，主动询问用户。 用户也可以明确说“你随机生成”，这时可以保留默认值或在模板允许范围内合理随机化。 询问规则 当模板缺少关键变量时，不要笼统地问“你想要什么风格？”。应当根据模板字段精确提问。 例如直播 UI 模板缺少主体时，应优先问： 主播是谁？ 用真人照片、名人名字、人物描述，还是完全随机生成？ 缺少商品信息时应问： 商品名称是什么？ 商品价格是否指定？ 是否希望我自动补全评论和礼物内容？ 模板索引 按任务类型只读取最贴近的具体模板文件，不要一次性全读整个 references/ 。 1. 方法论总文档 先读： references/prompt-writing.md 适用于： 你还没决定怎么构造 JSON 模板 你需要判断哪些字段该问、哪些字段可默认、哪些字段可随机 你需要把案例抽象成可复用模板 2. UI Mockups ( references/ui-mockups/ ) 适合各种“界面 + 内容”的样机视觉。当前已落地： live-commerce-ui.md — 电商直播带货截图样机（主播 + 聊天区 + 礼物区 + 商品卡） social-interface-mockup.md — 社交平台动态详情页样机（Twitter/X、小红书、微博、Threads 等） product-card-overlay.md — 落地页 hero / 详情页主图（人物 + 商品 + 卖点 + 价格） chat-interface-scene.md — 聊天 / 对话界面样机（iMessage、微信、群聊、AI 助手） short-video-cover-ui.md — 短视频封面 / 直播缩略图（YouTube、抖音、B 站、VTuber stream） landing-page-case-study.md — 深色 SaaS / 营销 case study 长页面 UI mockup（多 section + 滚动叙事 + 数据卡 + CTA） 3. Product Visuals ( references/product-visuals/ ) 适合“以商品为视觉中心”的图。当前已落地： exploded-view-poster.md — 产品爆炸视图海报（主体垂直堆叠 + callout + 顶部 logo + 底部品牌区） white-background-product.md — 电商纯白底主图（单品 / 多角度 / 极简营销叠层） premium-studio-product.md — 高级影棚商业产品图（杂志广告级氛围） packaging-showcase.md — 礼盒 / 包装展示图（外盒 + 内容物展示） lifestyle-product-scene.md — 生活方式产品场景图（商品出现在真实场景中） ecommerce-marketing-board.md — 中式电商超复合销售看板（主图 + 详情页 + 卖点 + 使用步骤 + 场景 + TVC 分镜组合一图） 4. Maps ( references/maps/ ) 适合“地图类视觉”（信息图已抽离到独立分类 17）。当前已落地： food-map.md — 城市美食手绘地图（编号点位 + 图例 + 中心吉祥物） travel-route-map.md — 旅行路线图（多日行程 / 单日 city walk / 户外路线） illustrated-city-map.md — 城市风貌插画地图（地标 + 江山 + 文化元素） store-distribution-map.md — 品牌门店 / 服务覆盖分布图 itinerary-day-trip-map.md — 一日游 split 海报（左 parchment 行程卡 + 右奇幻写实地图，5-7 站点严格对齐） 5. Slides & Visual Docs ( references/slides-and-visual-docs/ ) 适合“一页讲清楚一件事”的视觉文档。当前已落地： dense-explainer-slides.md — Irasutoya × 霞关混合高密度讲解 Slide policy-style-slide.md — 政策 / 政府公告 / 白皮书风格说明 Slide visual-report-page.md — 商业报告执行摘要 / 投资人简报 / 年报概览页 educational-diagram-slide.md — 教学示意图（概念 / 机制 / 流程分解） 6. Poster & Campaigns ( references/poster-and-campaigns/ ) 适合“品牌主视觉 + campaign + banner + 杂志封面”。当前已落地： brand-poster.md — 品牌主海报（产品 / 人物 / 纯文字主张） campaign-kv.md — Campaign Key Visual + 衍生 layout 系统 banner-hero.md — Web hero / 落地页 / app banner（横向构图 + CTA） editorial-cover.md — 杂志 / 期刊 / 出版物封面 biomimetic-concept-poster.md — 仿生工业设计概念海报（自然原型 → 演化条 → hero render → 多视图技术图） vintage-editorial-infographic.md — 复古档案 / 1940s 编辑式信息图海报（人物 + 公式 + 时间轴 + 模型，Bell Labs 风） character-catalog-poster.md — 同一角色多版本信息图海报（星座 / 元素 / 朝代 / 人格系列卡片） lineup-comparison-poster.md — 系列产品 lineup 对比信息图海报（30+ SKU 同图 + 图例 + 等级 key） 7. Portraits & Characters ( references/portraits-and-characters/ ) 适合“人物视觉”。当前已落地： professional-portrait.md — 职业级商务肖像（LinkedIn / 团队页 / 媒体配图） founder-portrait.md — 创始人媒体大片肖像（戏剧灯光 + 留标题位） virtual-host.md — VTuber / 虚拟主播个人卡 + 直播预览 character-sheet.md — 角色综合设定稿（三视图 + 表情 + 服装 + 配色板） pose-reference-sheet.md — N×N 姿势 / 动作字典参考表（同一角色多姿势，舞蹈 / 战斗 / 健身） 8. Scenes & Illustrations ( references/scenes-and-illustrations/ ) 适合 “氛围 + 故事 + 情绪” 的插画类视觉。当前已落地： healing-scene.md — 治愈系日常 / 季节场景插画 concept-scene.md — 电影感概念大场景 / IP key art picture-book-scene.md — 童书 / 绘本内页 / 节日卡片 minimalist-mood-scene.md — 极简留白氛围图 / 文学性壁纸 9. Editing Workflows ( references/editing-workflows/ ) 适合“基于现有图片做编辑”的图改任务（对应 scripts/edit.js ）。当前已落地： background-replacement.md — 背景替换（商品 / 人像 / 户外 / 棚景） local-object-replacement.md — 局部对象替换（配合或不配合蒙版） object-removal.md — 杂物 / 路人 / 电线 / 瑕疵去除 product-retouching.md — 产品精修（光泽 / 标签 / 阴影 / 瑕疵） portrait-local-edit.md — 人像局部修改（发型 / 服装 / 妆容 / 配饰） 10. Avatars & Profile ( references/avatars-and-profile/ ) 适合“风格化头像 / 人设 / 网格 / 贴纸 / 系列肖像”等"个人形象"类视觉。当前已落地： style-transfer-selfie.md — 把参考图人物转成 cosplay / 哥特 / 复古胶片 / 偶像写真等任意风格 character-grid-portrait.md — 同一角色 n×n 网格肖像（多职业 / 多表情 / 多朝代 / 多风格） themed-3d-icon.md — Kawaii 3D / Minecraft / 拟物 3D 应用图标式头像 sticker-set.md — 贴纸套装 / 表情包合集（独立元素 + 描边 + 标签） cultural-portrait-series.md — 朝代 / 神话 / 文学 / 民族系列肖像 11. Storyboards & Sequences ( references/storyboards-and-sequences/ ) 适合“多分镜 / 漫画 / 关系图 / 流程步骤”等"叙事性序列"类视觉。当前已落地： four-panel-comic.md — 4 格漫画 / 讽刺漫画 / 段子漫画（起承转合 + 对话气泡） manga-spread-page.md — 单页 / 跨页漫画分镜（不规则格子 + 对话 + 心声） anime-key-visual.md — 单图动漫 KV / 轻小说封面 / IP 海报 character-relationship-diagram.md — 角色关系图海报（卡片 + 关系连线 + 图例） recipe-process-flowchart.md — 食谱 / 教程 / 流程步骤图（编号 + 插图 + 说明） product-tvc-storyboard.md — 产品 TVC 商业广告分镜板（9-panel 实拍质感 + 镜头描述 + 时长） cinematic-storyboard-grid.md — 电影感叙事分镜 contact sheet（3×4 / 4×4，连续叙事 + cinematic still） process-photo-board.md — 真人 cinematic 流程板（装备穿戴 / 化妆 / 训练 / 操作分解，编号 + 步骤递进） 12. Grids & Collages ( references/grids-and-collages/ ) 适合“多面板网格 / 拼贴 / 立项 board”类视觉。当前已落地： banner-grid-2x2.md — 2×2 营销 banner 套装（一次出 4 张统一系列设计） lookbook-grid.md — 7 日 lookbook / 9 宫 self-care / TOP N 清单图 mixed-style-multi-panel.md — 多风格混合拼贴（同一主体不同画风演绎） anime-pitch-board.md — 动漫 / 游戏 / 影视立项 pitch board（KV + 角色 + 世界观 + 文案） ad-banner-multi-grid.md — 多行业 / 多主题混合广告 banner 网格（每格独立行业 + 风格 + 文案） 13. Branding & Packaging ( references/branding-and-packaging/ ) 适合“品牌识别系统 / 吉祥物 / 包装设计”类视觉。当前已落地： brand-identity-board.md — 品牌识别系统板（logo + 配色 + 字体 + 应用 mockup）