一、为什么需要它
用 GPT Image 2 生图,最大的痛点不是模型不够强,而是提示词难写、质量不稳定、批量生成成本高。每次从零写 prompt,要么出图太抽象,要么风格跑偏,反复调参浪费时间。
本文交付物
一文讲清楚 GPT Image 2 Skill 的安装、CLI 用法、质量分级控制和最佳实践,帮你从"盲调"走到"精准出图"。
二、项目速览
GPT Image 2 Skill 是一个针对 OpenAI GPT Image 2 模型的开源项目,由开发者 wuyoscar 创建,MIT 协议,GitHub 3.7K 星。
它的核心定位是:为具备技能(skill)能力的智能体提供可复制粘贴的提示词和可运行的示例,同时附带一个完整的 CLI 命令行工具,让你能在终端直接调用 GPT Image 2 生图,无需写代码。
按类别组织:研究论文图表、海报、UI 原型、游戏 HUD、动漫/漫画、摄影、排版、纹身设计等,开箱即用。
支持 Claude Code、Codex、OpenClaw、Hermes Agent 等智能体运行时,也支持纯 CLI 终端调用。
low / medium / high 三档,分别对应草稿、常规探索、最终海报,文字/密集图表必须用 high。
三、安装方式
根据你用的平台选择安装方式,前置要求:Python ≥ 3.11,以及 OPENAI_API_KEY 环境变量。
CLI 工具(推荐首选)
# 方式一:临时运行(无需安装) uvx --from git+https://github.com/wuyoscar/GPT-Image2-Skill gpt-image -p "a cat astronaut" # 方式二:永久安装 uv tool install git+https://github.com/wuyoscar/GPT-Image2-Skill gpt-image -p "a photorealistic convenience store at 10pm" --size 1k --quality high -f store.png
智能体平台
| 平台 | 安装命令 |
|---|---|
| Claude Code | /plugin marketplace add wuyoscar/gpt_image_2_skill/plugin install gpt-image@wuyoscar-skills |
| Codex | 使用内置 $skill-installer,或手动克隆到 ~/.codex/skills/gpt-image |
| OpenClaw | npx --yes skills@latest add wuyoscar/gpt_image_2_skill --skill gpt-image --agent codex/openclaw --copy |
| Hermes Agent | 手动符号链接到 skills 目录 |
安全提示
如果不想让智能体意外使用 OpenAI API 密钥,调用前运行 unset OPENAI_API_KEY,用完再重新 export。
四、CLI 用法详解
CLI 支持两种模式:文本生成图像和参考图编辑/重绘,用法统一。
文本生成图像
# 基本用法 gpt-image -p "a photorealistic convenience store at 10pm" # 指定尺寸 + 高质量 + 输出文件 gpt-image -p "a photorealistic convenience store at 10pm" --size 1k --quality high -f store.png # 批量生成(n 张) gpt-image -p "a futuristic city at night" --n 4 --quality medium
参考图编辑
# 单参考图风格迁移 gpt-image -p "Make it a winter evening with heavy snowfall" \ -i chess.png --quality high -f chess-winter.png # 多参考图合成 gpt-image -p "Place the dog from image 2 next to the woman in image 1" \ -i woman.png -i dog.png --size portrait --quality medium -f result.png # 蒙版重绘(指定区域替换) gpt-image -p "replace sky with aurora" \ -i photo.jpg -m sky_mask.png -f aurora.png
参数速查表
| 参数 | 可选值 | 默认 | 说明 |
|---|---|---|---|
-p / --prompt | 字符串 | 必填 | 完整提示词 |
-f / --file | 路径 | ./fig/YYYY-MM-DD-...png | 输出文件路径 |
-i / --image | 路径(可重复) | — | 参考图像(编辑模式) |
-m / --mask | PNG(alpha通道) | — | 蒙版:不透明=保留,透明=重生成 |
--size | 1k / 2k / 4k / portrait / landscape / square / wide / tall / 1024x1024 等 | 1024x1024 | 尺寸,需为16的倍数,最大边3840 |
--quality | auto / low / medium / high | high | 质量/预算控制(见下文) |
-n / --n | 整数 | 1 | 批量生成张数 |
--format | png / jpeg / webp | png | 输出格式 |
--compression | 0–100 | — | JPEG/WebP 压缩率 |
--background | auto / opaque | auto | opaque 禁用透明度 |
--moderation | auto / low | low | 内容审核强度 |
五、质量/预算控制
质量等级直接对应 API 调用成本,选对档位能省不少钱:
| 质量值 | 适用场景 | 成本 |
|---|---|---|
| low | 低价草稿、批量收集、大量变体探索 | 最低 |
| medium | 常规探索、风格试探、非文字类图像 | 中等 |
| high | 最终海报、中文文本渲染、图表、论文插图、横幅 | 最高 |
坑:medium 下文字会模糊
任何需要精准渲染文字的场景(标题、海报、论文图表),务必用 --quality high,medium 会明显降级文字质量。
六、提示词技巧摘要
来自 OpenAI 官方 GPT Image 提示词指南,6条核心原则:
- 结构优先:使用「背景/场景 → 主体 → 关键细节 → 约束」的顺序,并说明预期用途。
- 格式一致比技巧更重要:简约提示词、描述段落、JSON 风格、标签提示均可,生产环境优先易读的模板。
- 具体性:明确材料、形状、纹理、媒介(照片、水彩、3D 渲染)。
- 必要文字用引号:引号内的文字会被原样渲染到图像中。
- 早期确定宽高比:在提示词文本中强化比例描述,不仅依赖
--size。 - 一个主角:复杂场景最好一个主体清晰,其余为支持细节。
提示词写得越好,GPT Image 2 发挥越充分。162条案例库的价值在于「参考」而非「照抄」——理解结构比复制文字更重要。
七、适用场景一览
| 类别 | 典型用例 |
|---|---|
| 🎌 动漫 & 漫画 | 日漫肖像、战斗关键画面、漫画分镜 |
| 🎮 游戏 | 潜行动作、奇幻冒险、复古像素、MOBA HUD |
| 🤖 复古 & 赛博朋克 | 机甲少女、霓虹都市、外星夜店 |
| 🎬 电影 & 动画 | 皮克斯风格、黑色电影、storyboard、吉卜力风格 |
| 📝 排版 & 海报 | 城市宣传海报、时尚杂志封面、复古科幻小说封面 |
| 🖌️ 水墨 & 中国风 | 宋代夜市场卷、传统国画风格 |
| 📐 等距视角 | 奇幻村庄地图、建筑渲染 |
| 📊 研究论文图表 | 学术可视化、信息图表 |
| 📱 UI/UX 原型 | 界面设计、产品原型 |
| 🖋️ 纹身设计 | 纹身图案、装饰性插画 |
八、总结
GPT Image 2 Skill 是一个把 GPT Image 2 能力从"手写 API"降维到"一行命令"的工具。它最大的价值有三:
- 162条提示词案例库——不用从零写 prompt,直接参考或改编,覆盖游戏/UI/动漫/科研等全场景。
- CLI 命令行工具——终端调用,适合自动化流程和批量生成,支持参考图编辑和蒙版重绘。
- 多智能体集成——Claude Code、Codex、OpenClaw 等一键安装,技能可直接被 agent 调用。
MIT 开源,质量分级灵活,对开发者和 AI 爱好者来说是一个「装完就能用」的工具。唯一成本是 OpenAI API Key 的调用费,建议先用 low/medium 试水,重要产出再用 high。