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。

1162条生图案例库

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。

2多平台集成

支持 Claude Code、Codex、OpenClaw、Hermes Agent 等智能体运行时,也支持纯 CLI 终端调用。

3质量分级控制

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
OpenClawnpx --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 / --maskPNG(alpha通道)—蒙版:不透明=保留,透明=重生成
--size1k / 2k / 4k / portrait / landscape / square / wide / tall / 1024x1024 等1024x1024尺寸,需为16的倍数,最大边3840
--qualityauto / low / medium / highhigh质量/预算控制(见下文)
-n / --n整数1批量生成张数
--formatpng / jpeg / webppng输出格式
--compression0–100—JPEG/WebP 压缩率
--backgroundauto / opaqueautoopaque 禁用透明度
--moderationauto / lowlow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:

  1. 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。
  2. 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。
  3. 具体性:明确材料、形状、纹理、媒介(照片、水彩、3D 渲染)。
  4. 必要文字用引号:引号内的文字会被原样渲染到图像中。
  5. 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。
  6. 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。

返回技艺录