用途：把一张已拍好的模特图或人台图，在商品完全不动的前提下替换模特、替换背景，或两者都换，从而由一次拍摄裂变出多人群、多场景版本，覆盖不同市场、年龄段与肤色的投放需求。与 flat-lay 的区别在于：flat-lay 从平铺图生成模特图，本技能是对已有模特图做定向替换。
主要能力：三种模式——换模特换背景、只换背景（保留原模特脸/身材/姿势）、只换模特（保留原场景与构图）。附加能力包括：指定模特（性别/年龄/肤色/身材）、用参考图决定新姿势与场景、参考图相似度分 50%（借风格保原构图）与 100%（严格复刻）、智能匹配模特位置（对齐肩线/胸宽/腰线/下摆像素）、自动修手、人台图转真人。不做：不改商品款式、颜色、图案与版型；不做换脸到特定真人；不用于伪造他人肖像代言。
使用方式：调用 dLazy 的 gpt-image-2。统一入口写法为 node scripts/gen.mjs --task one-shot --prompt '<模板>' --images <原模特图> --save output/one-shot-<sku>.jpg；等价写法为 dlazy gpt-image-2 --prompt '...' --images ... --save output/one-shot.jpg。参数约定：--images 顺序即 prompt 中的 image 1/2/3；--size 与原图比例一致（竖版 1024x1536，方图 1024x1024）；--quality medium 常规、high 保面料纹理；--imageFormat jpeg；--batch 3~4 挑图；--save 按投放市场归档。可用 --dry-run 估价空跑。流程：确认模式与不变量、校验输入、写「保什么」再写「换什么」、加位置对齐句与修手句、有参考图时选相似度、估价后真跑并批量挑图、质检商品是否被改与手部光影。
适用场景：同款衣服出欧美市场版本、同一套图换季节氛围、人台图转真人图、一张图裂变成多年龄段版本。
限制：输入需商品完整无遮挡、商品占比够大、光线均匀；不支持多人同框与商品被裁切的图。换人随机性较大（尤其手部），需批量挑图。收费、价格与平台信息暂未提供。