用途:为当前项目生成或编辑图像,例如网站素材、游戏素材、UI 样机、产品样机、线框图、Logo 设计、写实图像和信息图。默认使用 gpt-image-1.5 与 OpenAI Image API,并优先使用内置 CLI 以获得确定性、可复现的运行结果。
主要能力:生成新图像(概念图、产品图、封面、网站主视觉);编辑已有图像(修复、蒙版编辑、光照或天气变换、背景替换、物体移除、合成、透明背景);批量运行(多提示词或多变体)。
使用方式:先判断意图是生成、编辑还是批量。若用户提供输入图像或要求编辑/修复/蒙版/仅改某处,则走编辑;若需要多个不同提示词或素材,则走 generate-batch;否则走 generate。提前收集提示词、需逐字呈现的文本、约束与避免项、输入图像或蒙版。批量时在 tmp/ 下写临时 JSONL(每行一个任务),运行一次后删除。将提示词整理为简短带标签的规格,不新增创意要求。运行内置 CLI(scripts/image_gen.py),复杂任务需查看输出并校验主体、风格、构图、文本准确性和约束。迭代时每次只做一处针对性修改。最终产物写入 output/imagegen/,用 --out 或 --out-dir 控制路径。
依赖与环境:优先用 uv 管理依赖,安装命令为 uv pip install openai pillow;若 uv 不可用则用 python3 -m pip install openai pillow。实时 API 调用需设置 OPENAI_API_KEY,缺失时引导用户在 https://platform.openai.com/api-keys 创建密钥并在本地设置环境变量,不要让用户在聊天中粘贴完整密钥。
规则与限制:除非用户明确要求 gpt-image-1-mini 或更便宜更快的模型,否则使用 gpt-image-1.5;除非明确要求编辑,否则默认生成新图;所有 API 调用使用 OpenAI Python SDK,不使用原始 HTTP;编辑使用 client.images.edit(...) 并包含输入图像与蒙版;不得修改 scripts/image_gen.py,若缺少内容需先询问用户。提示词按场景→主体→细节→约束组织,编辑时每轮重复不变量以减少漂移。延迟敏感任务可从 quality=low 开始,文本密集或细节关键输出用 quality=high;严格编辑可考虑 input_fidelity=high。更多细节见 references/cli.md、references/image-api.md、references/prompting.md、references/sample-prompts.md、references/codex-network.md。