SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场gpt-image

gpt-image

设计与创作

查看项目

更新于 10-15 16:29

技能介绍

gpt-image 是一个面向 AI 智能体的图像生成与编辑操作手册，封装了 GPT Image 2 / 2.5 的调用流程，核心目标是让智能体通过命令行界面（CLI）完成图像生成、编辑、局部重绘与多参考图编辑，而不必自行重新实现图像 API 代码。

【用途】 该技能用于处理图像生成与编辑请求，包括文本生成图像、基于参考图的编辑、局部重绘（inpaint）以及使用多张参考图的组合编辑。它同时提供提示词库与参考画廊，帮助智能体在需要时引用具体的示例与工艺说明。

【主要能力】

  1. 模型解析与选择：支持三个模型 ID。Flare（gpt-image-2.5-flare）适合快速通用生成与草稿；Sunburst（gpt-image-2.5-sunburst）适合精确参考编辑与细致控制；Image 2（gpt-image-2）用于既有 Image 2 工作流与兼容性。若模型缺失、含糊（如“GPT 2.5”）或拼写错误，智能体应询问一次并列出这三个选项及取舍，然后等待用户回复，不得静默纠正。gpt-image-2.5 不是合法的 API 模型 ID。
  2. 命令行界面：首选调用 PATH 上的 gpt-image 命令，或运行技能目录中的 scripts/generate.py，脚本本身是一个启动器，会依次尝试仓库本地 src/gpt_image_cli、已安装的 gpt-image、PATH 上的 gpt-image，最后回退到临时的 uvx/uv 执行。3. 端点路由：无 -i 时走文本生成图像端点 /v1/images/generations；有一个或多个 -i 时走参考编辑端点 /v1/images/edits；同时提供 -i 和 -m 时走带遮罩的编辑端点。
  3. 参数控制：支持 --prompt（必填）、--file（输出路径，省略时自动命名）、--image（可重复，参考图）、--mask（PNG 遮罩，需配合 -i）、--model（智能体必须显式传入解析后的选择）、--size（1k、2k、4k、portrait、landscape、square、wide、tall 或字面值）、--quality（low、medium、high、auto；2.5 还支持 xhigh、max）、--n（图像数量）、--background（auto、opaque；2.5 还支持 transparent，透明需 PNG 或 WebP，不支持 JPEG）、--input-fidelity（low、high，仅编辑；显式 2.5 值会转发给 API，不假定其受支持）、--moderation（auto、low）、--format（png、jpeg、webp）、--compression（0-100）、--user（可选终端用户标识）。
  4. 质量与尺寸策略：low 用于廉价草稿与广泛探索；medium 用于常规探索与风格试探；high 是 CLI 默认值，也是最终素材、密集文本、图表与 UI 的候选；xhigh/max 仅 2.5 可用，提高质量前应先讨论成本。尺寸方面默认社交方图为 1k/1024x1024，海报/移动端/美化用 portrait，风景/游戏画面/照片用 landscape，印刷/论文插图用 2k，宽屏主视觉用 4k，竖版故事/横幅用 tall。

【使用方式】 智能体的操作循环为：分类请求并解析模型，识别资产类型、精确文本、宽高比、参考图、安全约束与预算/质量；选择参考路径（Image 2 使用画廊优先流程，2.5 在精确简报下无需加载参考）；按需精炼提示词；在昂贵/含糊/高完成度调用前，可呈现 1 至 3 个匹配方向与计划尺寸/质量，并一次只问一个简洁问题；执行无副作用的预检，确认命令可用性；不得盲目安装、覆盖技能目录、创建或修改 .env、写入 API 密钥，除非用户明确要求设置；通过 CLI 执行并显式传入 --model；最后报告输出文件路径、关键标志，并在有用时给出一条精炼建议。快速路径为：已确认 2.5 模型 + 精确提示词 + “立即生成”时，直接预检并调用 CLI，无需强制参考或工艺环节，也不要再次确认有效的精确模型。

【密钥与成本】 CLI 依次从进程环境变量、.env、~/.env 读取 OPENAI_API_KEY，且不覆盖已有环境变量；成功的 API 调用可能向用户的 OpenAI 账户计费。若密钥未设置，应报告缺失，或在用户要求时改用宿主原生生成能力，不得写入密钥。若用户希望避免使用本地密钥，应尊重未设置状态；若 .env/~/.env 中存在密钥，应告知用户为该会话移除或重命名，而非绕过。任何时候不得打印密钥值。

【适用场景与限制】 适用于智能体驱动的图像生成、参考编辑、局部重绘、多参考图编辑，以及需要复用现有 CLI 而非重建 SDK 封装的场景。限制包括：除非用户要求，否则一次只生成一张图像；不得静默切换模型、更改实质性提示词内容、运行多个模型/提示词变体或对比，额外付费变体需先询问；遇到无效模型、403/访问、配额或策略失败时，应报告失败并停止，不得自动切换模型或改写提示词重试；参考画廊案例、模板等属于社区改编而非经过验证的输出，不应预加载；历史示例不覆盖当前 API 说明或用户的模型/设置。验证要求包括调用前检查已解析模型与显式 --model、端点模式、尺寸、质量、输出路径及所需参考/遮罩文件，调用后报告 CLI 打印的路径并在失败时呈现 stderr。