gpt-image-2

Files (103)

• README.md
• README.zh-CN.md
• SKILL.md
• manifest.json
• graphical-abstract.md · references/academic-figures/
• mechanism-diagram.md · references/academic-figures/
• method-pipeline-overview.md · references/academic-figures/
• multi-condition-comparison.md · references/academic-figures/
• neural-network-architecture.md · references/academic-figures/
• publication-chart.md · references/academic-figures/
• qualitative-comparison-grid.md · references/academic-figures/
• research-overview-poster.md · references/academic-figures/
• scientific-schematic.md · references/academic-figures/
• game-screenshot-mockup.md · references/assets-and-props/
• retro-skeuomorphic-icons.md · references/assets-and-props/
• character-grid-portrait.md · references/avatars-and-profile/
• cultural-portrait-series.md · references/avatars-and-profile/
• sticker-set.md · references/avatars-and-profile/
• style-transfer-selfie.md · references/avatars-and-profile/
• themed-3d-icon.md · references/avatars-and-profile/
• beverage-label-design.md · references/branding-and-packaging/
• brand-identity-board.md · references/branding-and-packaging/
• character-merch-board.md · references/branding-and-packaging/
• cosmetic-packaging.md · references/branding-and-packaging/
• full-mascot-brand-doc.md · references/branding-and-packaging/
• mascot-brand-kit.md · references/branding-and-packaging/
• background-replacement.md · references/editing-workflows/
• local-object-replacement.md · references/editing-workflows/
• object-removal.md · references/editing-workflows/
• portrait-local-edit.md · references/editing-workflows/
• product-retouching.md · references/editing-workflows/
• ad-banner-multi-grid.md · references/grids-and-collages/
• anime-pitch-board.md · references/grids-and-collages/
• banner-grid-2x2.md · references/grids-and-collages/
• lookbook-grid.md · references/grids-and-collages/
• mixed-style-multi-panel.md · references/grids-and-collages/
• bento-grid-infographic.md · references/infographics/
• comparison-infographic.md · references/infographics/
• hand-drawn-infographic.md · references/infographics/
• kpi-dashboard-infographic.md · references/infographics/
• legend-heavy-infographic.md · references/infographics/
• step-by-step-infographic.md · references/infographics/
• food-map.md · references/maps/
• illustrated-city-map.md · references/maps/
• itinerary-day-trip-map.md · references/maps/
• store-distribution-map.md · references/maps/
• travel-route-map.md · references/maps/
• character-sheet.md · references/portraits-and-characters/
• founder-portrait.md · references/portraits-and-characters/
• pose-reference-sheet.md · references/portraits-and-characters/
• professional-portrait.md · references/portraits-and-characters/
• virtual-host.md · references/portraits-and-characters/
• banner-hero.md · references/poster-and-campaigns/
• biomimetic-concept-poster.md · references/poster-and-campaigns/
• brand-poster.md · references/poster-and-campaigns/
• campaign-kv.md · references/poster-and-campaigns/
• character-catalog-poster.md · references/poster-and-campaigns/
• editorial-cover.md · references/poster-and-campaigns/
• lineup-comparison-poster.md · references/poster-and-campaigns/
• vintage-editorial-infographic.md · references/poster-and-campaigns/
• …and 43 more

SKILL.md (first lines)

# GPT Image 2

这是一个面向 GPT Image 2 的聚焦型技能，在 3 种运行环境下都能用，但行为差异显著。**第一步必须先确定当前运行模式**。

它只做两类图像任务：

- 生成图片：`POST /images/generations`
- 编辑图片：`POST /images/edits`

本文件保留：运行模式、技能结构、环境变量、保存 / 命名规则、模板索引、模式感知工作流。详细模板全部放在 `references/`，分层组织：

- 一级：分类目录
- 二级：单模板 Markdown 文件

## 运行模式（必读，做任何事之前先确定）

本 Skill 自带一个轻量探测脚本，先跑一次，再根据结果决定怎么干活：

```bash
node skills/gpt-image-2/scripts/check-mode.js
# 想拿结构化结果给上层程序用：
node skills/gpt-image-2/scripts/check-mode.js --json
```

输出会给出 `mode = A` / `A?` / `B-or-C` 以及 `recommendation`。三个模式定义如下：

### Mode A · Garden 本地生图

**触发条件**：环境变量 `ENABLE_GARDEN_IMAGEGEN` 为真（`1` / `true` / `yes` / `on`）**且** 存在 `OPENAI_API_KEY`。

**行为**：完整端到端跑通"选模板 → 写 prompt → 调用脚本 → 出图落盘"。

- 用 `scripts/generate.js` 文本生图、`scripts/edit.js` 编辑现有图。
- prompt 默认落盘到 `garden-gpt-image-2/prompt/`、图片落盘到 `garden-gpt-image-2/image/`。
- 这是最强的模式：你是图像工具的"持有者"。

### Mode B · Host-Native 委托宿主出图

**触发条件**：未启用 Garden（`ENABLE_GARDEN_IMAGEGEN` 未设置 / 为假），但**当前宿主 Agent 自带图像生成工具或图像 MCP**。

**典型识别信号**（你应该自检）：

- 你的工具集里出现 `image_generation` / `imagegen` / `dalle` / `nano_banana` / `mcp__*image*` / `make_image` / 类似名字
- 用户在 ChatGPT / Codex / Gemini / Cursor 等支持原生出图的客户端中调用本 Skill
- 用户显式说"用你自己的工具出图"

**行为**：本 Skill **退化成提示词工程指引**——

1. 仍按"选模板 → 填字段 → 渲染最终 prompt"的流程走。
2. **不要调用 `node scripts/generate.js`**（没有 API key、必失败）。
3. 直接调用宿主自带的图像工具，把渲染好的 prompt 作为输入。
4. 如用户希望可顺手把 prompt 文件保存到 `garden-gpt-image-2/prompt/`，但图片去向由宿主决定，不强制。

### Mode C · Advisor 纯提示词顾问

**触发条件**：未启用 Garden，**且**宿主 Agent 也没有任何图像生成工具。

**行为**：本 Skill 退化为"高质量 prompt 撰写顾问"——

1. 按"选模板 → 填字段 → 渲染最终 prompt"流程走，缺信息就问用户。
2. 把最终 prompt **直接打印给用户** + 保存一份到 `garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md`。
3. 附一句简短的"如何使用"建议（如：丢进 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 自己后端 / 第三方 GPT Image 2 网关）。
4. **不要假装出图成功**。明确告知用户："已生成可直接复用的高质量 prompt，请用你的图像工具执行。"

### 模式决策表

| 条件 | 模式 | 调用脚本？ | 落盘 prompt？ | 落盘图片？ |
|---|---|---|---|---|
| `ENABLE_GARDEN_IMAGEGEN=1` + 有 KEY | **A** | ✅ `generate.js` / `edit.js` | ✅ 自动 | ✅ 自动 |
| `ENABLE_GARDEN_IMAGEGEN=1` 但没 KEY | A? | ❌（先要 KEY） | — | — |
| 未启用 + 宿主有图像工具 | **B** | ❌（用宿主工具） | 可选 | 由宿主决定 |
| 未启用 + 宿主无图像工具 | **C** | ❌ | ✅ 必须 | ❌（无法） |

### 模式不确定时

- 如果你判断不清自己是 B 还是 C，**直接问用户一句**："是用你环境里的图像工具出图，还是只要我写好提示词？"
- Mode A 调脚本失败（401 / 网络 / 配额）→ 报错并询问"切到 B / C 吗？"

## 用户输入工具

当此技能需要向用户提问时，遵循以下规则：

1. 优先使用当前运行时提供的用户输入工具。
2. 如果没有对应工具，则用简短的纯文本编号问题提问。
3. 能合并的问题尽量一次问完。

## 技能结构

- `scripts/check-mode.js`：**先跑这个**，检测运行模式（A / B / C）
- `scripts/generate.js`：文本生图（仅 Mode A 使用）
- `scripts/edit.js`：基于原图 / 遮罩改图（仅 Mode A 使用）
- `scripts/shared.js`：共享请求、保存、环境变量读取逻辑
- `references/`：分层结构化提示词模板（A / B / C 三模式都用）

## 环境变量

按以下顺序读取配置：

1. CLI 参数
2. `process.env`
3. `<cwd>/.env`
4. `<cwd>/.gateway.env`
5. `~/.gateway.env`

核心变量：

- `ENABLE_GARDEN_IMAGEGEN` — **模式开关**。`1` / `true` / `yes` / `on` 时启用 Mode A；未设置或其它值则进入 Mode B / C。
- `OPENAI_API_KEY` — Mode A 必需；B / C 不需要。
- `OPENAI_BASE_URL` — 默认 `https://api.openai.com/v1`，可指向第三方兼容网关。
- `OPENAI_IMAGE_MODEL` — 默认 `gpt-image-2`，可换成网关支持的型号（如 `gpt-image-1` / `dall-e-3`）。

默认实现按 OpenAI 兼容接口工作，不写死任何第三方网关。

## 默认输出目录

如果用户没有明确指定输出路径，统一使用当前工作区下的：

- 提示词目录：`garden-gpt-image-2/prompt/`（**A / B / C 三种模式都建议用**，方便复用与版本管理）
- 图片目录：`garden-gpt-image-2/image/`（**仅 Mode A 使用**；Mode B 由宿主决定，Mode C 不产生图）

From novolei/uclaw-new, Apache-2.0.

More from novolei/uclaw-new