wangle/MetaSkill
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
main
MetaSkill/skills/le-gpt-image/SKILL.md
T

9.8 KiB
Raw Permalink Blame History

name, description
name description
le-gpt-image 用 GPT Image 生成或编辑图片：海报、封面、插画、UI mockup、信息图配图、文章插图、表情包、风格迁移改图。 复用本机 Codex CLI 的 ChatGPT 登录凭证（~/.codex/auth.json），不需要 OpenAI API Key， 走 Codex 内部图像通道，消耗的是 ChatGPT 订阅额度；内置 163 条精调 prompt 库（31 类，Gallery 优先路由）。 当用户说「画一张图」「生成一张…的图」「做张海报/封面/头图」「帮文章配图」「把这张图的背景换成…」 「按这张图的风格重画」「GPT Image 生图」时使用；拿到图像需求但没指明工具、而本机已登录 Codex 时也触发。 不要用于：视频生成、需要 API 计费与发票的正式生产管线、要求 gpt-image-2.5-flare/sunburst 专属能力的任务 （那是 API 通道专属模型，无 Key 走不了）、未登录 Codex 的机器。

le-gpt-image

用 GPT Image 生图与改图，凭证复用本机 Codex 登录，全程无 API Key。额度来自 ChatGPT 订阅——把每次生成当作在花用户的订阅用量，高成本操作先确认。

核心原则

  • Gallery 优先，不从零现写。 出图好看的关键是 prompt 的描述密度。先查 references/gallery/gallery.md 索引路由到对应类别，选最接近的精调案例做底、替换主体与文案；只有真无匹配类别时才读 references/prompt-craft.md 现写。
  • 无 Key 通道。 凭证只读 ~/.codex/auth.json（ChatGPT 登录态），token 临过期由脚本自动刷新并原子写回；任何情况下不打印、不外发 token。
  • 执行只走脚本。 生图一律调 scripts/gpt_image.py，不现场写 HTTP/SDK 代码。
  • 尺寸是建议值。 实测 Codex 通道不严格遵循请求尺寸（请求 1024x1024 可能返回 1374x1145）；要精确画布时在交付说明里报告实际尺寸，必要时用改图/裁剪兜底。
  • 带数量必复核。 图像模型数数不可靠（实测「九鱼」画成八条）；带明确数量的图生成后必须逐个数（视觉模型复核），错了用 edit 补。
  • 失败即停。 401 刷新失败、配额不足、内容策略拒绝：如实报告并停，不换参数偷跑重试。

能力边界

能力 说明
文生图 generate，prompt + 尺寸 + 质量
改图 edit，1–5 张参考图 + 指令；多图可做融合/参考绘制
风格迁移 edit --style-image：内容取 --image，画风取 --style-image
通道 native（默认，GPT Image 直连，即 Codex 内部同款）；responses（备用，走推理模型强制图像工具）
质量 auto / low / medium / high（无 xhigh/max——那是 API 通道档位）
背景 auto / opaque；不支持透明背景（当前通道限制）
张数 --n 逐张请求，输出文件名加 -1..-n 后缀

单张耗时实测 40–60 秒；脚本默认超时 300 秒，429 限流自动退避重试（最多 4 次）。

工作流

  1. 接单与选型：明确用途（海报/封面/插画/配图…）、主体、需出现的文字（逐字）、比例倾向。
  2. Gallery 路由（关键步）：读 references/gallery/gallery.md 总索引，按类别选 1 个（至多 2 个相邻）分类文件阅读，从中挑最接近需求的精调案例。改写规则：
    • 保留案例的风格、构图、材质、光线、留白等描述框架——这是好看的关键，不精简；
    • 替换主体、场景主题词与图内文字（文字保持用户原文、直引号逐字）；
    • 尺寸按案例 Metadata 的建议映射到 --size；
    • 交叉规则需要时补读 references/gallery/craft.md 的对应分节；
    • 专项深入读官方手艺：照片/产品/插画 → gallery/openai-image-2.5-generation.md，文字/排版/图表/UI → gallery/openai-image-2.5-layout-and-text.md，改图/参考图 → gallery/openai-image-2.5-editing.md（注意：其中 API 通道专属参数——2.5 模型、xhigh/max、透明背景——本通道不适用，只取 prompt 与布局写法）。 确无匹配类别（如冷门技术图示）→ 退回 references/prompt-craft.md 按结构公式现写。
  3. 停点确认（回合终止契约）：出现以下任一情况，展示「最终 prompt + 尺寸/质量/张数 + 输出路径」后立即结束回合，不得再发起任何工具调用；用户确认或给修改意见后再继续——
    • 实质改写或补写了用户给的描述（用户只说「画只猫」而你扩写了一整段场景）；
    • --n > 1 或 4k 尺寸（成倍消耗额度）；
    • 要编辑不可再生的原图（用户仅有的一份照片/扫描件）——先确认输出另存、不覆盖。 用户明确说「直接生成」、或需求已完整（明确描述 + 默认参数 + 单张）时跳过停点，直接生成。
  4. 生成与验收：调 CLI，stdout 末行即输出路径。带数量的图逐个复核；交付时报告：路径 + 实际尺寸 + 关键参数 + 所依据的 gallery 案例编号，另附一条可选改进建议，不自动追加生成变体。

CLI 速查

SKILL/scripts/gpt_image.py check                          # 看凭证：模式/套餐/token 余量
SKILL/scripts/gpt_image.py generate \
  --prompt "A minimalist poster for a tea shop, warm beige palette, the text \"好茶慢慢喝\" centered" \
  --size portrait --quality high --out poster.png
SKILL/scripts/gpt_image.py edit \
  --image photo.png --prompt "Change the background to snowy mountains, keep the person unchanged" \
  --out photo-new.png
SKILL/scripts/gpt_image.py edit \
  --image content.png --style-image ink.png --out styled.png      # 风格迁移
参数 取值 说明
--prompt / --prompt-file 文本 / 路径 生图或改图指令（edit 配 --style-image 时可选）
--out 路径 缺省 fig/YYYYMMDD-HHMMSS-<slug>.png；存在须加 --force 才覆盖
--size 见下表 缺省 auto
--quality auto/low/medium/high 草稿 low，成品 high
--n 整数 逐张请求，文件名加后缀
--backend native/responses native 默认；responses 为备用通道
--image 路径，可重复 edit 输入图，1–5 张（Pillow 在位时自动压至最长边 1536 的 WebP）
--style-image 路径 edit 的风格参考图
--dry-run 开关 只打印请求（凭证打码）不联网，排障首选

尺寸速查

别名 像素 适用
1k / square 1024x1024 默认方图、社交媒体
portrait 1024x1536 海报、封面、手机壁纸
landscape 1536x1024 文章头图、横幅
wide 1536x640 超宽 banner
tall 1024x2048 长图、竖版故事
2k / 4k 2048x2048 / 3840x2160 印刷、大屏（高额度，先停点确认）

也接受 WIDTHxHEIGHT（须 16 倍数、最长边 ≤3840、宽高比 1:3–3:1）。记住服务端可能自行调整尺寸，交付时以实际输出为准。

故障排查

现象 处置
未找到凭证文件 / auth_mode 不是 chatgpt 指引用户在本机跑 codex login 选 ChatGPT 登录；Codex 需文件凭证存储（config.toml cli_auth_credentials_store = "file"）
刷新令牌失败（HTTP 4xx） refresh_token 已失效，指引用户重新 codex login；不要反复重试
HTTP 429 脚本自动退避重试；重试仍失败则告知用户订阅图像额度已到限，建议稍后再试或降 quality/尺寸
尺寸不符警告 属正常（服务端建议值行为），按实际尺寸交付
网络请求失败 先定位出口：curl --noproxy '*' https://api.ipify.org 与 curl -x http://127.0.0.1:7890 ... 对比出口 IP。macOS 上 Python urllib 会自动读系统代理设置（即使只开 TUN 模式也会被显式代理入口接管）；TUN 与 7890 通常同核同出口
native 通道被掐 / 403 含 cf-mitigated: challenge / curl 56 连接被掐 TLS 指纹被 Cloudflare 质询：python-urllib/curl 的握手特征会被 chatgpt.com 域名级风控识别（浏览器与 Codex/ChatGPT.app 不受影响，所以「用户那边正常」）。解法：pip install --user curl_cffi（PEP 668 环境加 --break-system-packages），CLI 检测到即自动用 Chrome 指纹传输。装后仍被掐 → 检查是否覆盖了 Chrome UA（curl_cffi 路径下不要发 codex UA，矛盾组合会被掐）。换代理节点通常无效——同出口下浏览器指纹本来就能过
edit 走 native 被掐（generate 正常） 更深一层风控：「过认证 + 携带大 base64 图上传」打到 /images/edits 会被 RST（假 token 反而能穿到 401）。解法：edit 改走 --backend responses（不同端点，不吃这套；实测穿透）。responses 耗时更长（~3 分钟）
responses 通道报通用 500「An error occurred…」 大概率是推理模型名不可用：_reasoning_model 默认会读 ~/.codex/config.toml 的 model 字段（本机是 gpt-6.1-sol，带图像工具会 500）。解法：--model gpt-5.5 显式指定。仍 500 可再加 --input-max-edge 768 缩小请求体
native 通道 404/失效 内部接口无稳定性契约；切 --backend responses 试试，并在交付时说明

安全边界

  • 凭证只读 auth.json，刷新写回仅限该文件；绝不打印 token、不把凭证带进生成参数。
  • 输出只落在用户指定目录或当前目录 fig/；覆盖已存在文件必须显式 --force。
  • 生成内容遵守平台内容政策；收到拒绝时如实转达，不换措辞绕过。
  • 每张图都消耗 ChatGPT 订阅额度：不擅自生成变体对比、不批量跑图，多张先停点确认。
Reference in New Issue View Git Blame Copy Permalink