Peteroooooooo/imagegen

Was macht imagegen?

Ein Befehl, der /images/generations oder /images/edits aufruft und das Ergebnis im aktuellen Projekt speichert.

Einrichtung (einmalig, durch den Benutzer)

• Benötigt einen API-Schlüssel für die OpenAI Images API oder eine beliebige OpenAI-kompatible Bild-API.
• Umgebungsvariablen (unter Windows werden mit setx gesetzte Werte aus der Registry gelesen, ein Neustart des Agenten ist nicht erforderlich):
  • IMAGEGEN_API_KEY: der API-Schlüssel. Fallback auf OPENAI_API_KEY.
  • IMAGEGEN_BASE_URL: optional, Standard https://api.openai.com/v1.
  • IMAGEGEN_MODEL: optional, Standard gpt-image-2.
• Python 3.8+, nur Standardbibliothek. Installiere diesen Ordner als ~/.claude/skills/imagegen/ (Claude Code) und/oder ~/.codex/skills/imagegen/ (Codex).
• Optional: Lege einen Wrapper namens imagegen im PATH ab (Beispiele im wrappers/-Verzeichnis des Repos). Ohne diesen ersetze imagegen unten durch python <dieser Skill-Ordner>/scripts/imagegen.py.

Generieren

imagegen "<Prompt>" [--size 1536x1024] [--quality high] [--n 2] [--out pfad.png]

Ausgabeoptionen (werden nur gesendet, wenn angegeben; nicht jede API oder jedes Modell akzeptiert sie): --background transparent|opaque|auto, --format png|jpeg|webp, --compression 0-100 (nur jpeg/webp).

Bearbeiten (ein oder mehrere Eingabebilder übergeben)

imagegen "<was geändert werden soll>" --image eingabe.png [--image ref.png] [--mask maske.png]

Ausgabe

Eine JSON-Zeile auf stdout:

{"ok": true, "mode": "generate", "paths": ["/pfad/zum/projekt/output/imagegen/20260101-120000-orange-cat.png"], "seconds": 42.9, "model": "gpt-image-2", "revised_prompt": null, "sidecars": ["/pfad/zum/projekt/output/imagegen/20260101-120000-orange-cat.json"]}

Jedes Bild erhält eine Beilage <gleicher Name>.json mit Prompt, überarbeitetem Prompt, Modell, Größe, Qualität, weiteren Optionen, Pfaden der Eingabebilder und -masken, Sekunden und Erstellungszeit (--no-sidecar schaltet dies ab). Das letzte Bild ist der letzte Pfad in deiner vorherigen Ausgabe; falls du ihn nicht hast (neue Sitzung), nimm das neueste Bild in output/imagegen/ und lies dessen .json für den Prompt, aus dem es erstellt wurde.

Bei Fehler: {"ok": false, "error": "..."} und Exit-Code 1. Lies paths und melde sie dem Benutzer. Wenn der Fehler besagt, dass kein API-Schlüssel vorhanden ist, sage dem Benutzer, wie er IMAGEGEN_API_KEY setzt; suche nicht selbst nach Schlüsseln.

Arbeitsweise

• Standard: Generiere einmal auf Anfrage des Benutzers und melde die Pfade. Öffne oder beurteile das Bild nicht und generiere nicht erneut, es sei denn, der Benutzer bittet darum.
• Verwende nur das, was der Benutzer gesagt hat. Erfinde keinen Stil oder Details. Wenn etwas fehlt, ohne das das Bild unbrauchbar ist (exakter Text auf dem Bild, Quer- oder Hochformat), frage einmal vor der Generierung.
• Wenn der Benutzer eine Änderung an einem Ergebnis wünscht („mach das linke blau“), bearbeite das letzte Bild mit --image <letzter Pfad>, anstatt von Grund auf neu zu generieren.
• Mehrere unabhängige Bilder können parallel angefordert werden (getrennte Befehle zur gleichen Zeit).
• Nur wenn der Benutzer darum bittet, zu iterieren („iteriere, bis es gut ist“) und du Bilder anzeigen kannst: Schreibe eine kurze Checkliste mit überprüfbaren Anforderungen, generiere, öffne das Bild, überprüfe jeden Punkt. Behebe lokale Probleme mit --image-Bearbeitungen und generiere nur neu, wenn die Gesamtrichtung falsch ist. Stoppe, wenn jeder Punkt bestanden ist oder nach 3 Runden, und melde für jede Version den Pfad und alle Punkte, die noch fehlschlagen.

Hinweise

• Ohne --out werden Dateien unter output/imagegen/<zeit>-<wörter>.png im aktuellen Verzeichnis abgelegt (die Erweiterung folgt --format).
• Größen: 1024x1024 (quadratisch), 1536x1024 (Querformat), 1024x1536 (Hochformat). gpt-image-2 akzeptiert auch benutzerdefinierte Größen wie 2048x1152 (16:9): beide Seiten Vielfache von 16, längste Seite höchstens 3840, Seitenverhältnis zwischen 1:3 und 3:1. Lasse --size für Auto weg.
• --quality low ist am schnellsten für Entwürfe; high für finale Assets. xhigh / max funktionieren nur bei Modellen, die sie unterstützen.
• Ein Bild dauert etwa 30-90 s. Führe es im Vordergrund mit einem Timeout von mindestens 600000 ms aus; frage nicht nach.
• Schreibe Prompts als: Asset-Typ, Motiv, Stil, Komposition, Beleuchtung, exakter Text in Anführungszeichen falls vorhanden. Nicht-englische Prompts funktionieren.
• Text, der auf dem Bild erscheinen muss, steht in Anführungszeichen, Wort für Wort, mit seiner Position: Überschrift oben mit dem Text „Sommerschlussverkauf“. Buchstabiere ungewöhnliche Wörter Buchstabe für Buchstabe.
• Bei mehreren Eingabebildern gib an, wofür jedes verwendet wird, in der Reihenfolge: „Bild 1: das zu bearbeitende Produktfoto. Bild 2: nur Stilreferenz.“
• Gib bei Bearbeitungen genau an, was sich ändert und dass alles andere gleich bleibt: „Ändere nur die Jacke auf rot; behalte Gesicht, Pose, Hintergrund und Beleuchtung unverändert.“ Wiederhole die unveränderten Teile bei jeder folgenden Bearbeitung.
• --background transparent benötigt PNG- oder WebP-Ausgabe und ein Modell, das dies unterstützt.
• --dry-run gibt die Anfrage aus, ohne die API aufzurufen.
• Gib niemals den API-Schlüssel aus oder schreibe ihn.