CommunityBildgithub.com

codex-images

Erzeugt Bilder mit Codex (OpenAIs Coding-Agent und dessen integriertem Bild-Tool, enthalten in einem ChatGPT-Plan) – YouTube-Thumbnails, Cover, B-Roll-Standbilder, Board-Bilder, Profilbilder – ein Codex-Job pro Bild, mehrere parallel, mit den Fotos des Erstellers als Referenz, wenn das Gesicht wichtig ist, und kopiert sie dann mit einem Manifest in das Projekt.

Was ist codex-images?

Diese Fähigkeit ermöglicht es KI-Agenten, Bilder direkt über Codex (OpenAIs Coding-Agent) und dessen integriertes Bildgen-Tool zu generieren. Es ist für Entwickler und Agent-Nutzer gedacht, die YouTube-Thumbnails, Videocover, B-Roll-Standbilder, Board-Bilder oder Profilbilder benötigen – jedes Bild wird als separater `codex exec` Job ausgeführt, mehrere parallel, mit maximal 3 gleichzeitig. Die Fähigkeit prüft, ob Codex installiert und eingeloggt ist, erstellt detaillierte Bild-Prompts auf Englisch (unter 3 Wörtern Text), referenziert bis zu 3 klare Fotos für Gesichter, überwacht die Ausgabe (liest `IMAGE_PATH` aus oder sucht nach der neuesten Datei bei Fehlern) und kopiert die Bilder strukturiert in den Ausgabeordner. Nach der Generierung validiert sie die Bilder (keine Duplikate, korrektes Seitenverhältnis von 16:9 für Thumbnails, Rechtschreibung) und erstellt ein `manifest.json`. Wichtig: Nutzer benötigen einen kostenpflichtigen ChatGPT-Plan (Plus oder Pro), jeder Job verbraucht dessen Codex-Limit, und die Ergebnisse sollten immer manuell überprüft werden. Die Plattform ist der Terminal-basierte Codex-Agent, nicht die ChatGPT-Web-Oberfläche. Diese Fähigkeit spart enorm viel Zeit, da sie Bilder automatisiert generiert, sofort einbindet und konsistent formatiert, anstatt manuell in Bildbearbeitungsprogrammen zu arbeiten.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Joaslde/video-agent-skills/tree/HEAD/skills/codex-images

Installed? Explore more Bild skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Codex Images

Bilder, die mit dem integrierten Bild-Tool von Codex erstellt werden, gestartet vom Terminal: ein codex exec pro Bild, mehrere gleichzeitig. Es verwendet den ChatGPT-Plan (Plus oder Pro), kein API-Schlüssel.

Sprich mit ihnen in ihrer Sprache. <out> = der Ausgabeordner: video-agent/edits/<slug>/images/ für ein Video, sonst video-agent/images/<name>/.

1. Codex (einmalig)

codex --version
codex login status
  • Nicht installiert: npm i -g @openai/codex (benötigt Node 20+), oder brew install codex auf macOS.
  • Nicht eingeloggt: Sie führen codex login selbst aus (es öffnet den Browser, „Anmelden mit ChatGPT"). Frage niemals nach einem OpenAI-Schlüssel oder Passwort im Chat.

2. Die Aufgabenstellung

Ein Bild = ein Prompt. Packe niemals mehrere Ideen in einen Job.

Frage nur, was fehlt, in einer Nachricht:

  • Wofür: Thumbnail (1280x720, 16:9), Short-Cover (1080x1920, 9:16), quadratischer Beitrag (1:1), ein Standbild für ein Bildboard oder B-Roll (das Format des Videos).
  • Wie viele: 1 standardmäßig; 3 Varianten für ein Thumbnail (jeweils eine andere Idee, nicht dreimal die gleiche).
  • Ihr Gesicht: Ein Thumbnail mit ihnen benötigt 1 bis 3 klare Fotos (ein Frame eines Takes funktioniert: ffmpeg -v error -y -ss <t> -i <take> -frames:v 1 -q:v 2 <out>/ref-face.jpg). Gib die absoluten Pfade an.

Schreibe jeden Prompt auf Englisch, konkret: das Motiv, der Bildausschnitt, der Hintergrund, das Licht, die Farben, der Text auf dem Bild (maximal 3 Wörter, genau in Anführungszeichen, in der Sprache des Videos) und das Format. Für ein Thumbnail: ein Motiv, großer lesbarer Text, starker Kontrast, ein Gesicht mit einer klaren Emotion, nichts in der unteren rechten Ecke (YouTube platziert dort die Dauer). Jede Behauptung auf dem Bild stammt aus dem Video.

Zeige die Prompts in einer nummerierten Liste und warte auf ein Ja (jedes Bild verbraucht etwas von ihrem Codex-Limit).

3. Generieren

Ein Job pro Prompt, maximal 3 gleichzeitig, jeder im Hintergrund. Beende immer mit < /dev/null (ohne das wartet codex exec endlos auf Eingabe) und behalte die letzte Nachricht in einer Datei:

mkdir -p <out>/logs
codex exec --skip-git-repo-check -s workspace-write -C "$PWD" \
  --output-last-message <out>/logs/<n>-<name>.txt \
  "Verwende dein integriertes image_gen-Tool, um genau ein Rasterbild für den folgenden Prompt zu generieren. Bearbeite keine Datei. Stelle keine Fragen. Kein SVG, kein HTML, kein Platzhalter.
Referenzbilder (übergib sie an image_gen als referenced_image_paths): <absolute Pfade, oder keine>
Wenn du fertig bist, antworte mit genau diesen zwei Zeilen:
ASSET_NAME: <kebab-case-name>
IMAGE_PATH: <absoluter Pfad des generierten Bildes>

Bild-Prompt:
<der Prompt>" \
  < /dev/null > <out>/logs/<n>-<name>.log 2>&1

Ein Job dauert etwa 1 bis 3 Minuten. Wenn er endet, lies die .txt, nimm IMAGE_PATH und kopiere das Bild:

cp "<IMAGE_PATH>" <out>/<n>-<name>.png

Kein IMAGE_PATH in der Antwort: die neueste Datei in ~/.codex/generated_images/ (ls -t ~/.codex/generated_images/*/* | head -3), die nach dem Start des Jobs erstellt wurde. Nichts Neues dort: der Job ist fehlgeschlagen, zeige das Ende seiner .log (oft ein Nutzungslimit, oder codex login erforderlich) und führe diesen einen Job noch einmal aus.

4. Überprüfen und übergeben

  • Ein Bild pro Prompt, und keine zwei identischen (shasum <out>/*.png).
  • Die Größe: sips -g pixelWidth -g pixelHeight <file> (macOS) oder ffprobe -v error -show_entries stream=width,height -of csv=p=0 <file>. Ein Thumbnail muss 16:9 sein: zuschneiden oder skalieren auf 1280x720 mit ffmpeg (-vf "scale=1280:720:force_original_aspect_ratio=increase,crop=1280:720"), unter 2 MB als JPG.
  • Schaue dir jedes Bild an: der Text richtig geschrieben, das Gesicht ähnlich, nichts Seltsames (Hände, zusätzliche Buchstaben). Ein falsches Bild: Prompt korrigieren und dieses eine erneut ausführen.

Schreibe <out>/manifest.json: ein Eintrag pro Bild mit file, prompt, refs, date. Zeige die Bilder, dann:

  • Ein Thumbnail oder Cover: /publish verwendet <edit>/images/ (sie wählen eines aus, es wird als <edit>/cover.jpg kopiert, das Cover und das YouTube-Thumbnail).
  • Ein Standbild für ein Video: /short-editing kann es als img-Element auf einem Board platzieren (kopiere es in das assets/images/ des Shorts).

Lösche <out>/logs/, sobald alles in Ordnung ist.

Ehrliche Grenzen

  • Das Bild-Tool ist von OpenAI, innerhalb von Codex: das Ergebnis hängt davon ab, und es ändert sich. Text auf dem Bild kann falsch geschrieben sein: überprüfe es immer.
  • Ein Gesicht von Referenzfotos sieht ähnlich aus, selten perfekt. Echte Fotos von ihnen bleiben für ein Thumbnail am sichersten.
  • Jedes Bild zählt gegen das Codex-Limit ihres ChatGPT-Plans; ein erreichtes Limit bedeutet Warten oder einen größeren Plan.
  • Verwende nur Fotos von Personen, die zugestimmt haben, und keine Logos oder Charaktere, die ihnen nicht gehören.

Verwandte Skills