ChatGPT Images for Claude
Claude escribe el prompt, Codex genera los píxeles, un script lo ajusta a especificaciones, Claude lo verifica,
y el archivo termina en la carpeta que el usuario eligió. El usuario aprueba cada prompt en una vista previa
HTML antes de generar nada y solicita cambios en el chat. Cuatro scripts realizan el trabajo mecánico.
Están en scripts/ junto a este archivo; más abajo, $SKILL_DIR significa la carpeta que contiene este SKILL.md.
| Script | Función |
|---|---|
scripts/codex_generate.sh | Una llamada codex exec, herramienta integrada image_gen, PNG sin procesar en una carpeta. Aproximadamente 1 a 2.5 min por imagen. |
scripts/finish_image.py | Tamaño, DPI, relleno, ajuste, fondo, escalado, formato. Determinista, nunca sobrescribe. |
scripts/make_preview.py | Página HTML de aprobación de solo lectura a partir del manifiesto; durante una ejecución se convierte en la página de resultados en vivo. Se abre desde file://, sin servidor. |
scripts/batch_generate.py | Ejecuta el manifiesto aprobado (1 o muchos trabajos): generar + ajustar, 2 a la vez, reanudable. |
Por qué la separación: la herramienta integrada image_gen elige su propio tamaño de píxel (aproximadamente 1.5 MP, ej. 1122x1402 para 4:5) y no respeta márgenes exactos (una solicitud de un margen inferior de 2 pulgadas devolvió aproximadamente 1.25 pulgadas). Por lo tanto, el prompt solo establece la relación de aspecto y composición. Cada número exacto (tamaño, DPI, relleno, formato) lo aplica finish_image.py.
Requisitos
- Codex CLI iniciado sesión con una cuenta de ChatGPT en un plan que incluya generación de imágenes (no el plan Gratuito). Los scripts lo buscan en este orden:
$CODEX_BIN, luegocodexenPATH, luego la copia incluida dentro de la aplicación de escritorio de ChatGPT (/Applications/ChatGPT.app/Contents/Resources/codex-cli/bin/codexen macOS, oResources/codexen versiones anteriores de la app). Si no se encuentra, el script sale con código 3 y un mensaje; indica al usuario que instale la app de ChatGPT o Codex CLI, o que configureCODEX_BIN. - Python 3 con Pillow (
python3 -m pip install Pillow). - El skill de sistema
imagegende Codex, que viene con Codex en${CODEX_HOME:-$HOME/.codex}/skills/.system/imagegen/.
Entradas a recopilar
Tómalas de la solicitud. Pregunta solo por lo que bloquea el trabajo; asigna valores predeterminados al resto e indícalo.
| Entrada | Valor predeterminado |
|---|---|
| Qué hacer / prompt | Requerido. |
| Carpeta base | Requerido. Preguntar si no se indica (ver "Dónde van los archivos"). |
| Texto exacto sobre la imagen | Ninguno. Cualquier texto se revisa letra por letra (paso 8). |
| Tamaño | Un preset de references/output-options.md, o WxH px, o WxHin / WxHmm para impresión. Ninguno = mantener tamaño nativo. |
| Resolución | 300 dpi para tamaños de impresión, 72 para tamaños de pantalla. |
| Relleno | 0. Acepta px, in, mm, % del borde corto; 1 a 4 valores en orden CSS (arriba derecha abajo izquierda). |
| Ajuste | contain (imagen completa, el relleno ocupa el resto). cover rellena y recorta. |
| Fondo (color de relleno) | auto (muestreado de las esquinas de la imagen). O hexadecimal, white, transparent. |
| Formato | PNG. JPG para fotos que van a redes sociales, PDF para entrega de impresión, WebP para web. |
| Variantes | 1. Cada variante es su propia generación (1 a 2.5 min, cuenta contra el plan de ChatGPT). |
| Imágenes de referencia / edición | Ninguna. Cualquier archivo de imagen funciona (ver "Imágenes fuente"). |
Tamaño del lote: cualquier número de imágenes funciona. A partir de 4, menciona el conteo y el tiempo estimado en la entrega de la vista previa; los límites de imágenes del plan de ChatGPT no están publicados y varían.
Imágenes fuente
Cualquier archivo de imagen puede enviarse con un prompt, en uno de dos roles: referencia (parecido, logotipo, estilo; se permiten varias, refs en el manifiesto) o destino de edición (cambiar solo lo solicitado, mantener el resto; edit).
Usa solo imágenes que el usuario nombre, o que nombre el documento de prompt al que apunta. Nunca busques carpetas y selecciones imágenes tú mismo. Si un prompt dice "adjunto", "foto de referencia", "parecido exacto", "reproducir el logotipo" o similar pero no se nombra ningún archivo, pregunta qué archivo antes de construir la vista previa. Si un archivo nombrado no existe en esa ruta, indícalo y pregunta; no sustituyas con un similar. La vista previa muestra una miniatura de cada imagen que se envía, para que el usuario las confirme junto con el prompt. Usa rutas absolutas para refs y edit.
Dónde van los archivos
No hay carpeta de salida predeterminada. El usuario elige la carpeta base. Si no ha nombrado una, y el documento de prompt al que apunta no lo indica, pregunta antes de escribir la vista previa (usa AskUserQuestion cuando esté disponible). Sugiere 2-3 carpetas probables del proyecto actual (una carpeta exports, assets, images o print existente) y permite que elija o escriba otra. Nunca elijas una en silencio.
Dentro de la carpeta base, la estructura es fija:
<carpeta base>/ <nombre>-<preset>.jpg ... archivos terminados codex-raw/ <set>.json manifiesto (lo que se genera) <set>.preview.html página de aprobación <set>.status.json progreso del lote <nombre>.png original sin procesar de ChatGPT, conservado <nombre>.prompt.txt prompt exacto enviado <nombre>.codex/ instrucciones de Codex, registro JSON, último mensaje
Nombra los archivos <slug-del-proyecto>-<asunto> en kebab-case, ej. acme-bakery-spring-poster. Nunca se sobrescribe nada; las repeticiones obtienen -v2, -v3.
Codex también guarda su propia copia de cada imagen en ${CODEX_HOME:-$HOME/.codex}/generated_images/. Si la app de ChatGPT tiene su propia carpeta de trabajo (en la configuración probada, ~/Documents/Codex/), déjala intacta.
Flujo de trabajo
Cada ejecución, incluso una sola imagen, va: manifiesto → vista previa → aprobación → generación. No se envía nada a Codex hasta que el usuario diga "adelante".
-
Cargar contexto. Define la carpeta base (pregunta, ver arriba). Si el proyecto tiene documentos de marca (guías de marca, guía de estilo, tokens de diseño), lee colores, fuentes y tono antes de escribir el prompt. Sigue cualquier regla de escritura que el proyecto o el usuario haya establecido para el texto sobre la imagen.
-
Escribir el/los prompt(s). Sigue el esquema etiquetado en
${CODEX_HOME:-$HOME/.codex}/skills/.system/imagegen/SKILL.md(Caso de uso, Tipo de activo, Sujeto, Estilo, Composición, Iluminación, Paleta, Texto (textual), Restricciones, Evitar) y sureferences/prompting.md. Reglas:- Indica la relación de aspecto y orientación en palabras ("retrato 4:5").
- Para relleno o márgenes de impresión, pide generoso espacio libre uniforme, nunca pulgadas o píxeles exactos. El margen exacto se aplica después con
trim+relleno. - Cita cada palabra sobre la imagen y di "ninguna otra palabra, letra, logotipo o marca de agua".
- Foto con superposición de texto: describe dos capas, una foto a sangría completa y una capa gráfica insertada que contiene el texto. Nunca escribas "que quepa dentro del 70% central"; los modelos de imagen responden reduciendo toda la imagen.
- Cuando se adjunten imágenes de referencia, abre el prompt diciendo para qué sirve cada una (parecido a igualar, logotipo a reproducir exactamente, solo estilo).
- Prompt detallado del usuario: normalízalo, no lo embellish.
-
Escribir el manifiesto en
<base>/codex-raw/<slug-del-proyecto>-<set>-<YYYY-MM-DD>.json. El formato está en el docstring descripts/batch_generate.py:defaults(aspecto, lista de ajustes) másjobs(nombre, prompt, aspecto opcional, refs, edit, transparent, ajuste). Las entradas de ajuste toman cualquier bandera definish_image.py(preset, size, dpi, fit, padding, trim, bg, upscale, format, quality); la lista completa está enreferences/output-options.md. Varias entradas de ajuste por trabajo dan varios archivos de una generación; el nombre del preset se convierte en el sufijo del archivo (o establecesuffix). Las variantes de una idea son trabajos separados (nombres-a,-b). -
Construir la vista previa y entregarla.
python3 "$SKILL_DIR/scripts/make_preview.py" "<manifiesto>" --raw-dir "<base>/codex-raw" --final-dir "<base>" --title "<Nombre del proyecto>"Luego abre el archivo
.preview.htmlgenerado en el navegador del usuario (openen macOS,xdg-openen Linux). La página es de solo lectura: cada prompt, las salidas, miniaturas de referencia y ambas carpetas. Dale al usuario la ruta completa, el conteo de imágenes y una estimación de tiempo (aproximadamente 1.5 min por imagen, reducido a la mitad con concurrencia 2), y detente. Más de 4 imágenes: indica el conteo y el tiempo explícitamente; aprobar la vista previa es la aceptación explícita. No hagas la vista previa editable. -
Esperar "adelante" o solicitudes de cambio. Los cambios llegan en el chat ("haz el texto blanco"): actualiza el manifiesto, reconstruye la vista previa (el mismo comando, sobrescribe la página), vuelve a abrirla y espera de nuevo. Solo "adelante" (o un equivalente claro) inicia la generación.
-
Generar y ajustar.
python3 "$SKILL_DIR/scripts/batch_generate.py" "<manifiesto>" --raw-dir "<base>/codex-raw" --final-dir "<base>" --concurrency 2Una o dos imágenes: ejecutar en primer plano con un tiempo de espera largo (10 min). Más: ejecutarlo en segundo plano. Aumenta la concurrencia a más de 2 solo si el usuario lo pide; máximo 4. El progreso se guarda en
<tallo-del-manifiesto>.status.json; volver a ejecutar el mismo comando reanuda y omite los trabajos finalizados.--dry-runvalida el manifiesto y lista los trabajos sin generar nada.Resultados en vivo: el lote reconstruye la página de vista previa cada vez que un trabajo comienza o termina. Cada tarjeta muestra entonces una insignia de estado, el original generado, los archivos terminados (imágenes como miniaturas, PDF/TIFF como enlaces) y cualquier advertencia, y la página se recarga cada 15 s mientras haya trabajos en cola o en ejecución. La copia que el usuario aprobó no tiene recarga automática, así que justo después de iniciar el lote, abre la página de vista previa de nuevo para que reciban la versión en vivo. Cada tarjeta se lee de arriba abajo: prompt, salida (imágenes, luego tipo, tamaño, resolución y tamaño de archivo de cada archivo), luego archivos y enlaces. Cada archivo y carpeta (referencias, archivos planificados y terminados, original sin procesar, registro de Codex, más las carpetas del lote, manifiesto y página al final) tiene un botón "Copiar ruta"; las rutas completas están ocultas al cargar detrás de un interruptor "Rutas completas". No hay enlaces de abrir en Finder: los navegadores solo pueden abrir enlaces file:// en el navegador.
- Código de salida 4 (
IMAGEGEN_UNAVAILABLE: límite del plan, interrupción, o la herramienta integrada falta) detiene el lote. La alternativa de API paga (scripts/image_gen.pyen el skill imagegen de Codex) necesitaOPENAI_API_KEYy cuesta dinero. Pregunta al usuario; nunca cambies por tu cuenta. - Código de salida 3: no se encuentra Codex CLI. Informa al usuario (ver Requisitos).
- Código de salida 4 (
-
Revisar cada imagen sin procesar con Read.
-
Revisar el texto letra por letra contra el texto solicitado: ortografía, palabras adicionales o faltantes, letras sueltas, etiquetas o firmas falsas. También revisa el parecido, la fidelidad del logotipo con la referencia, la composición y la lista de Evitar. Si hay un error, corrige el prompt de ese trabajo en el manifiesto (un cambio específico, ej. deletrear la palabra letra por letra) y vuelve a ejecutar con
--redo <nombre>. Si sigue mal después de 2 reintentos: detente y muéstraselo al usuario. Un pequeño defecto que sea más rápido de corregir en una herramienta de diseño (ej. texto falso en una etiqueta de producto): repórtalo, no regeneres. -
Revisar los archivos terminados (Lee la imagen; para un PDF,
pdfinfopara el tamaño de página si está disponible). Confirma que el relleno se vea correcto y quecoverno haya recortado nada importante. Lee el informe del lote:WARNING: source enlargedsignifica que el detalle se ha interpolado. Para impresión con más de 1.5x, o cuando el usuario lo quiera nítido, ofrece un escalado por IA con la herramienta que usen y ejecutafinish_image.pyen el archivo escalado.- Salida de impresión por debajo de aproximadamente 150 ppi efectivos: menciónalo.
-
Informar: rutas completas de los archivos terminados, tamaño/formato, resultado de la revisión de texto, cualquier advertencia (escalado, ppi, reintentos, pequeños defectos). Para varias imágenes, una tabla: nombre, revisión de texto, archivos, notas. Ofrece la siguiente variante o formato en una línea.
scripts/codex_generate.sh y scripts/finish_image.py aún se pueden llamar directamente para un re-ajuste rápido de una imagen sin procesar existente (un nuevo tamaño o formato no necesita nueva generación, por lo tanto no necesita vista previa). Cualquier cosa que llame a Codex pasa por la vista previa.
Limitaciones conocidas
- Una imagen por llamada
image_gen; las variantes son llamadas separadas. - La salida nativa es de aproximadamente 1.5 MP. Cualquier cosa más grande es un escalado.
- El modelo de imágenes ignora solicitudes exactas de márgenes en pulgadas/píxeles; los márgenes son trabajo del ajustador.
- La edición (
edit) funciona en la imagen adjunta; las máscaras y controles solo de API necesitan la alternativa paga, que requiere la aprobación del usuario.
Probado en
Observado en macOS con codex-cli 0.155.0-alpha (2026-09-25 a 2026-09-28). Estas son notas de pruebas, no garantías; Codex y ChatGPT cambian a menudo.
image_genfunciona concodex execcon la app de ChatGPT cerrada.-s workspace-write -C <dir>es suficiente para escribir fuera de la carpeta de inicio.- Tamaño nativo aproximadamente 1.5 MP (ej. 1122x1402 para 4:5); 55 a 150 s por imagen.
- Dos ejecuciones paralelas funcionaron.
- La relación de aspecto indicada en el prompt se respeta; los márgenes exactos no.
- El modelo es GPT Image (los documentos de Codex lo nombran gpt-image-2; la herramienta no reporta la versión exacta).