wiraperdana/claude-imagegen

claude-imagegen は何をしますか？

このスキルは、エージェントをCodex内蔵のimage_genツールに橋渡しします。このツールはユーザーのChatGPTログインを使用するため、OPENAI_API_KEYは不要です。

簡単なアナロジーは次のとおりです。エージェントはアートディレクターとして機能します。エージェントはブリーフを書き、それをイラストレーター（Codex）に送り、結果を使用する前に確認します。イラストレーターは迅速に作業しますが、ラベルの綴りを間違えたり、矢印の向きを逆にしたりすることがあります。そのため、視覚的な確認はオプションではなく必須のステップです。

使用するタイミング

• ユーザーがImagegen GPTで作成されたイラスト、ストーリーシーン、または補助資料用の画像を要求した場合。
• ユーザーが既存の画像と一貫性のあるスタイルの画像を希望する場合。

精度の高いラベルを多く含む図表の場合は、まずSVGまたはHTMLを提案してください。Imagegenはシーンに最も信頼性が高く、長いテキストには最も信頼性が低くなります。

実行中のエージェントが Codex自身である場合、内蔵のimage_genツールを直接使用してください。Codex内部からcodex execを呼び出さないでください。

前提条件

1. codexがPATHに存在し、ChatGPTアカウントでログイン済みであること。codex login statusで確認してください。
2. image_generation機能が有効であること。codex features list | grep image_generationで確認してください。
3. オプション: WebP用のcwebp、画像サイズ読み取り用のsips（macOS）またはPython Pillow。

前提条件が満たされていない場合は、処理を停止し、不足しているものを明記してください。有料APIに静かに切り替えないでください。

実行前にユーザーに伝えること（2点）

• ブリーフと参照画像はOpenAIに送信されます。明示的な許可なしに、機密画像、個人データ、またはクライアントの素材を添付しないでください。
• 各画像はChatGPTのサブスクリプションクォータを消費します。1枚のテスト画像で約18,000トークン、約2分かかります。

セッションごとに1回伝えれば十分です。ただし、参照内容の種類が変わった場合は再度伝えてください。

手順

1. 要件を収集する。 不明な点のみ質問します: 画像の目的、アスペクト比（デフォルト3:2横長）、必須テキスト、スタイルの参照画像、保存場所。
2. 英語でブリーフを作成する references/brief-template.mdを使用します。許可するテキストを正確に指定し、その他のテキスト、透かし、ロゴを禁止します。
3. スクリプトを実行する:

   scripts/gen.sh --out <path/name.png> --brief <brief.txt> [--ref <image.png>]... [--style-guide <AGENTS.md>] [--no-refine] [--webp 1400]
   

   スクリプトは保存指示をブリーフに追加し、ブリーフをstdin経由で送信し、結果をコピーします。ブリーフはstdin経由で渡す必要があります。これは、Codexの-iオプションが後続の位置引数を飲み込むためです。--dry-runを使用すると、クォータを消費せずにコマンドを確認できます。 Codexによるリファイン（デフォルト）。 描画前に、Codexがアートディレクターとして機能します。ブリーフをより強力なプロンプトに書き換え、1つの中心的なアイデア、明確な視覚的階層、一般の人にもすぐに理解できる視覚的なメタファーを持たせます。数字、名前、引用、技術用語は正確に保持する必要があります。リファインされたプロンプトと画像内のテキストリストは<name>.refined.txtに保存されます。ブリーフをそのまま使用する必要がある場合（例: 狭い範囲の編集）は--no-refineを使用します。 スタイルガイド。 --style-guide <file.md>、または環境変数CLAUDE_IMAGEGEN_STYLE_GUIDEを使用して、言語と教育学的ルール（例: ワークスペースのAGENTS.md）を添付します。Codexはそのファイルの言語ルール、文のスタイル、教育学のみを適用します。
4. 結果を視覚的に確認する。 PNGを開き、references/qa-checklist.mdのリストを確認します: 各ラベルの綴り、矢印の方向、無関係なテキストがないこと、アスペクト比、スタイルの一致。
5. 必要に応じて修正する（最大2回）。次のいずれかの方法を選択します:
   • ブリーフを編集して再実行する、または
   • 前回の結果を--refとして添付し、「すべてを保持、ラベルXのみをYに変更」のような狭い編集指示を付ける。
6. 引き渡す。 PNGパス、WebPがある場合はそのパス、ピクセルサイズ、視覚的確認結果を報告します。残っている欠点も記載します。

出力

• <name>.png: Codexからの元の画像。
• <name>.brief.txt: 使用されたブリーフ。画像の再作成や修正が可能になります。
• <name>.refined.txt: Codexによるリファイン後のプロンプトと画像に表示されるテキストのリスト。綴りや数字の確認に使用します。
• <name>.webp: --webpが指定された場合、指定された幅でアスペクト比を維持したファイル。

Codexは元のコピーを~/.codex/generated_images/にも保存します。

正直に伝えるべき制限事項

• 画像モデルのバージョンをパラメーターで選択することはできません。Codexが自動的に決定します。
• 結果は決定論的ではありません。同じブリーフでも異なる画像が生成される可能性があります。
• 画像内の長いテキストは綴りを間違えることがよくあります。テキストは短いラベル数個に制限してください。