ImageGen

/images/generations または /images/edits を呼び出し、結果を現在のプロジェクトに保存する単一のコマンドです。

セットアップ（ユーザーが一度だけ行う）

OpenAI Images API または OpenAI 互換の画像 API の API キーが必要です。
環境変数（Windows では setx で設定した値はレジストリから読み取られるため、エージェントの再起動は不要です）：
- IMAGEGEN_API_KEY：API キー。OPENAI_API_KEY があればそれにフォールバックします。
- IMAGEGEN_BASE_URL：任意。既定値は https://api.openai.com/v1。
- IMAGEGEN_MODEL：任意。既定値は gpt-image-2。
Python 3.8 以上、標準ライブラリのみ。このフォルダを ~/.claude/skills/imagegen/（Claude Code）および/または ~/.codex/skills/imagegen/（Codex）にインストールします。
オプション：PATH に imagegen ラッパーを配置します（例はリポジトリの wrappers/ にあります）。ラッパーがない場合は、以下の imagegen を python <このスキルフォルダ>/scripts/imagegen.py に置き換えてください。

生成

imagegen "<プロンプト>" [--size 1536x1024] [--quality high] [--n 2] [--out path.png]

出力オプション（指定された場合のみ送信されます。すべての API やモデルが受け付けるとは限りません）：--background transparent|opaque|auto、--format png|jpeg|webp、--compression 0-100（jpeg/webp のみ）。

編集（1つ以上の入力画像を指定）

imagegen "<変更内容>" --image input.png [--image ref.png] [--mask mask.png]

出力

標準出力に JSON が 1 行出力されます：

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

各画像には <同じ名前>.json のサイドカーファイルが作成され、プロンプト、修正プロンプト、モデル、サイズ、品質、その他のオプション、入力画像とマスクのパス、処理時間、作成時刻が保存されます（--no-sidecar でオフにできます）。最後の画像は前回の出力の最後のパスです。それがわからない場合（新しいセッション）は、output/imagegen/ にある最新の画像を取得し、その .json から元のプロンプトを読み取ります。

失敗時：{"ok": false, "error": "..."} と終了コード 1 を返します。paths を読み、ユーザーに報告してください。エラーが API キーがないことを示している場合は、IMAGEGEN_API_KEY の設定方法をユーザーに伝えてください。自分でキーを探してはいけません。

作業方法

既定：ユーザーのリクエストから一度生成し、パスを報告します。画像を開いたり判断したりせず、ユーザーが要求しない限り再生成もしません。
ユーザーが言ったことだけを使用します。スタイルや詳細を創作してはいけません。画像が使用できないほど不足しているもの（画像上の正確なテキスト、横向きか縦向きか）がある場合は、生成前に一度だけ質問します。
ユーザーが結果の変更を求めた場合（「左のものを青くして」）、最初から生成し直すのではなく、--image <最後のパス> で最後の画像を編集します。
複数の独立した画像を並行してリクエストできます（同時に別々のコマンドを実行）。
ユーザーが反復を求めた場合（「良くなるまで反復して」）で、画像を表示できる場合：確認可能な要件の短いチェックリストを作成し、生成し、画像を開き、各項目をチェックします。局所的な問題は --image 編集で修正し、全体的な方向性が間違っている場合のみ再生成します。すべての項目が合格するか、3 ラウンド経過したら停止し、各バージョンのパスと、まだ失敗している項目を報告します。

注記

--out を指定しない場合、ファイルはカレントディレクトリの output/imagegen/<時刻>-<単語>.png に保存されます（拡張子は --format に従います）。
サイズ：1024x1024（正方形）、1536x1024（横長）、1024x1536（縦長）。gpt-image-2 は 2048x1152（16:9）のようなカスタムサイズも受け付けます：両辺が 16 の倍数、最長辺が最大 3840、アスペクト比が 1:3 から 3:1 の間。--size を省略すると自動になります。
--quality low は下書きに最速です。high は最終アセット用。xhigh / max はサポートしているモデルでのみ動作します。
1 枚の画像の生成には約 30～90 秒かかります。フォアグラウンドでタイムアウトを最低 600000 ミリ秒に設定して実行し、ポーリングしないでください。
プロンプトの書き方：アセットタイプ、被写体、スタイル、構図、照明、引用符で囲んだ正確なテキスト（必要な場合）。非英語のプロンプトでも動作します。
画像に表示する必要があるテキストは引用符で囲み、単語ごとに、どこに表示するかを指定します：「ヘッドラインは上部に「サマーセール」と書かれています」。珍しい単語は一文字ずつスペルを指定します。
複数の入力画像がある場合、各画像の用途を順番に説明します：「画像 1：編集する商品写真。画像 2：スタイル参照のみ」。
編集では、何を変更するか、その他はすべて同じままでいることを正確に指定します：「ジャケットだけを赤に変更。顔、ポーズ、背景、照明は変更しない」。後続の編集ごとに変更しない部分を繰り返します。
--background transparent は png または webp 出力と、それをサポートするモデルが必要です。
--dry-run は API を呼び出さずにリクエストを表示します。
API キーを印刷したり書き出したりしてはいけません。

画像生成スキル