Codex 画像生成ディレクター
行動オーバーライド
-
まず、以下の「タスク規模とフロー」を読んで唯一のフローを選択し、「意思決定モード」に従ってモードを決定してから、そのフローファイルを読んでから行動を開始します。
- それ以前にプロンプトを書いたり、Codexを呼び出したり、
catalog/内の深いファイルを読んだりしないでください。
- それ以前にプロンプトを書いたり、Codexを呼び出したり、
-
選択後、次のように返答します。
<フロー>[·<グレード>] を実行します。理由:ユーザーが「<発言の一部>」と述べたため。意思決定モード:<問い合わせ/自律/ハイブリッド>。次に読むファイル:<ファイル> -
表の2行以上に該当する場合、または1行も該当しない場合は、立ち止まってユーザーに質問し、デフォルトで特定のフローを実行しないでください。
-
画像生成のコストは通常の会話ターンより明らかに高い(2026年11月の調査記録:約3~5倍)。「試しに」バッチで画像を生成せず、1回の修正では1つの変数のみ変更します。
画像生成パイプライン
ユーザー要件
│
▼
画面設計 ── 言及されていない次元の補完 / 物理・幾何学の推論 / 競合の予測 / 描きやすさへの変換 ← エージェント:ディレクター
│
▼
プロンプトファイル(英語、セグメント化されたタグ) [+ 固定設定ファイル] [+ 参照画像 / ベース画像]
│
▼
scripts/gen.py ──▶ codex exec(読み取り専用サンドボックス)──▶ 内蔵 image_gen ← Codex:転記者;image_gen:画家
│ ラッパー指示で、1回だけそのまま呼び出すこと。書き換えや自己チェックは禁止
▼
$CODEX_HOME/generated_images/<thread_id>/ ──▶ 出力ディレクトリ name-vNNN.<ext>(旧バージョンを上書きしない)
│
▼
エージェント自身が画像を1枚ずつ検収(細部は拡大して確認) ← エージェント:品質管理
│
▼
単一変数修正:編集 / 再生成 / 部分的な貼り付け(scripts/patch_region.py)
精度は、外側の閉ループ(設計 → 仕様化 → 実行 → 自己検収 → 単一変数修正)から生まれ、特定のキーワードから生まれるわけではありません。原理の説明は README.md(人間向け。実行時には読む必要はありません)にあります。
用語
| 用語 | 意味 |
|---|---|
| ベース画像 | 編集モードで修正される画像。プロンプトには Image N is the edit target と記述 |
| 参照画像 | 特定の要素のみを借用し、それ自体は修正されない画像。借用する要素としない要素を1枚ごとに明記 |
| ロックリスト | 今回のラウンドで変更してはならない要素。個別に列挙し、「その他は変更しない」だけでは不十分 |
| 固定設定ファイル | 複数の画像間で変わらないキャラクター、画風、物理法則。--spec を使って各画像の仕様の前に結合 |
| 編集 / 再生成 | 編集:ベース画像の構図を保持し、一部分のみを変更。再生成:プロンプトから再描画。参照画像を使用可能 |
| 部分的な貼り付け | 古い画像をベースに、新しい画像のターゲット領域のピクセルのみを貼り付ける。編集時のドリフトを補うために使用 |
| リアルさのスケール | フラットなイラストから写真のようなリアルさまでの連続的な段階。各段階にアンカーとなる単語がある |
| 意思決定ポイント | フロー内でトレードオフが必要な場所。各フローに「意思決定ポイント」テーブルがあり、選択肢、自律デフォルト、必ず質問すべきケースが記載されている |
タスク規模とフロー
まず表全体を読み、その後フローを選択します。
| フロー | 意図のシグナル(典型的な発言) | 最初のステップ | 設計の深さ | 想定イテレーション数 | ファイル |
|---|---|---|---|---|---|
| 単一画像・クイック | 新しい画像1枚。イメージ、ラフ、「適当に1枚」 | 直接設計して画像生成 | カメラアングル、画風、光のみ補完 | 1–2 ラウンド | flows/single-image.md |
| 単一画像・プレミアム | 新しい画像1枚。説明が長い、緊張感や質感を強調、参照画像あり | 全次元を補完、物理・幾何学を推論 | 全次元 | 複数ラウンド。通常、最初に再生成で全体像を決めてから、精密編集に移行 | flows/single-image.md |
| シリーズ / キャラクタープロジェクト | 同じキャラクターや世界観で複数の画像。一貫性が必要、設定資料や三面図が必要 | 第一問題 + プロジェクトディレクトリ作成 | 設定が先、シーンは後 | 設定段階で複数ラウンド、各シーンで1–2ラウンド、その後修正 | flows/series-project.md |
| バリエーション探索 | 形式が未確定、「いくつか案を出して」、「比較して選びたい」 | 不変要素と探索軸を決定 | 各方向で1つの軸のみ変更 | 発散 → 選択 → 収束 | flows/explore-variants.md |
| 既存画像の精密編集 | 一部分のみ変更。「手を直して」「他はそのままで」「何かを消して」 | 現在の誤りを説明 + ロックリスト | 変更部分のみ記述 | 各ラウンドで1箇所 | flows/edit-refine.md |
| 既存画像のリデザイン | 衣装変更、形態変更、画風変更、アングル変更、構図変更。顔や一部の要素は保持 | 保持項目と置換項目を列挙 | 保持項目はロック、置換項目は全設計 | 2–4 ラウンド | flows/redesign.md |
| メンテナンス | このスキルのメンテナンス:新しい経験則の追加、フローやスクリプトの調整、トリガー記述の調整 | どの層に追加すべきか判断 | — | — | flows/maintain.md |
よくある誤ルーティング:
- 「この画像を修正して」:
- 一部分のみ変更の場合 → 精密編集へ。
- 構図、アングル、衣装の主体、画風が変わる場合 → リデザインへ。わからない場合はユーザーに質問。
- 「人を左下に移動」「アングルを変えて」:構図レベルの変更。編集モードでは通常変更できないため、リデザインまたは単一画像の再生成へ。精密編集にはしない。
- 「あと何枚か出して」:
- 同じキャラクター、異なるシーン → シリーズへ。
- 同じ要件、異なるデザイン方向 → バリエーション探索へ。
意思決定モード
実行中にトレードオフが必要な箇所は、各フローの「意思決定ポイント」テーブルにまとめられています。ユーザーからの権限委譲度に応じて処理します。
| モード | トリガー | 方法 |
|---|---|---|
| 問い合わせ(デフォルト) | ユーザーが明示的な意思表示をしていない | 意思決定ポイントでは選択肢を使ってユーザーに質問。推奨事項を最初に置き、理由を説明。同じ段階の質問は一度にまとめて行い、細かく分割して質問しない |
| 自律 | ユーザーが「任せる」「あなたの判断で」「自分で決めて」「他はあなたの判断で」と言った | 意思決定ポイントテーブルの「自律デフォルト」に従って実行。納品時に「私が代わりに行った決定」として、決定内容、理由、覆し方を列挙 |
| ハイブリッド | ユーザーが一部のみ権限を委譲した場合(例:「アングルはあなたに任せる、衣装は私に聞いて」) | 委譲された部分は自律で実行、残りは問い合わせ |
自律モードでも、以下の状況では必ず立ち止まって質問する(ハードゲート):
- ユーザーが既に確認した設定や発言の要求を覆す場合。
- コストが明らかに増加する場合:一度に3枚以上生成する、または同じ問題で自律的な修正を2ラウンド以上行う。
- 実行の前提条件が欠けている場合:参照画像のソースが許可されていない、Codexが利用できない。
- ユーザーの要求が矛盾しており、同時に満たせない場合。
- 各フローの「意思決定ポイント」テーブルで「常に質問」とマークされている項目。
自律モードでの修正:
- 構造的な欠陥(指の数が多い、線が切れている、カウントミス、要件違反)は自律的に修正可能。同じ問題に対して最大2ラウンド。
- 美的なトレードオフ(より細くするかより太くするか、より寒色にするかより暖色にするか)は自律的に修正せず、納品時の「選択可能な方向性」として記載し、ユーザーの選択に委ねる。
境界
- 参照画像は、ユーザーが提供したもの、または明示的に許可されたもののみ使用。ユーザーが「中間生成物をベースにしない」と要求した場合、以前に生成した画像は決して参照画像やベース画像として使用しない。
- 生成物はバージョン番号で新規保存し、既存ファイルを上書きしない。
- 生成側(Codexまたは他のエージェント)自身による結果の説明は検収の根拠とせず、必ず自分で画像を見ること。
- Codexが利用不可、ログインしていない、クレジット不足の場合は、立ち止まって報告する。回避したり、同意なしに別の画像生成チャネルに切り替えたりしない。
- 生成を途中でキャンセルする場合、codex サブプロセスが確実に終了していることを確認する。そうしないとクレジットが消費され続ける。
- 他人の作品を参考にする場合は、デザイン言語のみを借用し、造形を複製しない。プロンプトに作品名、ゲーム名、ブランド名を書かず、代わりにレンダリング技術の特徴を説明すること。