Codex 生图导演
行为覆写
-
先按下方《任务规模与流程》选定唯一流程,并按《决策模式》确定模式,读完该流程文件再动手。
- 在此之前不写提示词、不调用 Codex、不读
catalog/深层文件。
- 在此之前不写提示词、不调用 Codex、不读
-
选定后回复一句:
走 <流程>[·<档位>],依据:用户提到 <原话片段>;决策模式:<询问/自主/混合>;下一步读取 <文件> -
表里两行以上都像、或一行都不像时,停下来问用户,不默认走某个流程。
-
生图额度消耗明显高于普通对话回合(2026-11 调研记录:约 3–5 倍)。不为“试试看”批量出图,返修一次只改一个变量。
生图链路
用户需求
│
▼
画面设计 ── 补全未提及维度 / 推演物理几何 / 预判冲突 / 易画性改造 ← agent:导演
│
▼
提示词文件(英文、分段标签) [+ 固定设定文件] [+ 参考图 / 底图]
│
▼
scripts/gen.py ──▶ codex exec(只读沙箱)──▶ 内置 image_gen ← Codex:转述者;image_gen:画师
│ 包装语要求原样调用一次,不改写、不自查
▼
$CODEX_HOME/generated_images/<thread_id>/ ──▶ 输出目录 name-vNNN.<ext>(不覆盖旧版)
│
▼
agent 自己看图逐条验收(小细节放大核对) ← agent:质检
│
▼
单变量返修:编辑 / 重生成 / 局部贴回(scripts/patch_region.py)
精度来自外层闭环(设计 → 规格化 → 执行 → 自己验收 → 单变量返修),不来自某个关键词。原理说明见 README.md(给人看,执行时不必读)。
术语
| 术语 | 含义 |
|---|---|
| 底图 | 编辑模式下被修改的图,在提示词里写 Image N is the edit target |
| 参考图 | 只借指定要素、不被修改的图;每张都要写清借什么、不借什么 |
| 锁定清单 | 本轮不许变的要素,逐项列出,不只写“其他不变” |
| 固定设定文件 | 跨多张图不变的角色、画风、物理规则,用 --spec 拼在每张图的规格前 |
| 编辑 / 重生成 | 编辑:保留底图构图,只改局部;重生成:从提示词重画,可带参考图 |
| 局部贴回 | 以旧图为底,只把新图目标区域的像素贴回,用来兜底编辑时的漂移 |
| 写实刻度 | 从平面插画到照片写实的连续分档,每档有锚定词 |
| 决策点 | 流程中需要取舍的地方;每个流程都有一张《决策点》表,写明选项、自主默认和必须问的情况 |
任务规模与流程
先通读全表,再选流程。
| 流程 | 意图信号(典型说法) | 第一步 | 设计深度 | 迭代预期 | 文件 |
|---|---|---|---|---|---|
| 单张·快速档 | 要一张新图,示意、草稿、“随便画一张” | 直接设计并出图 | 只补镜头、画风、光 | 1–2 轮 | flows/single-image.md |
| 单张·精品档 | 要一张新图,描述长、强调张力或质感、给了参考图 | 补全全部维度,推演物理几何 | 全维度 | 多轮,通常先重生成定大局,再转精修 | flows/single-image.md |
| 系列 / 角色项目 | 同一角色或世界观要多张图,要一致,要设定图或三视图 | 第一性问题 + 建项目目录 | 先设定后场景 | 设定阶段多轮,场景各 1–2 轮再修 | flows/series-project.md |
| 方案探索 | 形态没定,“给几个方案”,要对比挑选 | 定不变量和探索轴 | 每个方向只变一个轴 | 发散 → 挑选 → 收敛 | flows/explore-variants.md |
| 精修已有图 | 只改局部,“修一下手”“其他不变”“去掉某物” | 描述现在的错 + 锁定清单 | 只描述改动 | 每轮一处 | flows/edit-refine.md |
| 改造已有图 | 换衣服、换形态、换画风、转镜头、重排画面,同时保留脸或部分要素 | 列保留项和替换项 | 保留项锁定,替换项全设计 | 2–4 轮 | flows/redesign.md |
| 维护 | 维护本 skill:新增经验、调整流程或脚本、校准触发描述 | 判断放哪一层 | — | — | flows/maintain.md |
常见误路由:
- “改一下这张图”:
- 只动局部,走精修。
- 会动构图、镜头、服装主体或画风,走改造。拿不准就问用户。
- “把人往左下移”“镜头转一下”:属于构图级改动,编辑模式通常改不动,走改造或单张重生成,不走精修。
- “再出几张”:
- 同一角色、不同场景,走系列。
- 同一需求、不同设计方向,走方案探索。
决策模式
执行中需要取舍的地方,统一列在各流程的《决策点》表里。按用户的授权程度处理:
| 模式 | 触发 | 做法 |
|---|---|---|
| 询问(默认) | 用户没有表态 | 决策点用选择题问用户,推荐项放第一个并说明理由;同一阶段的问题一次问完,不零碎追问 |
| 自主 | 用户说“你看着办”“按你的思路”“自己决定”“其他按你的思路” | 按决策点表的“自主默认”执行;交付时列出《我替你做的决定》:决定、理由、怎么推翻 |
| 混合 | 用户只授权一部分,例如“镜头你定,衣服问我” | 授权的部分按自主执行,其余询问 |
自主模式下,遇到以下情况仍必须停下来问(硬闸门):
- 会推翻用户已确认的设定或原话要求。
- 额度明显增加:一次要出超过 3 张,或同一问题自动返修超过 2 轮。
- 执行前提缺失:参考图来源不被允许、Codex 不可用。
- 用户的要求前后矛盾,无法同时满足。
- 各流程《决策点》表里标为“始终要问”的项。
自主模式下的返修:
- 结构性缺陷(多指、断线、计数错、违反需求)可以自动返修,同一问题最多 2 轮。
- 审美取舍(更细还是更壮、更冷还是更暖)不自动返修,写进交付时的《可选方向》,交给用户选。
边界
- 参考图只用用户提供或明确允许的图。用户要求“不基于中间产物”时,之前生成的图一律不得当参考或底图。
- 产物按版本号新存,不覆盖已有文件。
- 生成方(Codex 或其他 agent)对结果的自述不作为验收依据,必须自己看图。
- Codex 不可用、未登录、额度不足时,停下来报告,不绕过、不换未经同意的生图通道。
- 中途取消生成时,要确认 codex 子进程已结束,否则仍会继续消耗额度。
- 借鉴他人作品只借设计语言,不复制造型;提示词里不写作品名、游戏名、品牌名,改为描述渲染技术特征。