Community图像github.com

ChatGPT Images for Claude

在 Claude Code 中通过 Codex CLI 的内置 image_gen 工具,使用 ChatGPT 的图片模型生成或编辑图像,然后按规格完成处理:精确像素或打印尺寸、分辨率/DPI、内边距或页边距、适应方式(contain/cover)、背景、放大和输出格式(PNG、JPG、WebP、TIFF、PDF)。每次运行前都会通过只读的 HTML 预览获得批准。

ChatGPT Images for Claude 是什么?

该技能为 Claude Code 提供了一个完整的图像生成与精修流水线,利用 Codex CLI 内置的 image_gen 工具(需登录 ChatGPT 账户,无需 OpenAI API 密钥)驱动 ChatGPT 的图片模型。它解决了 AI 图像生成中常见的问题:模型无法精确控制像素尺寸、边距和 DPI,因此该技能将提示词限制为仅指定宽高比和构图,而所有精确的数值(尺寸、DPI、内边距、格式)由后处理脚本 `finish_image.py` 强制执行。支持 macOS,建议使用 codex-cli 0.155.0-alpha 版本。工作流程包括:从用户收集输入(提示词、基础文件夹、尺寸、格式等)、编写符合 imagegen 系统技能架构的提示词、生成包含所有任务详细信息的清单、构建只读的 HTML 预览页面供用户审批,然后批量生成图像(并发数为 2),并在过程中实时更新预览页面。支持单张图像或批量处理,可处理参考图像和编辑目标图像,以及变体生成。完成生成后,技能会自动检查每个原始图像的文本拼写、逼真度、logo 一致性等;若发现问题,会在清单中调整提示词重新生成(最多重试 2 次)。最终输出到用户指定的文件夹,提供完整路径和文件信息报告。

兼容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/intiquesoftware/chatgpt-images-for-claude/tree/HEAD

Installed? Explore more 图像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

ChatGPT Images for Claude 是做什么的?

Claude 编写提示词,Codex 生成像素,脚本按规格处理,Claude 检查结果, 文件最终落到用户选择的文件夹中。用户在 HTML 预览上审批每个提示词后才能开始生成, 并通过聊天请求修改。四个脚本完成机械工作。 它们位于此文件旁边的 scripts/ 目录下;下文中的 $SKILL_DIR 表示包含此 SKILL.md 的文件夹。

脚本职责
scripts/codex_generate.sh一次 codex exec 调用,内置 image_gen 工具,原始 PNG 保存到文件夹。每张图像大约 1 到 2.5 分钟。
scripts/finish_image.py尺寸、DPI、内边距、适应方式、背景、放大、格式。确定性,从不覆盖。
scripts/make_preview.py根据清单生成只读的 HTML 审批页面;运行期间它变为实时结果页面。从 file:// 打开,无需服务器。
scripts/batch_generate.py运行已批准的清单(1 个或多个作业):生成 + 精修,每次 2 个,可恢复。

为何拆分: 内置的 image_gen 工具会自行选择像素大小(约 1.5 MP,例如 4:5 时为 1122x1402),并且无法保持精确的边距(要求 2 英寸底部边距的结果约为 1.25 英寸)。因此,提示词仅设置宽高比和构图。所有精确数值(尺寸、DPI、内边距、格式)均由 finish_image.py 强制执行。

要求

  • Codex CLI 已登录 ChatGPT 账户,且套餐包含图像生成功能(非免费套餐)。脚本按以下顺序查找: $CODEX_BIN,然后是 PATH 上的 codex,最后是 ChatGPT 桌面应用内捆绑的副本 (macOS 上为 /Applications/ChatGPT.app/Contents/Resources/codex-cli/bin/codex,或 旧版应用中的 Resources/codex)。如果未找到,脚本将退出并返回代码 3 并显示提示信息; 告知用户安装 ChatGPT 应用或 Codex CLI,或设置 CODEX_BIN。
  • Python 3 且安装 Pillow(python3 -m pip install Pillow)。
  • Codex 的 imagegen 系统技能,随 Codex 安装于 ${CODEX_HOME:-$HOME/.codex}/skills/.system/imagegen/。

需要收集的输入

从请求中获取。仅询问必要的信息;其余信息使用默认值并告知用户。

输入默认值
要生成的内容 / 提示词必填。
基础文件夹必填。如果未提供则询问(参见“文件存放位置”)。
确切的图像上文字无。任何文字都会逐字母检查(步骤 8)。
尺寸来自 references/output-options.md 的预设,或 WxH 像素,或 WxHin / WxHmm 用于打印。无 = 保持原始尺寸。
分辨率打印尺寸为 300 dpi,屏幕尺寸为 72 dpi。
内边距0。接受 px、in、mm、短边百分比;1 到 4 个值,CSS 顺序(上 右 下 左)。
适应方式contain(完整图像,内边距填充剩余部分)。cover 填充并裁剪。
背景(内边距颜色)auto(从图像角落采样)。或十六进制、white、transparent。
格式PNG。用于社交媒体的照片用 JPG,打印交付用 PDF,网络用 WebP。
变体数1。每个变体是一次独立的生成(1 到 2.5 分钟,计入 ChatGPT 套餐限额)。
参考 / 编辑图像无。任何图像文件均可(参见“源图像”)。

批量大小: 支持任意数量的图像。超过 4 张时,在预览交接中明确说明数量和预计时间; ChatGPT 计划的图像生成限制未公开且各不相同。

源图像

任何图像文件都可以随提示词一起发送,承担两种角色之一:参考(外观、标识、风格;可 多个,清单中为 refs)或编辑目标(仅修改要求的部分,保留其余部分;edit)。

仅使用用户指定的图像,或用户指向的提示文档中提及的图像。 切勿自行搜索文件夹并选择图像。 如果提示词包含“附件”、“参考照片”、“精确相似度”、“复制标识”等表述但未指定文件, 请在构建预览前询问是哪个文件。如果指定名称的文件在路径中不存在,请说明并询问; 不要替换为相似的文件。预览会显示每个发送图像的缩略图,以便用户连同提示词一起确认。 对 refs 和 edit 使用绝对路径。

文件存放位置

没有默认输出文件夹。用户选择基础文件夹。 如果用户未指定基础文件夹,且其指向的提示文档 中也没有说明,请在写入预览前询问(如果可用,使用 AskUserQuestion)。从当前项目中 建议 2-3 个可能的文件夹(例如现有的 exports、assets、images 或 print 文件夹),让用户 选择或输入其他路径。切勿静默选择。

在基础文件夹内,目录结构固定如下:

<base folder>/
  <name>-<preset>.jpg ...          完成的文件
  codex-raw/
    <set>.json                     清单(要生成的内容)
    <set>.preview.html             审批页面
    <set>.status.json              批量进度
    <name>.png                     来自 ChatGPT 的原始图像,保留
    <name>.prompt.txt              发送的精确提示词
    <name>.codex/                  Codex 指令、JSON 日志、最后一条消息

文件名采用 kebab 命名法,格式为 <project-slug>-<subject>,例如 acme-bakery-spring-poster。 文件永远不会被覆盖;重复时会添加 -v2、-v3。

Codex 还会在 ${CODEX_HOME:-$HOME/.codex}/generated_images/ 下保留自己的图像副本。 如果 ChatGPT 应用有自己的工作区文件夹(在测试环境中为 ~/Documents/Codex/),保持不变。

工作流程

每次运行,即使只有一张图像,都遵循清单 → 预览 → 审批 → 生成的流程。在用户同意之前, 不会向 Codex 发送任何内容。

  1. 加载上下文。 确定基础文件夹(询问,见上文)。如果项目有品牌文档(品牌指南、样式 指南、设计令牌),在编写提示词之前读取颜色、字体和语气。遵循项目或用户为图像上文字 设置的任何书写规则。

  2. 编写提示词。 遵循 ${CODEX_HOME:-$HOME/.codex}/skills/.system/imagegen/SKILL.md 中的带标签架构(用例、资产类型、主题、风格、构图、光照、调色板、文本(逐字)、 约束、避免)及其 references/prompting.md。规则:

    • 用文字表述宽高比和方向(例如“纵向 4:5”)。
    • 对于内边距或打印边距,要求充足的均匀留白空间,切勿要求精确的英寸或像素。 精确的边距稍后通过 trim + padding 应用。
    • 逐字引用图像上的每个单词,并说明“没有其他文字、字母、logo 或水印”。
    • 照片加文字叠加:描述两个图层,一个全出血照片层和一个用于承载文字的嵌入式图形层。 永远不要写“适合中央 70%”;图像模型会因此缩小整个画面。
    • 当附加参考图像时,在提示词开头说明每张图像的用途(匹配相似度、精确复制标识、 仅参考风格)。
    • 用户提供详细提示词:进行规范化,不要润色。
  3. 编写清单 到 <base>/codex-raw/<project-slug>-<set>-<YYYY-MM-DD>.json。格式在 scripts/batch_generate.py 的文档字符串中:defaults(宽高比、精修列表)和 jobs (名称、提示词、可选的宽高比、参考、编辑、透明、精修)。精修条目接受任何 finish_image.py 标志(预设、尺寸、dpi、适应方式、内边距、裁剪、背景、放大、格式、 质量);完整列表见 references/output-options.md。每个作业的多个精修条目可从一次生成 中得到多个文件;预设名称成为文件后缀(或设置 suffix)。同一想法的变体是单独的作业 (名称以 -a、-b 结尾)。

  4. 构建预览并交接。

    python3 "$SKILL_DIR/scripts/make_preview.py" "<manifest>" --raw-dir "<base>/codex-raw" --final-dir "<base>" --title "<Project name>"
    

    然后在用户的浏览器中打开生成的 .preview.html(macOS 用 open,Linux 用 xdg-open)。 该页面为只读:显示每个提示词、输出结果、参考缩略图以及两个文件夹。向用户提供完整路径、 图像数量和预估时间(每张图像约 1.5 分钟,并发数为 2 时减半),然后停止。超过 4 张图像: 明确说明数量和预计时间;批准预览即表示同意。不要使预览可编辑。

  5. 等待“开始”或修改请求。 修改请求通过聊天提出(例如“把文字改成白色”):更新清单, 重新构建预览(使用相同命令,会覆盖页面),重新打开页面,再次等待。只有“开始”(或明确 的等效表述)才能启动生成。

  6. 生成并精修。

    python3 "$SKILL_DIR/scripts/batch_generate.py" "<manifest>" --raw-dir "<base>/codex-raw" --final-dir "<base>" --concurrency 2
    

    一到两张图像:在前台运行,设置较长的超时时间(10 分钟)。更多图像:在后台运行。只有 用户要求时才将并发数提高到 2 以上;最大为 4。进度保存到 <manifest-stem>.status.json; 重新运行相同的命令会恢复并跳过已完成的作业。--dry-run 可验证清单并列出作业而不生成 任何内容。

    实时结果: 批量程序在每个作业开始或完成时重建预览页面。每个卡片随后会显示状态标记、 生成的原始图像、完成的文件(图像显示为缩略图,PDF/TIFF 显示为链接)以及任何警告。 页面每 15 秒自动刷新一次,只要还有作业排队或运行中。用户批准的副本没有自动刷新, 因此在启动批量后,请再次打开预览页面,以便用户获得实时版本。 每个卡片从上到下显示:提示词、输出(图像,然后是每个文件的类型、尺寸、分辨率和文件大小)、 然后是文件和链接。每个文件和文件夹(参考文件、计划中及已完成的文件、原始图像、Codex 日志, 以及底部的批量文件夹、清单和页面)都有“复制路径”按钮;完整路径默认隐藏,通过“完整路径” 开关显示。没有“在 Finder 中打开”的链接:浏览器只能打开 file:// 链接。

    • 退出代码 4(IMAGEGEN_UNAVAILABLE:计划限额、服务中断或缺少内置工具)会停止批量。 付费 API 回退(Codex imagegen 技能中的 scripts/image_gen.py)需要 OPENAI_API_KEY 且需付费。询问用户;切勿自行切换。
    • 退出代码 3:未找到 Codex CLI。告知用户(参见要求)。
  7. 使用 Read 检查每张原始图像。

  8. 逐字母检查文本 是否与要求的副本一致:拼写、多余或缺失的单词、额外字母、虚假标签 或签名。同时检查相似度、标识与参考的一致性、构图以及避免列表。如果发现错误,在清单中 修改该作业的提示词(一次针对性修改,例如逐字母拼写单词)并使用 --redo <name> 重新运行。 重试 2 次后仍不正确:停止并展示给用户。对于在设计工具中更容易修复的小缺陷(例如产品标签 上的虚假文字):报告它,无需重新生成。

  9. 检查完成的文件(使用 Read 读取图像;对于 PDF,如果可用则使用 pdfinfo 检查页面 尺寸)。确认内边距看起来正确,且 cover 没有裁剪重要内容。读取批量报告:

    • WARNING: source enlarged 表示细节是插值生成的。对于超过 1.5 倍的打印输出,或用户 要求清晰时,提供使用他们所用工具进行 AI 放大的选项,并对放大后的文件运行 finish_image.py。
    • 打印输出有效 PPI 低于约 150 时:提及此问题。
  10. 报告:完成文件的完整路径、尺寸/格式、文本检查结果、任何警告(放大、PPI、重试、 小缺陷)。对于多个图像,使用表格:名称、文本检查、文件、备注。用一行提供下一个变体 或格式的建议。

scripts/codex_generate.sh 和 scripts/finish_image.py 仍然可以直接调用,以快速重新精修 现有的原始图像(新的尺寸或格式无需新生成,因此无需预览)。任何调用 Codex 的操作都必须 经过预览。

已知限制

  • 每次 image_gen 调用生成一张图像;变体是单独的调用。
  • 原始输出约为 1.5 MP。任何更大的尺寸都是放大结果。
  • 图像模型忽略精确的英寸/像素边距请求;边距由精修脚本处理。
  • 编辑(edit)作用于附加的图像;遮罩和仅限 API 的控制需要付费回退,这需要用户同意。

测试环境

在 macOS 上使用 codex-cli 0.155.0-alpha 版本(2026-09-25 至 2026-09-28)进行观察。这些是测试 笔记,并非保证;Codex 和 ChatGPT 变化频繁。

  • image_gen 在 ChatGPT 应用关闭的情况下可在 codex exec 下工作。
  • -s workspace-write -C <dir> 足以在主目录外写入文件。
  • 原始尺寸约为 1.5 MP(例如 4:5 时为 1122x1402);每张图像 55 到 150 秒。
  • 两个并行运行工作正常。
  • 提示词中指定的宽高比得到遵守;精确边距未得到遵守。
  • 模型为 GPT Image(Codex 文档中称为 gpt-image-2;该工具不报告确切版本)。

相关技能