图像生成技能 是做什么的？
为当前项目生成或编辑图像（例如网站资源、游戏资源、UI 模型、产品模型、线框图、Logo 设计、逼真图像或信息图表）。
顶层模式和规则
此技能精确包含两种顶层模式：
- 默认内置工具模式（首选）： 内置
image_gen工具，用于图像生成、编辑和透明图像请求。不需要OPENAI_API_KEY。 - 备选 CLI 模式：
scripts/image_gen.pyCLI。当用户明确请求或确认 CLI/API/模型路径时使用。需要OPENAI_API_KEY。
在 CLI 备选模式中，CLI 公开了三个子命令：
generateeditgenerate-batch
规则：
- 对于常规的图像生成和编辑请求，默认使用内置的
image_gen工具。 - 不要为了普通的画质、尺寸或文件路径控制而切换到 CLI 备选模式。
- 对于透明图像，请求内置的
image_gen提供透明背景并保留生成的 Alpha 通道。 - 除非用户明确请求了
gpt-image-1.5，否则不要从内置image_gen或 CLIgpt-image-2静默切换到 CLIgpt-image-1.5；请先询问用户。 - 单词
batch本身并不代表 CLI 备选模式。如果用户请求大量资源或要求批量生成资源，但没有明确要求 CLI/API/模型控制，请坚持使用内置路径并为每个请求的资源或变体发起一个内置调用。 - 如果内置工具失败或不可用，请告知用户存在 CLI 备选模式，并且需要
OPENAI_API_KEY。只有在用户明确要求该备选模式时才继续。 - 如果用户明确要求 CLI 模式，请使用捆绑的
scripts/image_gen.py工作流。不要创建一次性的 SDK 运行器。 - 切勿修改
scripts/image_gen.py。如果缺少某些功能，请先询问用户再做其他操作。
内置保存路径策略：
- 在内置工具模式下，Codex 默认将生成的图像保存在
$CODEX_HOME/*下。 - 不要描述或依赖操作系统临时目录作为默认的内置目标路径。
- 不要描述或依赖内置
image_gen工具的（任何可能的）目标路径参数。如果需要特定位置，请先生成，然后从$CODEX_HOME/generated_images/...移动或复制选定的输出。 - 在内置模式下的保存路径优先级：
- 如果用户指定了目标路径，则将选定的输出移动或复制到该路径。
- 如果图像用于当前项目，则在完成前将最终选定的图像移动或复制到工作区。
- 如果图像仅用于预览或头脑风暴，则内联渲染；底层文件可保留在默认的
$CODEX_HOME/*路径。
- 切勿将项目引用的资源仅留在默认的
$CODEX_HOME/*路径。 - 除非用户明确要求替换，否则不要覆盖现有资源；相反，创建一个带版本号的同级文件名，例如
hero-v2.png或item-icon-edited.png。
两种模式的共享提示词指导存在于 references/prompting.md 和 references/sample-prompts.md 中。
仅用于 CLI 模式的备选文档/资源：
references/cli.mdreferences/image-api.mdreferences/codex-network.mdscripts/image_gen.py
何时使用
- 生成新图像（概念艺术、产品照片、封面、网站英雄图）
- 使用一个或多个参考图像生成新图像（用于风格、构图或氛围）
- 编辑现有图像（内绘、光照或天气变换、背景替换、物体去除、合成、透明背景）
- 为一个任务生成大量资源或变体
何时不使用
- 扩展或匹配仓库中现有的 SVG/矢量图标集、Logo 系统或插图库
- 创建更适合直接用 SVG、HTML/CSS 或 Canvas 生成的简单形状、图表、线框图或图标
- 当源文件已以可编辑的本地格式存在时，进行小的项目本地资源编辑
- 用户明确需要确定性的代码原生输出而非生成的位图的任何任务
决策树
思考两个独立问题：
- 意图： 是生成新图像还是编辑现有图像？
- 执行策略： 是一个资源还是多个资源/变体？
意图：
- 如果用户想要修改现有图像同时保留其部分内容，则将请求视为 编辑。
- 如果用户仅提供图像作为风格、构图、氛围或主体指导的参考，则将请求视为 生成。
- 如果用户没有提供图像，则将请求视为 生成。
内置编辑语义：
- 内置编辑模式适用于已可见于对话上下文的图像，例如附件图像或之前在线程中生成的图像。
- 如果用户想使用内置工具编辑本地图像文件，请先使用内置的
view_image工具加载它，使其可见于对话上下文，然后再进行内置编辑流程。 - 不要通过内置工具承诺任意的文件系统路径编辑。
- 如果本地文件仍然需要直接的文件路径控制、蒙版或其他仅在 CLI 中可用的显式参数，则仅当用户要求时才使用明确的 CLI 备选模式。
- 对于编辑，积极保留不变量并默认进行非破坏性保存。
执行策略：
- 在默认的内置路径中，通过为每个请求的资源或变体发起一次
image_gen调用来生成多个资源或变体。 - 在 CLI 备选路径中，仅当用户明确选择了 CLI 模式并且需要大量提示/资源时，才使用 CLI
generate-batch子命令。 - 对于多个不同的资源，不要使用
n作为独立提示的替代。n用于一个提示的变体；不同的资源需要不同的内置调用或不同的 CLIgenerate-batch任务。
假设用户想要一张新图像，除非他们明确要求更改现有图像。
工作流
- 决定顶层模式：默认使用内置模式，包括透明输出请求；仅当明确请求或确认时才使用备选 CLI。
- 决定意图：
generate或edit。 - 决定输出是仅预览还是要被当前项目使用。
- 决定执行策略：单个资源 vs 重复内置调用 vs CLI
generate-batch。 - 提前收集输入：提示、精确文本（逐字）、约束/避免列表以及任何输入图像。
- 对于每个输入图像，明确标记其作用：
- 参考图像
- 编辑目标
- 辅助插入/样式/合成输入
- 如果编辑目标仅存在于本地文件系统并且您坚持使用内置路径，请先使用
view_image检查它，以便图像在对话上下文中可用。 - 如果用户要求的是照片、插图、精灵、产品图片、横幅或其他显式光栅类型的资源，请使用
image_gen，而不是用 SVG/HTML/CSS 占位符替代。如果请求是图标、Logo 或应与现有仓库原生 SVG/矢量/代码资源匹配的 UI 图形，则优先直接编辑这些资源。 - 根据具体程度增强提示：
- 如果用户的提示已经具体且详细，将其规范化为清晰的规范，不要添加创意要求。
- 如果用户的提示是通用的，仅在可以显著提高输出质量时添加品味良好的增强。
- 默认使用内置的
image_gen工具。 - 对于透明输出请求，请求内置
image_gen提供透明背景并保留生成的 Alpha 通道。 - 检查输出并验证：主体、风格、构图、文本准确性以及不变量/避免的项目。
- 通过单一针对性更改进行迭代，然后重新检查。
- 对于仅预览的工作，内联渲染图像；底层文件可以保留在默认的
$CODEX_HOME/generated_images/...路径。 - 对于项目绑定的工作，将选定的工件移动或复制到工作区，并更新任何消费代码或引用。切勿将项目引用的资源仅留在默认的
$CODEX_HOME/generated_images/...路径。 - 对于批量或多资源请求，将每个请求的最终交付物持久保存到工作区，除非用户明确要求输出仅用于预览。丢弃的变体无需保留，除非被要求。
- 如果用户明确选择或确认 CLI 备选模式，则使用仅备选的文档来处理模型、质量、尺寸、
input_fidelity、蒙版、输出格式、输出路径和网络设置。 - 始终报告任何工作区绑定资产的最终保存路径，以及最终提示或提示集，以及使用的是内置工具还是备选 CLI 模式。
透明图像请求
请求内置 image_gen 提供真正透明的背景并保留其 Alpha 通道。
提示增强
将用户提示重新格式化为结构化的、面向生产的规范。使用户的目标更清晰、更可操作，但不要盲目增加细节。
将其视为提示塑造指导，而不是一个封闭的模式。只使用有帮助的字段，并在能显著提高清晰度时添加一个简短的额外标记行。
具体性策略
根据用户提示的具体程度来决定多少增强是合适的：
- 如果提示已经具体且详细，保留该具体性，仅进行规范/结构化。
- 如果提示是通用的，当能显著改善结果时，可以添加品味良好的增强。
允许的增强：
- 构图或取景提示
- 润色级别或预期用途提示
- 实用布局指导
- 支持所述请求的合理场景具体化
不允许的增强：
- 请求中未隐含的额外角色或物体
- 未隐含的品牌名称、口号、调色板或叙事节拍
- 任意特定侧面的放置，除非周围布局支持
用例分类（精确标识符）
将每个请求归类到以下一个桶中，并在提示和参考中保持一致标识符。
生成：
- photorealistic-natural — 具有真实纹理和自然光线的纪实/编辑类生活场景。
- product-mockup — 产品/包装拍摄、目录图像、商品概念。
- ui-mockup — 应用/网页界面模型和线框图；指定所需的保真度。
- infographic-diagram — 具有结构化布局和文本的图表/信息图。
- scientific-educational — 课堂解释器、科学图表和带有所需标签和准确性约束的学习视觉内容。
- ads-marketing — 具有受众、品牌定位、场景和确切标语/文案的活动概念和广告创意。
- productivity-visual — 幻灯片、图表、工作流和数据密集型业务视觉内容。
- logo-brand — Logo/标志探索，矢量友好。
- illustration-story — 漫画、儿童书籍艺术、叙事场景。
- stylized-concept — 风格驱动的概念艺术、3D/风格化渲染。
- historical-scene — 时期准确/世界知识场景。
编辑：
- text-localization — 翻译/替换图像内文本，保留布局。
- identity-preserve — 试穿、人物场景；锁定脸部/身体/姿势。
- precise-object-edit — 移除/替换特定元素（包括内部替换）。
- lighting-weather — 仅改变时间/季节/氛围。
- background-extraction — 透明背景/干净裁剪。请求内置
image_gen提供实际透明度。 - style-transfer — 应用参考风格，同时改变主体/场景。
- compositing — 多图像插入/合并，匹配光照/透视。
- sketch-to-render — 绘画/线稿转逼真渲染。
共享提示模式
使用以下标记规范作为两种顶层模式的共享提示框架：
Use case: <分类标识符>
Asset type: <资源将用于何处>
Primary request: <用户的主要提示>
Input images: <Image 1: 作用; Image 2: 作用> (可选)
Scene/backdrop: <环境>
Subject: <主要主体>
Style/medium: <照片/插图/3D 等>
Composition/framing: <广角/近景/俯拍；放置>
Lighting/mood: <光照 + 氛围>
Color palette: <调色板说明>
Materials/textures: <表面细节>
Text (verbatim): "<精确文本>"
Constraints: <必须保持/必须避免>
Avoid: <负面约束>
注意：
Asset type和Input images是提示框架元素，不是专用的 CLI 标志。Scene/backdrop指的是视觉环境。它与备选 CLI 的background参数不同，后者控制输出透明度行为。- 仅用于备选模式的执行说明，例如
Quality:、Input fidelity:、蒙版、输出格式和输出路径，仅属于 CLI 路径。不要将它们视为内置image_gen工具的参数。
增强规则：
- 保持简短。
- 仅添加能显著改进提示所必需的细节。
- 对于编辑，明确列出不变量（
仅更改 X；保持 Y 不变）。 - 如果缺少任何关键细节且会阻碍成功，请提出一个问题；否则继续。
示例
生成示例（英雄图）
Use case: product-mockup
Asset type: landing page hero
Primary request: 一个极简的陶瓷咖啡杯英雄图
Style/medium: 干净的产品摄影
Composition/framing: 宽幅构图，如有需要可为页面文案保留可用的负空间
Lighting/mood: 柔和的工作室灯光
Constraints: 无 Logo，无文本，无水印
编辑示例（不变量）
Use case: precise-object-edit
Asset type: product photo background replacement
Primary request: 仅将背景替换为温暖的日落渐变
Constraints: 仅更改背景；保持产品和其边缘不变；无文本；无水印
提示词最佳实践
- 将提示结构化为：场景/背景 -> 主体 -> 细节 -> 约束。
- 包含预期用途（广告、UI 模型、信息图）以设置模式和润色级别。
- 对于逼真图像，使用相机/构图语言。
- 仅当用户明确要求矢量输出或非图像占位符时才使用 SVG/矢量替代。
- 引用精确文本并指定排版 + 放置。
- 对于棘手的问题...