ChatGPT 圖片生成助手 for Claude 是做什麼的?
Claude 撰寫提示詞,Codex 生成像素,腳本精確調整至指定規格,Claude 檢查成果,
檔案即位於使用者指定的資料夾中。每次生成前,使用者須在 HTML 預覽頁面上確認提示詞,並可透過對話要求修改。四個腳本負責所有機械化作業,它們位於此檔案旁的 scripts/ 資料夾中;下方 $SKILL_DIR 代表包含此 SKILL.md 的資料夾。
| 腳本 | 職責 |
|---|---|
scripts/codex_generate.sh | 一次 codex exec 呼叫,使用內建 image_gen 工具,將原始 PNG 存入資料夾。每張圖片約需 1 至 2.5 分鐘。 |
scripts/finish_image.py | 處理尺寸、DPI、邊距、縮放模式、背景、放大、格式。確定性執行,絕不覆寫檔案。 |
scripts/make_preview.py | 根據清單產生唯讀的 HTML 核准頁面;在執行階段會變成即時結果頁面。從 file:// 開啟,無需伺服器。 |
scripts/batch_generate.py | 執行已核准的清單(1 或多個任務):生成 + 完成,同時處理 2 個,可中斷並繼續。 |
為何拆分: 內建的 image_gen 工具會自行決定像素尺寸(約 1.5 MP,例如 4:5 比例時為 1122x1402),且無法精確控制邊距(要求底部 2 吋邊距,結果僅約 1.25 吋)。因此,提示詞僅設定長寬比與構圖,所有精確數值(尺寸、DPI、邊距、格式)均由 finish_image.py 強制執行。
需求
- Codex CLI 需登入 ChatGPT 帳號,且方案需包含圖片生成功能(不支援免費方案)。腳本會依序尋找:
$CODEX_BIN、PATH上的codex、ChatGPT 桌面應用程式內建的版本(macOS 為/Applications/ChatGPT.app/Contents/Resources/codex-cli/bin/codex,舊版應用程式為Resources/codex)。若找不到,腳本會顯示訊息並以結束碼 3 退出;請告知使用者安裝 ChatGPT 應用程式或 Codex CLI,或設定CODEX_BIN。 - Python 3 需安裝 Pillow(執行
python3 -m pip install Pillow)。 - Codex 的
imagegen系統技能,隨 Codex 安裝於${CODEX_HOME:-$HOME/.codex}/skills/.system/imagegen/。
需收集的輸入項目
從使用者請求中取得。僅詢問會阻礙任務進行的項目,其餘使用預設值並告知使用者。
| 輸入項目 | 預設值 |
|---|---|
| 製作內容/提示詞 | 必填。 |
| 基礎資料夾 | 必填。若未指定則詢問(參見「檔案存放位置」)。 |
| 圖片上確切文字 | 無。任何文字都會逐字檢查(步驟 8)。 |
| 尺寸 | 使用 references/output-options.md 中的預設,或 WxH 像素,或 WxHin / WxHmm 印刷尺寸。無指定則保留原始尺寸。 |
| 解析度 | 印刷尺寸預設 300 dpi,螢幕尺寸預設 72 dpi。 |
| 邊距 | 0。可接受 px、in、mm、短邊百分比;1 至 4 個值,CSS 順序(上右下左)。 |
| 縮放模式 | contain(顯示完整圖片,邊距填補剩餘空間)。cover 填滿並裁切。 |
| 背景(邊距顏色) | auto(從圖片角落取色)。或十六進位色碼、white、transparent。 |
| 格式 | PNG。照片上傳社群媒體用 JPG,印刷交付用 PDF,網頁用 WebP。 |
| 變體 | 1。每個變體為獨立生成(約 1 至 2.5 分鐘,會計入 ChatGPT 方案限制)。 |
| 參考/編輯圖片 | 無。任何圖片檔案皆可使用(參見「來源圖片」)。 |
批次數量: 支援任意數量的圖片。超過 4 張時,請在預覽交接時明確告知數量與預計時間;ChatGPT 方案的圖片限制未公開且可能有所變動。
來源圖片
任何圖片檔案均可隨提示詞傳送,有兩種角色:參考圖片(用於比對相似度、標誌、風格;可有多張,在清單中標記為 refs)或編輯目標(僅修改指定部分,其餘保留;標記為 edit)。
僅使用使用者指定的圖片,或使用者所指提示文件中所指定的圖片。 切勿自行搜尋資料夾並挑選圖片。若提示詞中提到「附件」、「參考照片」、「完全相似」、「精確重現標誌」等,但未指定檔案名稱,請在建立預覽前詢問是哪個檔案。若指定檔案不存在於該路徑,請告知並詢問;不要自行以相似圖片替代。預覽頁面會顯示每張傳送圖片的縮圖,以便使用者連同提示詞一起確認。refs 與 edit 請使用絕對路徑。
檔案存放位置
沒有預設輸出資料夾。使用者必須選擇基礎資料夾。 若使用者尚未指定,且其指向的提示文件也未指定,請在寫入預覽前詢問(可使用 AskUserQuestion 功能)。建議 2-3 個目前專案中可能用到的資料夾(例如現有的 exports、assets、images 或 print 資料夾),讓使用者選擇或輸入其他路徑。切勿自行默默選擇。
在基礎資料夾內,目錄結構固定如下:
<base folder>/
<name>-<preset>.jpg ... finished files
codex-raw/
<set>.json manifest (what gets generated)
<set>.preview.html the approval page
<set>.status.json batch progress
<name>.png raw original from ChatGPT, kept
<name>.prompt.txt exact prompt sent
<name>.codex/ Codex instructions, JSON log, last message
檔案命名使用 kebab-case,例如 acme-bakery-spring-poster。絕不覆寫檔案;重複時會自動加上 -v2、-v3。
Codex 也會在 ${CODEX_HOME:-$HOME/.codex}/generated_images/ 保留每張圖片的副本。若 ChatGPT 應用程式有自己的工作資料夾(在測試環境中為 ~/Documents/Codex/),請勿更動。
工作流程
每次執行(即使只有一張圖片)都必須經歷:清單 → 預覽 → 核准 → 生成。在獲得使用者明確同意前,不會向 Codex 發送任何請求。
-
載入上下文。 確認基礎資料夾(如有必要則詢問,見上文)。若專案有品牌文件(品牌規範、風格指南、設計標記),請在撰寫提示詞前先讀取顏色、字型與語調。遵守專案或使用者對圖片上文字的撰寫規則。
-
撰寫提示詞。 遵循
${CODEX_HOME:-$HOME/.codex}/skills/.system/imagegen/SKILL.md(使用案例、資產類型、主題、風格、構圖、光線、色板、Text (verbatim)、限制、避免)及其references/prompting.md中的標籤式結構。規則如下:- 以文字描述長寬比與方向(例如「直立 4:5」)。
- 對於邊距或印刷邊界,要求寬裕均勻的呼吸空間,切勿要求精確的英吋或像素。精確邊距將在之後透過
trim+padding套用。 - 引用每個圖片上的文字,並加上「無其他文字、字母、標誌或浮水印」。
- 照片搭配文字疊加:描述兩個圖層,一個滿版照片層和一個容納文字的內嵌圖形層。切勿撰寫「塞入中央 70% 範圍內」;圖片模型會因此縮小整張圖。
- 當附加參考圖片時,在提示詞開頭說明每張圖片的用途(比對相似度、精確重現標誌、僅參考風格)。
- 若使用者提供詳細提示詞:正規化處理,不要潤飾。
-
寫入清單 至
<base>/codex-raw/<project-slug>-<set>-<YYYY-MM-DD>.json。格式請參考scripts/batch_generate.py的文件字串:包含defaults(長寬比、完成項目清單)與jobs(名稱、提示詞、可選長寬比、參考圖片、編輯目標、透明背景、完成設定)。完成條目可使用任何finish_image.py的參數(preset、size、dpi、fit、padding、trim、bg、upscale、format、quality);完整清單請見references/output-options.md。每個任務可有多個完成條目,從一次生成產生多個檔案;預設名稱會成為檔案後綴(或可設定suffix)。同一個想法的變體應為獨立任務(使用-a、-b命名)。 -
建立預覽並移交給使用者。
python3 "$SKILL_DIR/scripts/make_preview.py" "<manifest>" --raw-dir "<base>/codex-raw" --final-dir "<base>" --title "<Project name>"然後在使用者的瀏覽器中開啟輸出的
.preview.html(macOS 使用open,Linux 使用xdg-open)。該頁面為唯讀:包含所有提示詞、輸出內容、參考縮圖以及兩個資料夾的資訊。向使用者提供完整路徑、圖片數量與時間估計(每張約 1.5 分鐘,並行數為 2 時時間減半),然後停止。超過 4 張圖片時,明確告知數量與時間;核准預覽即表示選擇加入。請勿讓預覽頁面可編輯。 -
等待「開始」或修改要求。 修改要求透過對話提出(例如「把文字改成白色」):更新清單,重新建立預覽(使用相同指令,會覆蓋頁面),重新開啟,再次等待。只有「開始」(或明確的同意詞句)才會啟動生成。
-
生成與完成。
python3 "$SKILL_DIR/scripts/batch_generate.py" "<manifest>" --raw-dir "<base>/codex-raw" --final-dir "<base>" --concurrency 2一到兩張圖片:在前景執行,超時設定為 10 分鐘。更多張時:在背景執行。只有使用者要求時,才將並行數提高至超過 2;最大值為 4。進度會儲存至
<manifest-stem>.status.json;重新執行相同指令會繼續並跳過已完成的工作。使用--dry-run可驗證清單並列出工作,而不會實際生成。即時結果: 批次處理會在工作開始或完成時重新建立預覽頁面。每個卡片會顯示狀態徽章、生成的原始圖片、完成的檔案(圖片以縮圖顯示,PDF/TIFF 以連結顯示)以及任何警告;頁面在工作排隊或執行中時,每 15 秒會自動重新整理。使用者核准的預覽版本沒有自動重新整理功能,因此在啟動批次後,請立即重新開啟預覽頁面,以便使用者獲得即時版本。 每個卡片自上而下顯示:提示詞、輸出(圖片,接著是每個檔案的類型、尺寸、解析度與檔案大小)、檔案與連結。每個檔案與資料夾(參考圖片、預定與完成的檔案、原始圖片、Codex 日誌,以及底部的批次資料夾、清單與頁面)都有「複製路徑」按鈕;完整路徑在載入時隱藏,可透過「完整路徑」開關顯示。沒有「在 Finder 中開啟」的連結:瀏覽器只能將 file:// 連結在瀏覽器中開啟。
- 結束碼 4(
IMAGEGEN_UNAVAILABLE:方案限制、服務中斷或缺少內建工具)會中止批次處理。付費 API 替代方案(Codex imagegen 技能中的scripts/image_gen.py)需要OPENAI_API_KEY且會產生費用。請詢問使用者;切勿自行切換。 - 結束碼 3:找不到 Codex CLI。請告知使用者(參見需求)。
- 結束碼 4(
-
使用 Read 功能檢視每張原始圖片。
-
逐字檢查文字 是否與要求的文案相符:拼寫、多餘或遺漏的文字、無關字母、偽造標籤或簽名。同時檢查相似度、參考圖片的標誌忠實度、構圖以及避免清單。若有錯誤,修改清單中該工作的提示詞(一次針對性修改,例如逐字母拼出單字),並使用
--redo <name>重新執行。若重試 2 次後仍錯誤:停止並向使用者展示。若為小瑕疵(例如產品標籤上的假文字),且使用設計工具修正更快:回報即可,無需重新生成。 -
檢查完成的檔案(使用 Read 檢視圖片;若是 PDF,可視情況使用
pdfinfo檢查頁面尺寸)。確認邊距無誤,且cover模式未裁切重要內容。閱讀批次報告:WARNING: source enlarged表示細節經過插值處理。若印刷輸出超過原始尺寸 1.5 倍,或使用者要求銳利度,提供使用其他工具進行 AI 放大的選項,並對放大後的檔案執行finish_image.py。- 印刷輸出有效解析度低於約 150 ppi 時:請提及此事。
-
報告:完成檔案的完整路徑、尺寸/格式、文字檢查結果、任何警告(放大、ppi、重試次數、小瑕疵)。若有多張圖片,使用表格呈現:名稱、文字檢查、檔案、備註。以一行提供下一個變體或格式的選項。
scripts/codex_generate.sh 和 scripts/finish_image.py 仍可直接呼叫,用於快速重新完成現有的原始圖片(例如變更尺寸或格式,無需重新生成,因此無需預覽)。任何需要呼叫 Codex 的操作都必須經過預覽流程。
已知限制
- 每次
image_gen呼叫僅能生成一張圖片;變體需獨立呼叫。 - 原生輸出約為 1.5 MP。任何更大的尺寸都需經過放大處理。
- 圖片模型會忽略精確的英吋/像素邊距要求;邊距由完成腳本負責。
- 編輯功能(
edit)作用於附加的圖片;遮罩與 API 專用控制需使用付費替代方案,且需獲得使用者同意。
測試環境
在 macOS 上使用 codex-cli 0.155.0-alpha(2026-09-25 至 2026-09-28)進行測試。以下為測試記錄,並非保證;Codex 與 ChatGPT 經常更新。
image_gen可在 ChatGPT 應用程式關閉時於codex exec下運作。- 使用
-s workspace-write -C <dir>即可寫入家目錄以外的位置。 - 原生尺寸約 1.5 MP(例如 4:5 比例時為 1122x1402);每張圖片所需時間為 55 至 150 秒。
- 兩個平行作業可正常運作。
- 提示詞中指定的長寬比會受到尊重,但精確邊距則否。
- 模型為 GPT Image(Codex 文件命名為 gpt-image-2;工具不會回報確切版本號)。