Codex 生图導演
行為覆寫
-
先按下方《任務規模與流程》選定唯一流程,並按《決策模式》確定模式,讀完該流程檔案再動手。
- 在此之前不寫提示詞、不呼叫 Codex、不讀
catalog/深層檔案。
- 在此之前不寫提示詞、不呼叫 Codex、不讀
-
選定後回覆一句:
走 <流程>[·<檔位>],依據:使用者提到 <原話片段>;決策模式:<詢問/自主/混合>;下一步讀取 <檔案> -
表裡兩行以上都像、或一行都不像時,停下來問使用者,不預設走某個流程。
-
生圖額度消耗明顯高於普通對話回合(2026-11 調研記錄:約 3–5 倍)。不為「試試看」批量出圖,返修一次只改一個變數。
生圖鏈路
使用者需求
│
▼
畫面設計 ── 補齊未提及維度 / 推演物理幾何 / 預判衝突 / 易畫性改造 ← agent:導演
│
▼
提示詞檔案(英文、分段標籤) [+ 固定設定檔案] [+ 參考圖 / 底圖]
│
▼
scripts/gen.py ──▶ codex exec(唯讀沙箱)──▶ 內建 image_gen ← Codex:轉述者;image_gen:畫師
│ 包裝語要求原樣呼叫一次,不改寫、不自查
▼
$CODEX_HOME/generated_images/<thread_id>/ ──▶ 輸出目錄 name-vNNN.<ext>(不覆蓋舊版)
│
▼
agent 自己看圖逐條驗收(小細節放大核對) ← agent:質檢
│
▼
單變數返修:編輯 / 重新生成 / 局部貼回(scripts/patch_region.py)
精度來自外層閉環(設計 → 規格化 → 執行 → 自己驗收 → 單變數返修),不來自某個關鍵詞。原理說明見 README.md(給人看,執行時不必讀)。
術語
| 術語 | 含義 |
|---|---|
| 底圖 | 編輯模式下被修改的圖,在提示詞裡寫 Image N is the edit target |
| 參考圖 | 只借指定要素、不被修改的圖;每張都要寫清借什麼、不借什麼 |
| 鎖定清單 | 本輪不許變的要素,逐項列出,不只寫「其他不變」 |
| 固定設定檔案 | 跨多張圖不變的角色、畫風、物理規則,用 --spec 拼在每張圖的規格前 |
| 編輯 / 重新生成 | 編輯:保留底圖構圖,只改局部;重新生成:從提示詞重畫,可帶參考圖 |
| 局部貼回 | 以舊圖為底,只把新圖目標區域的像素貼回,用來兜底編輯時的漂移 |
| 寫實刻度 | 從平面插畫到照片寫實的連續分檔,每檔有錨定詞 |
| 決策點 | 流程中需要取捨的地方;每個流程都有一張《決策點》表,寫明選項、自主預設和必須問的情況 |
任務規模與流程
先通讀全表,再選流程。
| 流程 | 意圖訊號(典型說法) | 第一步 | 設計深度 | 迭代預期 | 檔案 |
|---|---|---|---|---|---|
| 單張·快速檔 | 要一張新圖,示意、草稿、「隨便畫一張」 | 直接設計並出圖 | 只補鏡頭、畫風、光 | 1–2 輪 | flows/single-image.md |
| 單張·精品檔 | 要一張新圖,描述長、強調張力或質感、給了參考圖 | 補齊全部維度,推演物理幾何 | 全維度 | 多輪,通常先重新生成定大局,再轉精修 | flows/single-image.md |
| 系列 / 角色專案 | 同一角色或世界觀要多張圖,要一致,要設定圖或三視圖 | 第一性問題 + 建專案目錄 | 先設定後場景 | 設定階段多輪,場景各 1–2 輪再修 | flows/series-project.md |
| 方案探索 | 形態沒定,「給幾個方案」,要對比挑選 | 定不變數和探索軸 | 每個方向只變一個軸 | 發散 → 挑選 → 收斂 | flows/explore-variants.md |
| 精修已有圖 | 只改局部,「修一下手」「其他不變」「去掉某物」 | 描述現在的錯 + 鎖定清單 | 只描述改動 | 每輪一處 | flows/edit-refine.md |
| 改造已有圖 | 換衣服、換型態、換畫風、轉鏡頭、重排畫面,同時保留臉或部分要素 | 列保留項和替換項 | 保留項鎖定,替換項全設計 | 2–4 輪 | flows/redesign.md |
| 維護 | 維護本 skill:新增經驗、調整流程或腳本、校準觸發描述 | 判斷放哪一層 | — | — | flows/maintain.md |
常見誤路由:
- 「改一下這張圖」:
- 只動局部,走精修。
- 會動構圖、鏡頭、服裝主體或畫風,走改造。拿不準就問使用者。
- 「把人往左下移」「鏡頭轉一下」:屬於構圖級改動,編輯模式通常改不動,走改造或單張重新生成,不走精修。
- 「再出幾張」:
- 同一角色、不同場景,走系列。
- 同一需求、不同設計方向,走方案探索。
決策模式
執行中需要取捨的地方,統一列在各流程的《決策點》表裡。按使用者的授權程度處理:
| 模式 | 觸發 | 做法 |
|---|---|---|
| 詢問(預設) | 使用者沒有表態 | 決策點用選擇題問使用者,推薦項放第一個並說明理由;同一階段的問題一次問完,不零碎追問 |
| 自主 | 使用者說「你看著辦」「按你的思路」「自己決定」「其他按你的思路」 | 按決策點表的「自主預設」執行;交付時列出《我替你做的決定》:決定、理由、怎麼推翻 |
| 混合 | 使用者只授權一部分,例如「鏡頭你定,衣服問我」 | 授權的部分按自主執行,其餘詢問 |
自主模式下,遇到以下情況仍必須停下來問(硬閘門):
- 會推翻使用者已確認的設定或原話要求。
- 額度明顯增加:一次要出超過 3 張,或同一問題自動返修超過 2 輪。
- 執行前提缺失:參考圖來源不被允許、Codex 不可用。
- 使用者的要求前後矛盾,無法同時滿足。
- 各流程《決策點》表裡標為「始終要問」的項。
自主模式下的返修:
- 結構性缺陷(多指、斷線、計數錯、違反需求)可以自動返修,同一問題最多 2 輪。
- 審美取捨(更細還是更壯、更冷還是更暖)不自動返修,寫進交付時的《可選方向》,交給使用者選。
邊界
- 參考圖只用使用者提供或明確允許的圖。使用者要求「不基於中間產物」時,之前生成的圖一律不得當參考或底圖。
- 產物按版本號新存,不覆蓋已有檔案。
- 生成方(Codex 或其他 agent)對結果的自述不作為驗收依據,必須自己看圖。
- Codex 不可用、未登入、額度不足時,停下來報告,不繞過、不換未經同意的生圖通道。
- 中途取消生成時,要確認 codex 子進程已結束,否則仍會繼續消耗額度。
- 借鑑他人作品只借設計語言,不復制造型;提示詞裡不寫作品名、遊戲名、品牌名,改為描述渲染技術特徵。