imagegen（图像生成技能Skill）Skill 是什么？

图像生成技能Skill：把「文生图 / 图生图 / 批量出图」固化成一条可重复执行的命令行流程

一句话定位：这是由 openai 出品的技能（英文名 imagegen，技能ID 12278），把 OpenAI Image API 的生成、编辑、批量三类操作，收敛到一条捆绑 CLI（scripts/image_gen.py）上，让出图变成可复现的工程动作，而不是一次性的临时脚本。
默认模型：默认使用 gpt-image-1.5，只有在用户明确要求时才切换到 gpt-image-1-mini 等更便宜/更快的选项。
核心能力：生成新图、编辑现有图（修复、掩码、背景替换、对象移除、透明背景、合成、风格转移、草图渲染）、批量跑多个提示或多个变体。
使用前提：本机需要 OPENAI_API_KEY，以及 openai、pillow 两个 Python 依赖，偏好用 uv 管理。
最大差异点：强制「先分类、再结构化提示、再跑 CLI、再检查、再单点迭代」的工作流，出图结果可追踪、可复现、可交接。

1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？

技能基本信息

项目	内容
中文名	图像生成技能Skill
英文名	`imagegen`
技能ID	12278
作者	openai
依赖模型	`gpt-image-1.5`（默认），可选 `gpt-image-1-mini`

它解决什么问题

在没有这个技能之前，让 AI 帮忙出图往往是这样的流程：临时写一段调用 OpenAI Python SDK 的脚本、参数凭感觉填、输出文件随手丢在项目根目录、下次想复刻同样的图却记不清当时用了什么提示和参数。图像生成技能Skill 要解决的就是这种「一次性脚本满地跑」的混乱：它把意图判断（生成 / 编辑 / 批量）、提示结构化、CLI 调用、输出目录约定、结果校验、单点迭代这一整套动作写成固定流程，并且明确要求「优先使用捆绑 CLI，而不是新写一次性脚本」。

一键安装的思路与步骤

AI 技能的「一键安装」通常指：把技能加载进你的 AI 编程环境，让它自动读取技能说明与捆绑脚本。具体入口与命令以官方说明为准，下面是可以直接参考的通用流程：

确认运行环境：需要一个可执行 Python 的本地环境，并且该环境能访问网络以调用 OpenAI Image API。
安装依赖包：技能说明中给出的依赖安装方式为：
```
uv pip install openai pillow
```
如果本机没有 uv，改用：
```
python3 -m pip install openai pillow
```
配置 API 密钥：必须设置环境变量 OPENAI_API_KEY 才能进行实时 API 调用。获取方式是在 OpenAI 平台创建 API Key（详情中给出的地址为 https://platform.openai.com/api-keys），然后在你自己的操作系统 / Shell 中把它设置为环境变量。
安全提醒：技能明确要求「永远不要在聊天中要求用户粘贴完整密钥」，正确做法是让用户在本地设置好环境变量，然后确认「已就绪」。
验证是否生效：用一个最小任务试跑，例如让它「生成一张纯色背景的圆形图标，输出到 output/imagegen/ 下」。如果命令成功执行、目标目录出现图像文件，说明技能已生效；如果报错，通常集中在两处——缺少依赖包（按第 2 步补装）或 OPENAI_API_KEY 未生效（检查环境变量是否在当前 Shell 会话中可见）。

2. 该技能的主要功能和特点

三路决策树，意图不跑偏：用户提供了输入图像，或说「编辑 / 修饰 / 修复 / 掩码 / 翻译 / 仅更改某个元素」，走「编辑」；需要大量不同提示或不同资产，走「批量」；其余情况走「生成」。这条判断规则写在技能里，避免把「改背景」误做成「重画一遍」。
默认模型有主张：默认 gpt-image-1.5，只有在用户明确要求 gpt-image-1-mini 或明确表示偏好更便宜更快时才降级，减少「参数选择困难」。
捆绑 CLI 优先，拒绝一次性脚本：所有调用优先走 scripts/image_gen.py，通过 --out 或 --out-dir 控制输出路径。技能还明确规定不得修改这个脚本；如果缺少某些能力，应先询问用户而不是自行改写。
提示增强 ≠ 自由发挥：技能要求把用户提示重写成结构化的生产级规格（场景 → 主题 → 细节 → 约束），但只允许把「隐含信息显性化」，不得发明用户没要求的新创意元素（例如擅自加吉祥物、改主题、编造品牌名）。
用例分类体系：生成侧分为逼真自然、产品 mockup、UI mockup、信息图图表、标志品牌、插图故事、风格化概念、历史场景；编辑侧分为文本本地化、身份保留、精确对象编辑、光照天气、背景提取、风格转移、合成、草图到渲染。分类标识会贯穿提示与参考资料，便于按类复用模板。
批量模式有明确工程约定：批量任务写成临时 JSONL 放在 tmp/ 下（每行一个任务），跑一次后删除；中间文件统一放在 tmp/imagegen/，最终产物放在 output/imagegen/。
结果必须检查：对复杂生成或编辑，技能要求打开查看输出，核对主题、风格、构图、文本准确性以及不变量/避免项是否被破坏，然后做「单点修改 → 重跑 → 复查」的迭代。
参考资料成体系：参考资料/cli.md（命令与标志）、参考资料/image-api.md（API 参数）、参考资料/提示.md（提示原则）、参考资料/示例提示.md（可直接复制的提示配方）、参考资料/codex-network.md（网络与沙盒排障）。
只走官方 SDK：所有 API 调用使用 openai Python 包，不使用原始 HTTP 请求，降低接口变动带来的维护成本。

3. 如何使用该技能？

步骤 1：先定意图

对着自己的需求问一句：我手上有没有输入图像？要不要一次出很多张？有图要改 → 编辑；要出一批 → 批量；其余 → 生成。同时把材料一次性备齐：提示词（可能多条）、要逐字渲染的文本、约束与「避免」清单、输入图像与蒙版。多图输入时，用索引 + 角色把每张图标清楚。

步骤 2：把提示写成结构化规格

用例: 产品mockup
资产类型: 电商详情页主图
主要请求: 一只哑光黑色陶瓷马克杯
场景/背景: 浅灰色无缝背景
风格/媒介: 干净的产品摄影
构图/取景: 居中，四周留白
光照/氛围: 柔和影棚光，轻微投影
材质/纹理: 哑光釉面，细腻高光
质量: high
约束: 无 logo、无文字、无水印
避免: 库存图感、过饱和霓虹、刺眼眩光

步骤 3：跑 CLI 生成

调用捆绑的 scripts/image_gen.py，用 --out 或 --out-dir 指定落盘位置，例如把最终产物写到 output/imagegen/ 下，文件名保持稳定且具描述性（如 hero-ceramic-mug-v1.png）。具体的子命令与标志以 参考资料/cli.md 与官方说明为准。

步骤 4：看图、验图

打开输出文件核对：主题对不对、风格是不是想要的、构图留白够不够、图里文字是否逐字正确、约束项有没有被破坏。

步骤 5：单点迭代

一次只改一处（改提示或改蒙版），重跑，再复查。编辑类任务建议每次迭代都把不变量重复写一遍，减少漂移。

步骤 6：批量任务

在 tmp/ 下写一个 JSONL，每行一个任务，一次性跑完，然后删除这个 JSONL，不留在仓库里。

编辑示例（含不变量）

用例: 精确对象编辑
资产类型: 产品照片背景替换
主要请求: 把背景换成温暖的日落渐变
约束: 只改背景；保持产品本体与边缘不变；无文字；无水印

参数小抄

对延迟敏感：从 quality=low 起步，先看构图。
文本密集或细节关键：用 quality=high。
身份 / 版式必须锁死的严格编辑：考虑 input_fidelity=high。
效果「俗气」时：补一行「避免」并加「克制」「高级感」「微妙」这类限定词。

4. 同类型竞品对比分析

方案名称	定位	核心功能	安装/使用门槛	适用场景	优势	不足
图像生成技能Skill（`imagegen`）	面向开发流程的 OpenAI 图像能力封装	生成 / 编辑 / 批量三路决策；结构化提示；捆绑 CLI；固定目录约定	需 Python 环境、`openai` + `pillow`、`OPENAI_API_KEY`	网站与游戏资产、产品图、UI mockup、信息图、批量变体	流程可复现、结果可追踪、提示模板与分类体系完善、强调安全处理密钥	依赖 OpenAI API 与密钥；需要基础命令行操作能力
手写 OpenAI SDK 脚本	一次性自研方案	直接调用官方接口，参数完全自控	需自己搭脚本、自己定目录与命名规范	单次实验、临时需求	灵活度最高，无额外抽象	每次重写、难以复现、参数与提示容易丢失、无校验与迭代纪律
在线出图产品的网页端	面向普通用户的图形化出图	文本框输入提示，网页内预览与下载	门槛极低，注册即可用	灵感探索、非工程化的单张需求	上手最快，所见即所得	难以批量化与自动化，不便纳入代码仓库与 CI 流程，提示与产物不易归档
本地可视化工作流工具	面向进阶创作者的节点式管线	节点拼装、本地部署、可接入多种模型	门槛较高，需本地算力与配置	高度定制的图像管线、风格实验	控制粒度细、可离线、生态插件丰富	学习曲线陡，环境维护成本高，与代码工程结合的规范性需自己约定

选型建议：如果你的出图需求发生在代码仓库里、需要反复复现同一套资产、并且希望提示与参数像代码一样被管理，imagegen 的契合度最高；如果只是偶尔做一两张灵感图，网页端更省事；如果要做极致定制的视觉管线，本地节点式工具更合适。

5. 该技能的典型应用场景与实际体验情况

场景一：独立开发者 / 前端工程师做落地页视觉资产

痛点：手里没有设计资源，hero 图、图标、功能配图全靠凑，风格还不统一。使用方式：先按「风格化概念 / 产品 mockup」分类写结构化提示，把「右侧留大量空白放标题」这类版式约束显式写进构图项，quality 先用 low 试构图，定稿后换 high 重出。实际体验：上手难度低，一次分类写清楚后，后续同类页面的提示可以直接复用模板；注意点是「留白」这类版式要求必须写出来，否则模型默认居中构图会压住文字区。

场景二：电商与品牌团队的 product mockup 与背景替换

痛点：产品图要换季节背景、换氛围，但重拍成本高。使用方式：走「编辑」分支，提示里写清不变量——「只改背景，保持产品本体与边缘不变」，每次迭代都把不变量重复一遍。实际体验：编辑分支的关键不在提示词漂亮，而在不变量写得狠；边缘、投影、反光最容易出问题，务必逐张放大检查。

场景三：游戏 / 内容团队的批量概念图与变体

痛点：需要几十张风格统一的概念图或同一主题的多个变体，逐张手工跑太慢。使用方式：在 tmp/ 下写 JSONL，每行一个任务，一次跑完再删除临时文件，产物统一落到 output/imagegen/。实际体验：批量模式的收益最明显，但需要提前把提示规范化，否则一批图风格会散；建议先用两三行小批量验证提示模板，再全量铺开。

场景四：运营与设计的信息图、UI mockup 与图内文本本地化

痛点：图里要出现准确文案，或者要把一张已有图里的文字换成另一种语言而版式不动。使用方式：文本类任务用 quality=high，把要渲染的文字逐字写进「文本（逐字）」字段；本地化走「文本本地化」分类，明确要求保留布局。实际体验：文字渲染是最容易翻车的环节，棘手单词可要求逐字母拼写并逐字渲染；本地化后一定要核对换行与字号是否破坏版式。

整体注意点：技能会主动要求检查与迭代，这比「生成完就直接交付」慢一点，但返工率低得多；另外密钥必须自己在本机配置好，不要在对话里粘贴。

6. 该技能能为用户带来的价值

效率层面：把「想需求 → 写脚本 → 调参数 → 存文件 → 不满意重来」的散点动作收敛成固定六步，批量任务从「一张一张点」变成「一次跑完一个 JSONL」。对需要持续产出视觉资产的团队，省下的是每次重写脚本和重新找参数的时间。

质量与一致性层面：结构化的提示模板加上用例分类标识，让同类资产有统一的写法；「单点修改、重跑、复查」的迭代纪律，把随机试错变成有方向的收敛。固定的输出目录与命名约定，让资产像代码一样可检索、可交接。

门槛层面：使用者不需要精通图像模型的参数体系——默认模型、默认尺寸策略、quality 与 input_fidelity 的使用时机都写好了提示；同时 参考资料/ 下备好了 CLI 命令、API 参数、提示原则与可复制的示例配方，遇到问题能自查。

成本与安全层面：默认 gpt-image-1.5、需要时才降级到更轻量的模型，避免无谓消耗；技能明确禁止在对话中索取完整密钥，把密钥留在本地环境变量里，降低泄露风险。实际调用产生的 OpenAI 账户费用以官方说明为准。

长期价值：当出图被纳入仓库规范（output/imagegen/ 存产物、tmp/imagegen/ 存临时文件、提示与标志一并记录），视觉资产就从「某个人电脑里的图」变成了「团队可复现的工程产物」。

7. 常见问题 FAQ

Q1：这个技能怎么安装？需要准备什么？ A：核心是三步——装依赖（uv pip install openai pillow，没有 uv 就用 python3 -m pip install openai pillow）、配置 OPENAI_API_KEY 环境变量、用一个最小生成任务验证是否跑通。把技能加载到你的 AI 环境的具体入口以官方说明为准，技能本身不需要你手写任何调用代码。

Q2：使用它要收费吗？ A：技能本身不涉及独立定价，真正的成本来自调用 OpenAI Image API 所产生的账户用量，具体计费以 OpenAI 官方说明为准。省钱的做法是：构图阶段用 quality=low 快速验证，只在文本密集或细节关键时才上 quality=high，并避免无必要地重复批量跑同一批提示。

Q3：我的 API 密钥要怎么给？会不会有泄露风险？ A：不要给。技能明确规定「永远不要在聊天中要求用户粘贴完整密钥」，正确做法是你在本地把 OPENAI_API_KEY 设置为环境变量，然后告诉 AI「已就绪」。它在调用时读取环境变量，不读取聊天内容。

Q4：它适合谁用？不适合谁？ A：适合在代码仓库里持续产出视觉资产的人——独立开发者、前端工程师、电商与品牌视觉、游戏与内容团队，以及需要批量出变体的运营同学。如果你只是想偶尔做一张灵感图，用网页端更省事；如果你要的是完全离线的本地模型管线，这个技能并不覆盖。

Q5：生成或编辑的效果不理想时该怎么调整？ A：按技能给的纪律来：先判断是不是分类选错了（该编辑却走了生成），再把提示补成「场景 → 主题 → 细节 → 约束」的结构，检查有没有漏写「文本（逐字）」和不变量；效果偏俗气就加一行「避免」并指定克制风格；然后一次只改一处、重跑、复查，不要去改捆绑的 scripts/image_gen.py。

Q6：它和直接写一段 OpenAI 调用脚本有什么区别？ A：区别在「可复现」和「有纪律」。手写脚本每次都要重来，参数和提示容易丢；这个技能固定了决策树、提示结构、CLI 入口、目录约定和检查迭代流程，还配了 CLI / API / 提示 / 示例四类参考资料，同类需求第二次就能直接套模板。