OpenAI图像生成技能Skill：随机提示词批量出图，一个命令生成缩略图画廊
一句话总结：这是一个把「随机但结构化的提示词采样」和「OpenAI Images API 批量渲染」打包在一起的命令行技能，跑一条命令就能拿到一批图片、一份提示词映射文件和一个可直接打开的 index.html 缩略图画廊。
核心结论速览：
- 它做什么：通过 OpenAI Images API 批量生成图像，同时产出
prompts.json（提示词与文件的对应关系）和index.html（缩略图画廊），解决「批量出图之后找不到图、记不住提示词」的混乱问题。 - 它怎么用：核心就是一条
python3 {baseDir}/scripts/gen.py，配合--count、--model、--size、--quality、--prompt等参数灵活控制。 - 它支持谁：脚本会自动适配模型差异，
gpt-image-1/gpt-image-1-mini/gpt-image-1.5、dall-e-3、dall-e-2各自的大小、质量、特有能力都被内置处理。 - 它的门槛：只需要
python3和OPENAI_API_KEY两个前提，属于「装了就能跑」的轻量工具型技能。 - 它的价值：把一次性的「手动问一句、等一张图」变成可复现、可批量、可归档的图像生产流水线。
1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？
技能身份信息
| 项目 | 内容 |
|---|---|
| 中文名 | OpenAI图像生成技能Skill |
| 英文名 | openai-image-gen |
| 技能ID | 13577 |
| 运行依赖 | python3、环境变量 OPENAI_API_KEY |
| 主环境变量 | OPENAI_API_KEY |
| 官方 API 文档 | https://platform.openai.com/docs/api-reference/images |
它解决什么问题
直接用图像生成模型时，开发者通常会卡在三个地方：
- 提示词写不出新意：反复用同一套描述，出图越来越像，缺乏探索性。
- 批量出图后一片混乱：几十张图散落在文件夹里，哪句话对应哪张图全靠记忆。
- 模型参数各说各话：
gpt-image-1支持1536x1024，dall-e-3却只到1792x1024且一次只能出 1 张，dall-e-2又只支持standard质量，手动记这些规则非常消耗精力。
openai-image-gen 的做法是：用「随机但结构化」的提示词采样器批量生产提示词，再统一调用 OpenAI Images API 渲染，最后自动生成一份 index.html 画廊和 prompts.json 映射表。一次运行，出图、归档、预览三件事同时完成。
一键安装的思路与步骤
第一步：确认安装前提
- 本机需要可用的
python3。技能详情中提供了 Homebrew 安装方式（brew，formula 为python，安装后提供python3命令），对应标签为「安装Python (brew)」。 - 需要一个有效的
OPENAI_API_KEY，并把它写入环境变量（这是技能的primaryEnv）。
第二步：在技能管理入口完成安装
在支持该技能的技能市场 / 技能管理器中，按技能ID 13577 或英文名 openai-image-gen 检索并安装即可。具体的安装命令、安装入口地址与权限提示，以官方说明为准。
第三步：配置环境变量
将 OPENAI_API_KEY 配置到当前 shell 的环境变量中（技能通过读取该环境变量完成鉴权）。配置方式以官方说明为准，注意不要把密钥硬编码进脚本或提交到仓库。
第四步：验证是否生效
运行一次最小任务：
python3 {baseDir}/scripts/gen.py --count 1
如果运行结束后，输出目录中出现了图片文件（*.png / *.jpeg / *.webp）、prompts.json 与 index.html，说明安装与鉴权均已正常。随后用浏览器打开画廊即可验收：
open ~/Projects/tmp/openai-image-gen-*/index.html # 如果 ~/Projects/tmp 存在；否则 ./tmp/...
2. 该技能的主要功能和特点
① 随机提示词采样器，让每次出图都不一样
脚本内置「随机但结构化」的提示生成逻辑，不指定 --prompt 时会自动采样提示词，适合做灵感探索和风格试水；指定 --prompt 时则围绕你的描述批量出图。
② 批量生成，一次跑一组
通过 --count 控制数量，例如 --count 16 一次生成 16 张，避免「问一句等一张」的低效循环。
③ 多模型自动适配，参数不用背
脚本会按模型自动选择合理的默认值：gpt-image-1 系列默认 1024x1024、质量 high；dall-e-3 默认 1024x1024、standard；dall-e-2 默认 1024x1024、仅 standard。用户不需要记模型差异表。
④ 自动规避模型限制
dall-e-3 只支持一次生成 1 张（n=1），脚本在使用该模型时会自动把计数限制为 1，避免调用报错。
⑤ 支持 GPT 图像模型的进阶参数
--background（transparent / opaque / auto，默认 auto）与 --output-format（png 默认 / jpeg / webp），可以直接产出透明背景素材或更省空间的 WebP。
⑥ 自带归档能力：prompts.json + index.html
prompts.json 记录「提示词 → 文件名」映射，index.html 生成缩略图画廊，出图后可一眼浏览全部结果，也方便回溯某张图用了什么提示词。
⑦ 输出可控
通过 --out-dir 指定输出目录，例如 --out-dir ./out/images，便于把不同项目、不同批次的图分门别类。
和普通工具比强在哪：它不是「再包一层图像 API」，而是补上了批量生产流程里最容易被忽略的两块——提示词的自动化供给和结果的自动归档与预览。对写代码的人来说，这是从「单张试玩」到「批量产线」的差别。
3. 如何使用该技能？
步骤一：跑一次默认任务
python3 {baseDir}/scripts/gen.py
不传任何参数时，脚本会用默认模型（GPT 图像模型）+ 默认尺寸 1024x1024 + 默认质量 high 生成一批图像，并输出 prompts.json 与 index.html。
步骤二：打开画廊验收
open ~/Projects/tmp/openai-image-gen-*/index.html # 如果 ~/Projects/tmp 存在；否则 ./tmp/...
步骤三：按需调整批量与模型
# 批量 16 张，指定 GPT 图像模型
python3 {baseDir}/scripts/gen.py --count 16 --model gpt-image-1
# 用自己的提示词，出 4 张
python3 {baseDir}/scripts/gen.py --prompt "超详细工作室照片的未来城市景观" --count 4
# 横屏 + 高质量 + 指定输出目录
python3 {baseDir}/scripts/gen.py --size 1536x1024 --quality high --out-dir ./out/images
# 透明背景 + WebP 输出
python3 {baseDir}/scripts/gen.py --model gpt-image-1.5 --background transparent --output-format webp
步骤四：切换模型体验不同风格
# DALL-E 3：注意计数会被自动限制为 1
python3 {baseDir}/scripts/gen.py --model dall-e-3 --quality hd --size 1792x1024 --style vivid
# DALL-E 3 自然风格
python3 {baseDir}/scripts/gen.py --model dall-e-3 --style natural --prompt "宁静的山地景观"
# DALL-E 2：小尺寸快出
python3 {baseDir}/scripts/gen.py --model dall-e-2 --size 512x512 --count 4
输入与输出说明
- 输入：命令行参数（提示词、数量、模型、尺寸、质量、背景、输出格式、输出目录）。
- 输出：
- 图像文件：
*.png/*.jpeg/*.webp（格式取决于模型与--output-format）； prompts.json：提示词到文件的映射；index.html：缩略图画廊页面。
- 图像文件：
参数速查表
| 参数 | 取值 | 说明 |
|---|---|---|
--count |
数字，如 16 |
批量生成数量；dall-e-3 会自动限制为 1 |
--model |
gpt-image-1、gpt-image-1-mini、gpt-image-1.5、dall-e-3、dall-e-2 |
选择模型，默认参数随模型变化 |
--prompt |
文本 | 自定义提示词；不填则使用随机结构化提示 |
--size |
见下方分模型说明 | 尺寸 |
--quality |
GPT 图像模型：auto/high/medium/low；dall-e-3：hd/standard；dall-e-2：仅 standard |
质量 |
--style |
vivid / natural（仅 dall-e-3） |
风格倾向 |
--background |
transparent / opaque / auto（GPT 图像模型） |
背景处理 |
--output-format |
png / jpeg / webp（GPT 图像模型） |
输出格式 |
--out-dir |
目录路径 | 指定输出位置 |
尺寸对照：
- GPT 图像模型：
1024x1024、1536x1024（横屏）、1024x1536（竖屏）、auto，默认1024x1024； dall-e-3：1024x1024、1792x1024、1024x1792，默认1024x1024；dall-e-2：256x256、512x512、1024x1024，默认1024x1024。
提示：技能详情中明确说明，
stream与moderation属于 API 能力，但尚未在该脚本中实现，如需使用请直接调用官方 API。
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 | 优势与不足 |
|---|---|---|---|---|---|
| openai-image-gen（本技能） | 命令行批量出图 + 自动归档 | 随机结构化提示采样、多模型自动适配、prompts.json 映射、index.html 画廊 |
需 python3 与 OPENAI_API_KEY；一条命令即可运行 |
批量素材生产、参数探索、灵感板构建 | 优势：批量与归档一体化、模型差异自动处理、结果可回溯；不足：无图形界面，stream/moderation 未实现，需自行管理密钥 |
| 官方 OpenAI 网页端 / 聊天式出图 | 单张交互式生成 | 对话式改图、即时预览 | 门槛最低，无需环境配置 | 快速试一句提示词、临时配图 | 优势：零门槛、可连续对话微调；不足：不适合大批量，提示词与文件缺少结构化归档 |
| 直接调用 OpenAI Images API 自写脚本 | 完全自定义 | 可调用全部 API 能力（含脚本未实现的参数） | 需自己处理鉴权、模型参数差异、错误重试、文件命名 | 有特殊参数需求、需集成进生产系统 | 优势：自由度最高；不足：重复造轮子，模型差异与归档逻辑都要自己写 |
| 其他第三方文生图平台 / 模型 | 通用图像生成服务 | 各自模型的出图能力与风格 | 多为网页或自有客户端，价格与规则各异，以官方说明为准 | 风格化创作、特定领域出图 | 优势：部分风格表现有特色；不足：与 OpenAI 生态割裂，批量与脚本化能力参差，接入成本另计 |
怎么选：如果你已经在用 OpenAI 的模型体系、又需要「批量 + 归档 + 可脚本化」，本技能是最省事的路径；如果只是偶尔出一张图，网页端足够；如果必须用到脚本尚未实现的 API 参数（如 stream、moderation），则应直接走官方 API 自行封装。
5. 该技能的典型应用场景与实际体验情况
场景一：设计师做灵感板（Mood Board）
角色与痛点：视觉设计师需要在项目启动阶段快速铺开风格方向，但一张张试提示词太慢，且不同方向的图混在一起难以对比。
使用方式：python3 {baseDir}/scripts/gen.py --count 16，让随机结构化提示词一次性给出十几个不同方向的画面，然后打开 index.html 画廊横向对比，挑出 2–3 个可行方向，再用 --prompt 细化。
实际体验：上手难度低——核心就是一条命令加一个数量参数。画廊的缩略图视图让「横向比稿」变得很自然，配合 prompts.json 可以立刻定位「这张图当时是怎么描述出来的」。注意事项：随机采样偏向探索，若已经锁定风格，应主动用 --prompt 收敛，否则会产出大量无关方向。
场景二：内容运营批量配图
角色与痛点：运营同学一周要出十几条内容的头图，尺寸不统一、格式偏大、还要反复找原图。
使用方式：python3 {baseDir}/scripts/gen.py --size 1536x1024 --quality high --out-dir ./out/images，一次生成横屏高清图并统一落到指定目录；需要更小体积时改 --output-format webp。
实际体验：--out-dir 这个参数在实际工作中价值很高——按批次分目录后，素材库天然就是有序的，不用事后手动搬文件。注意 dall-e-3 场景下数量会被自动限制为 1，做批量时应优先选 GPT 图像模型。
场景三：开发者验证模型参数组合
角色与痛点：工程师要搞清楚 gpt-image-1.5 的 --background transparent 配合 --output-format webp 到底产出什么样的素材，逐个手动测试很费时间。
使用方式：固定同一句 --prompt，只改动一个变量（尺寸、质量、格式、背景），批量跑几组做对照；prompts.json 顺带就成了实验记录。
实际体验：脚本内置的「按模型自动选默认值」在这里省了大量查文档的时间，尤其是 dall-e-2 只支持 standard 质量、dall-e-3 只支持 n=1 这类容易踩坑的约束，已经被提前处理掉。注意事项：stream 与 moderation 未实现，若实验目标涉及这两项，需要直接调用官方 API。
场景四：透明背景素材生产
角色与痛点：需要把生成元素贴到海报、PPT 或网页上，背景必须透明，否则要额外做抠图。
使用方式：python3 {baseDir}/scripts/gen.py --model gpt-image-1.5 --background transparent --output-format webp。
实际体验：直接拿到透明背景 + WebP 的输出，省掉了「生成 → 抠图 → 转格式」的三步链路。注意该能力仅 GPT 图像模型支持，dall-e-2/dall-e-3 不适用。
6. 该技能能为用户带来的价值
效率层面：把「一张一张问」变成「一批一批产」
批量参数 --count 让一次运行替代多次单张生成；而 prompts.json + index.html 的自动归档，省掉的正是最耗神的整理环节——找图、对提示词、建预览页这三件事本来要花掉比生成更多的时间。
门槛层面：不用再背模型参数差异表 各模型的尺寸、质量、数量限制由脚本自动适配，使用者只需要关心「我想要什么」，而不是「这个模型允许什么」。对刚接触图像 API 的开发者来说，这是最直接的降门槛。
成本层面：减少无效试错 随机结构化提示采样本身是一种低成本的探索机制——用少量调用换取更大的风格覆盖面，先看方向再定精修，避免在错误方向上反复投入。
长期价值：可复现的图像生产流水线
命令 + 参数 + prompts.json 的组合，本质上形成了一份可复现的「出图配方」。团队里任何人拿着同一套命令都能复跑同一批结果，这在品牌视觉一致性维护、素材版本管理上价值明显。
可量化收益的观察角度（具体数值因使用强度而异，此处不虚构数据）：可从「单批出图所需的人工整理时间」「同一批素材的提示词回溯耗时」「因参数误用导致的失败调用次数」三个指标上做前后对比。
7. 常见问题 FAQ
Q1：这个技能怎么安装？需要提前准备什么？
需要两个前提：可用的 python3（技能详情中给出的是 Homebrew 安装方式，formula 为 python）和已配置到环境变量中的 OPENAI_API_KEY。然后在技能管理器中按技能ID 13577 或英文名 openai-image-gen 安装。安装命令与入口以官方说明为准。装完后运行 python3 {baseDir}/scripts/gen.py --count 1 做最小验证，能正常产出图片与 index.html 即表示生效。
Q2：这个技能收费吗？ 技能本身是调用 OpenAI Images API 的工具，出图会产生 API 调用。具体的计费规则、价格与配额以 OpenAI 官方说明为准。技能详情中没有给出任何价格信息，这里也不做推测。
Q3：为什么我用 dall-e-3 指定了 --count 16，最后只出了 1 张？
这是模型限制，不是 Bug。dall-e-3 仅支持一次生成 1 张图像（n=1），脚本会自动把计数限制为 1。需要批量出图请改用 GPT 图像模型（如 gpt-image-1）。
Q4：可以生成透明背景的图吗？可以输出 WebP 吗？
可以，但仅限 GPT 图像模型（gpt-image-1、gpt-image-1-mini、gpt-image-1.5）。使用 --background transparent 设置透明背景，使用 --output-format webp 或 jpeg 切换输出格式（默认为 png）。dall-e-2 与 dall-e-3 不支持这两个参数。
Q5：适合谁用？和「直接写脚本调 API」怎么选？
适合需要批量出图并希望结果自动归档的开发者、设计师与内容运营，以及正在探索提示词方向、需要快速铺开风格面的人。如果你的需求涉及 stream 或 moderation 这类脚本中尚未实现的 API 能力，或需要深度嵌入生产系统，那就应该直接调用官方 API 自行封装；其余「批量 + 归档 + 预览」的场景，本技能能省下大量重复工作。