GPT-Image2-Skill：给AI编程工具装上「图像生成外挂」

一款prompt工具库，凭什么三个月涨4000星？

2026年4月，一位叫 wuyoscar 的独立开发者将一个 GPT Image 2 prompt 合集上传至 GitHub。他大概没想到，三个月后，这个项目 star 数突破了 3,900，稳居 AI Agent Skills 热门榜单前列。更让人意外的是，它既不是模型权重，也不是训练框架——它本质上只是一个 prompt 文本库 + 一套 CLI 工具。

这背后折射出一个正在爆发的新需求：**当 AI 编程工具（Claude Code、OpenAI Codex 等）开始原生支持图像生成，如何让它们生成「好看」的图？**GPT-Image2-Skill 正是这个问题的最佳答案之一。

背景：GPT Image 2 带来的图像生成平权

2025年底，OpenAI 发布 GPT Image 2，通过 GPT-4o 的多模态能力实现了前所未有的图像生成与编辑效果。相比 Midjourney、Stable Diffusion 等传统文生图工具，GPT Image 2 的独特优势在于：

• 自然语言理解力极强：能够精确理解复杂描述、角色关系、构图指令
• 原生多模态：生成和编辑无缝衔接，支持参考图、蒙版、局部重绘
• 与 LLM 推理深度整合：可以「边推理边修图」，适合 Agent 工作流

然而，Prompt Engineering 在文生图领域早已是核心技术，但在 GPT Image 2 的生态中，高质量的 prompt 库几乎空白。GPT-Image2-Skill 填补了这个空白——它将来自社区、设计师、研究者的优质 prompt 分门别类，形成了一套完整的参考体系。

核心功能：三层架构，覆盖所有图像生成场景

GPT-Image2-Skill 并不是简单地把 prompt 收集在一起，它构建了一套完整的三层工具体系：

第一层：Prompt Gallery（提示词画廊）

项目收录了 30+ 分类目录，涵盖几乎所有主流图像生成场景：

类别	说明	示例
UI/UX Mockups	移动端、Web界面设计稿生成	"App store card with gradient"
Research Paper Figures	学术论文图表生成	ICLR 风格方法图、流程图
Typography & Posters	海报、字体设计	西游记剪影、史诗感海报
Gaming	游戏UI、HUD、像素画	日式 RPG 城镇、赛博朋克 HUD
Anime & Manga	动漫风格创作	分镜、角色立绘
Technical Illustration	技术图解	医学解剖图、机械拆解图
Data Visualization	数据图表	3D 散点图、信息图卡片
Photography	摄影风格	电影感构图棚拍

每个分类下都有 5-20 个经过验证的 prompt，包含完整的构图描述、风格标签和参数建议。Gallery 不仅展示效果，还解释了 为什么这个 prompt 有效，帮助用户举一反三。

第二层：Agentic Skill（Agent 技能包）

这是项目最有想象力的部分。GPT-Image2-Skill 提供了一套标准的 Agent Skill 格式，可被 Claude Code、OpenClaw、Hermes Agent 等主流 AI Agent 运行时直接调用。

技能包的工作流程非常清晰：

1. 接收图像生成请求：用户说"帮我生成一张赛博朋克风格的游戏海报"
2. 检索 Gallery：在 references/gallery-gaming.md 中找到最匹配的 prompt 示例
3. 参考 Craft 规范：加载 references/craft.md 获取构图技巧
4. 生成优化 Prompt：结合用户意图 + Gallery 示例 + Craft 规范，构造最优 prompt
5. 通过 CLI 执行：调用 gpt-image CLI 或 scripts/generate.py 实际生成图像

这个流程的优势在于：Agent 不再需要从零写 prompt，而是站在社区的肩膀上。Gallery 中的每一个 prompt 都是经过实际验证的，Agent 直接参考成功率大幅提升。

第三层：gpt-image CLI（命令行工具）

独立的 Python CLI 工具，支持 OpenAI GPT Image 2 的全部能力：

# 基础文生图
gpt-image -p "a cyberpunk city at night, neon rain"

# 带参考图的风格迁移（编辑端点）
gpt-image -p "transform to anime style" -i photo.jpg

# 局部重绘（蒙版编辑）
gpt-image -p "replace sky with aurora" -i photo.jpg -m sky_mask.png

# 多参考图组合（服装迁移、产品+品牌）
gpt-image -p "77 × KFC collab poster" -i cat.png -i kfc_logo.png

# 高分辨率 + 高质量
gpt-image -p "Chinese tea poster" -f poster.png --size 2k --quality high

CLI 提供了极其丰富的参数：模型选择、尺寸预设（1k/2k/4k/portrait/landscape）、质量档位、背景控制、审核强度、输出格式（JPEG/WebP/PNG）、压缩比……几乎覆盖了 OpenAI 官方文档中的所有能力。

技术架构：极简设计，极致扩展性

从代码结构看，GPT-Image2-Skill 保持了令人印象深刻的克制：

src/gpt_image_cli/
  __init__.py          # 355 bytes
  cli.py               # 10.4 KB — 全部逻辑
skills/gpt-image/
  SKILL.md             # Agent Runbook（6.7 KB）
  agents/              # Agent 配置文件（OpenClaw等）
  references/          # 30+ 个 Gallery MD 文件
  scripts/
    generate.py        # Agent 调用入口

核心依赖只有两个：openai>=1.55 和 python-dotenv>=1.0，没有引入任何图像处理或重型依赖。这种极简设计让工具可以轻松嵌入任何 Python 环境或 Agent 运行时。

项目使用 uv 作为包管理首选，支持：

• uv run gpt-image ... — 即时运行，无需安装
• pip install . — 传统 pip 安装
• uvx --from git+https://... — 远程临时运行

README 文件超过 200KB，中英文双语，包含完整的 OpenAI 官方 Cookbook 镜像文档，这在开源项目中极为罕见。

上手门槛：多层次，从新手到高级用户

使用方式	难度	适合人群
直接复制 Gallery 中的 prompt 到 ChatGPT	★☆☆☆☆	完全不会编程的普通用户
安装 CLI 后用命令行生成	★★☆☆☆	设计师、研究者
通过 Claude Code 等 Agent 调用	★★★☆☆	开发者、AI 爱好者
贡献新的 prompt 类别/PR	★★★★☆	高级用户、设计师社区

对于 AI 爱好者而言，最简单的用法是直接去 README 中复制 prompt，粘贴到支持 GPT Image 2 的产品（如 ChatGPT）中使用。对于开发者而言，通过 Agent 调用可以实现完全自动化的图像生成流水线。

局限与争议：不支持一键部署

需要坦诚地说，GPT-Image2-Skill 不支持 Docker 部署，也不具备 Web UI。这意味着它不太适合以下场景：

• 需要多人共享、可视化操作环境的团队
• 不希望用户直接接触 API Key 的托管场景
• 完全没有 Python 环境的 Windows 用户（虽然可以通过 uv 解决）

此外，项目依赖 OpenAI API，实际使用会产生费用。GPT Image 2 的 high 质量档位单张图像成本较高，低质量档位虽然便宜但效果有限。用户需要在成本和质量之间找到平衡。

行业意义：Prompt 工程的下一个方向

GPT-Image2-Skill 的成功揭示了一个重要趋势：Agent 时代的 Prompt 库正在从「人读」进化到「机器读」。

传统 Prompt 库的目标用户是人，目的是让人复制粘贴使用。但 GPT-Image2-Skill 的 Skill 格式直接面向 Agent 运行时，每个 prompt 都有结构化的元数据，Agent 可以自动检索、组合、优化。这意味着 Prompt Engineering 的价值正在从「个人技巧」升级为「基础设施」。

此外，项目在 oosmetrics 的多个榜单（Agents、LLMs、CLI）中均排名第一，证明了高质量工具型项目在 AI 开源生态中的强劲吸引力。