/gpt-image-2

name: gpt-image-2
description: 面向 GPT Image 2 的图像生成 / 编辑技能。可在 3 种环境下使用：(A) Garden 本地模式，通过 OpenAI 兼容接口直接出图并落盘；(B) Host-Native 模式，把本 Skill 当作提示词工程指引，把渲染好的 prompt 交给宿主 Agent 自带的图像工具出图；(C) Advisor 模式，宿主无任何图像工具时退化为高质量 prompt 顾问。涵盖 18 大类、80+ 个结构化模板，覆盖海报 / UI / 产品 / 信息图 / 学术图 / 技术架构图 / 漫画 / 头像 / 流程板 / 电影分镜 / IP 周边 / 编辑工作流等场景。

GPT Image 2

这是一个面向 GPT Image 2 的聚焦型技能，在 3 种运行环境下都能用，但行为差异显著。**第一步必须先确定当前运行模式**。

它只做两类图像任务：

• 生成图片：`POST /images/generations`
• 编辑图片：`POST /images/edits`

本文件保留：运行模式、技能结构、环境变量、保存 / 命名规则、模板索引、模式感知工作流。详细模板全部放在 `references/`，分层组织：

• 一级：分类目录
• 二级：单模板 Markdown 文件

运行模式（必读，做任何事之前先确定）

本 Skill 自带一个轻量探测脚本，先跑一次，再根据结果决定怎么干活：

node skills/gpt-image-2/scripts/check-mode.js
# 想拿结构化结果给上层程序用：
node skills/gpt-image-2/scripts/check-mode.js --json

输出会给出 `mode = A` / `A?` / `B-or-C` 以及 `recommendation`。三个模式定义如下：

Mode A · Garden 本地生图

**触发条件**：环境变量 `ENABLE_GARDEN_IMAGEGEN` 为真（`1` / `true` / `yes` / `on`）**且** 存在 `OPENAI_API_KEY`。

**行为**：完整端到端跑通"选模板 → 写 prompt → 调用脚本 → 出图落盘"。

• 用 `scripts/generate.js` 文本生图、`scripts/edit.js` 编辑现有图。
• prompt 默认落盘到 `garden-gpt-image-2/prompt/`、图片落盘到 `garden-gpt-image-2/image/`。
• 这是最强的模式：你是图像工具的"持有者"。

Mode B · Host-Native 委托宿主出图

**触发条件**：未启用 Garden（`ENABLE_GARDEN_IMAGEGEN` 未设置 / 为假），但**当前宿主 Agent 自带图像生成工具或图像 MCP**。

**典型识别信号**（你应该自检）：

• 你的工具集里出现 `image_generation` / `imagegen` / `dalle` / `nano_banana` / `mcp__*image*` / `make_image` / 类似名字
• 用户在 ChatGPT / Codex / Gemini / Cursor 等支持原生出图的客户端中调用本 Skill
• 用户显式说"用你自己的工具出图"

**行为**：本 Skill **退化成提示词工程指引**——

1. 仍按"选模板 → 填字段 → 渲染最终 prompt"的流程走。 2. **不要调用 `node scripts/generate.js`**（没有 API key、必失败）。 3. 直接调用宿主自带的图像工具，把渲染好的 prompt 作为输入。 4. 如用户希望可顺手把 prompt 文件保存到 `garden-gpt-image-2/prompt/`，但图片去向由宿主决定，不强制。

Mode C · Advisor 纯提示词顾问

**触发条件**：未启用 Garden，**且**宿主 Agent 也没有任何图像生成工具。

**行为**：本 Skill 退化为"高质量 prompt 撰写顾问"——

1. 按"选模板 → 填字段 → 渲染最终 prompt"流程走，缺信息就问用户。 2. 把最终 prompt **直接打印给用户** + 保存一份到 `garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md`。 3. 附一句简短的"如何使用"建议（如：丢进 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 自己后端 / 第三方 GPT Image 2 网关）。 4. **不要假装出图成功**。明确告知用户："已生成可直接复用的高质量 prompt，请用你的图像工具执行。"

模式决策表

| 条件 | 模式 | 调用脚本？ | 落盘 prompt？ | 落盘图片？ | |---|---|---|---|---| | `ENABLE_GARDEN_IMAGEGEN=1` + 有 KEY | **A** | ✅ `generate.js` / `edit.js` | ✅ 自动 | ✅ 自动 | | `ENABLE_GARDEN_IMAGEGEN=1` 但没 KEY | A? | ❌（先要 KEY） | — | — | | 未启用 + 宿主有图像工具 | **B** | ❌（用宿主工具） | 可选 | 由宿主决定 | | 未启用 + 宿主无图像工具 | **C** | ❌ | ✅ 必须 | ❌（无法） |

模式不确定时

• 如果你判断不清自己是 B 还是 C，**直接问用户一句**："是用你环境里的图像工具出图，还是只要我写好提示词？"
• Mode A 调脚本失败（401 / 网络 / 配额）→ 报错并询问"切到 B / C 吗？"

用户输入工具

当此技能需要向用户提问时，遵循以下规则：

1. 优先使用当前运行时提供的用户输入工具。 2. 如果没有对应工具，则用简短的纯文本编号问题提问。 3. 能合并的问题尽量一次问完。

技能结构

• `scripts/check-mode.js`：**先跑这个**，检测运行模式（A / B / C）
• `scripts/generate.js`：文本生图（仅 Mode A 使用）
• `scripts/edit.js`：基于原图 / 遮罩改图（仅 Mode A 使用）
• `scripts/shared.js`：共享请求、保存、环境变量读取逻辑
• `references/`：分层结构化提示词模板（A / B / C 三模式都用）

环境变量

按以下顺序读取配置：

1. CLI 参数 2. `process.env` 3. `<cwd>/.env` 4. `<cwd>/.gateway.env` 5. `~/.gateway.env`

核心变量：

• `ENABLE_GARDEN_IMAGEGEN` — **模式开关**。`1` / `true` / `yes` / `on` 时启用 Mode A；未设置或其它值则进入 Mode B / C。
• `OPENAI_API_KEY` — Mode A 必需；B / C 不需要。
• `OPENAI_BASE_URL` — 默认 `https://api.openai.com/v1`，可指向第三方兼容网关。
• `OPENAI_IMAGE_MODEL` — 默认 `gpt-image-2`，可换成网关支持的型号（如 `gpt-image-1` / `dall-e-3`）。

默认实现按 OpenAI 兼容接口工作，不写死任何第三方网关。

默认输出目录

如果用户没有明确指定输出路径，统一使用当前工作区下的：

• 提示词目录：`garden-gpt-image-2/prompt/`（**A / B / C 三种模式都建议用**，方便复用与版本管理）
• 图片目录：`garden-gpt-image-2/image/`（**仅 Mode A 使用**；Mode B 由宿主决定，Mode C 不产生图）

如果目录不存在，脚本（Mode A）必须自动创建；Mode B / C 在写 prompt 前手动 `mkdir -p`。

默认命名规则

如果用户没有明确指定文件名，脚本应自动生成与当前任务相关的文件名，并追加当前时间戳，避免重名。

命名规则：

• 提示词：`garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md`
• 图片：`garden-gpt-image-2/image/<task-slug>-<timestamp>.png`

其中：

• `<task-slug>`：根据当前用户要求自动提取一个相关短名称
• `<timestamp>`：当前时间戳，例如 `20260424-153045`

示例：

• `garden-gpt-image-2/prompt/live-commerce-ui-20260424-153045.md`
• `garden-gpt-image-2/image/live-commerce-ui-20260424-153045.png`
• `garden-gpt-image-2/prompt/vr-headset-exploded-view-20260424-153102.md`
• `garden-gpt-image-2/image/vr-headset-exploded-view-20260424-153102.png`

Prompt 保存规则

| 模式 | 是否必须保存 prompt | 说明 | |---|---|---| | Mode A | ✅ 必须 | 进入实际生成 / 编辑流程必落盘 | | Mode B | 推荐 | 默认建议保存方便复用；用户说"不用"就略过 | | Mode C | ✅ 必须 | 用户拿走 prompt 自己执行，不落盘等于白干 |

通用规则（适用三种模式）：

1. 如果用户显式给了 prompt 文件路径，可直接使用该文件作为输入。 2. 如果用户直接给的是文本 prompt，也要先把最终 prompt 保存到 `garden-gpt-image-2/prompt/`。 3. 如果用户显式指定了 `--prompt-output`，则尊重用户指定路径。 4. 否则使用默认命名规则自动保存。

图片保存规则（仅 Mode A）

1. 如果用户显式指定了 `--image` 或 `--output`，则尊重用户指定路径。 2. 否则默认保存到 `garden-gpt-image-2/image/`。 3. 文件名应和当前任务语义相关，并附加时间戳。

Mode B 由宿主图像工具决定保存方式；Mode C 不产生图片。

快速用法

0. 检测运行模式（**任何任务的第一步**）

node skills/gpt-image-2/scripts/check-mode.js

输出会告诉你当前是 Mode A / B / C，决定后续是否调用 `generate.js` / `edit.js`。下面 1~4 仅在 **Mode A** 下使用。

1. 文本生图（Mode A）

node skills/gpt-image-2/scripts/generate.js \
  --prompt "A cute baby sea otter" \
  --size 1024x1024 \
  --quality high

2. 用提示词文件生图（Mode A）

node skills/gpt-image-2/scripts/generate.js \
  --promptfile garden-gpt-image-2/prompt/poster-20260424-153045.md

3. 编辑已有图片（Mode A）

node skills/gpt-image-2/scripts/edit.js \
  --image assets/source.png \
  --prompt "Replace the background with a clean studio scene"

4. 带遮罩的局部编辑（Mode A）

node skills/gpt-image-2/scripts/edit.js \
  --image assets/source.png \
  --mask assets/mask.png \
  --prompt "Replace only the masked area with a glass vase"

5. Mode B / C 的"用法"

没有命令行入口——本 Skill 此时只是**提示词工程指南**：

• **Mode B**：渲染好最终 prompt → 调用宿主自带的 `image_generation` 类工具（参数中传入 prompt）→ 拿到图。
• **Mode C**：渲染好最终 prompt → 保存到 `garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md` → 把内容直接展示给用户 → 提示用户在哪些图像工具中可以直接复用。

JSON 模板工作方式

当 `references/` 中提供 JSON 模板时，按下面规则使用：

1. 先从 `SKILL.md` 找到最贴近的分类目录。 2. 再定位到具体模板文件。 3. 模板中的 `{argument ...}` 表示可替换参数。 4. 用户明确提供的值，直接填入。 5.