gpt-image-gen

GPT 图片生成器

通过 OpenAI API 调用 gpt-image-2 生成图片。优先走 Images API（/v1/images/generations），不可用时自动 fallback 到 Responses API（/v1/responses）。设计为既可被用户直接调用，也可被其他技能（如 PPT 叙事分镜技能）程序化调用。

核心能力

• 接收提示词 + 样式要求，调用 GPT 图片模型生成 PNG
• 双协议支持：优先 Images API，自动 fallback Responses API
• 首次使用时保存项目级 host/key 配置
• 后续同一项目自动复用配置
• 支持指定输出路径，默认写入当前会话根目录的 image_output/
• 不向日志输出完整 key

执行流程

Step 1: 检查项目配置

配置保存于调用该技能的项目/会话根目录下：

.gpt-image-gen/
├── config.json        # host、模型、默认尺寸等非敏感配置
├── credentials.json   # API key
└── .gitignore         # 忽略本目录内所有内容

先检查配置：

cd <gpt-image-gen 技能目录>
bun scripts/config.ts --check --workspace <项目根目录绝对路径>

如果配置存在且可读取，继续生成图片。

如果配置不存在，必须引导用户提供：

1. host：API 服务地址，例如 https://api.openai.com 或 https://example.com/v1
2. key：API key

拿到 host/key 后，先验证再保存（验证时优先尝试 Images API，失败后自动尝试 Responses API）：

bun scripts/config.ts \
  --set \
  --workspace <项目根目录绝对路径> \
  --host <host> \
  --key <key> \
  --image-model gpt-image-2

验证失败时不要保存配置，向用户报告脱敏后的错误原因。

Step 2: 明确生成意图

需要两个关键输入：

1. 图片提示词（必需）：描述要生成什么图片的详细文本
2. 样式要求（可选）：视觉风格、配色、布局等要求

如果用户没给提示词而是给了一段内容或文件，先把内容转化为适合图片生成的提示词。转化时：

• 提取核心主题和关键视觉元素
• 用英文描述视觉构图，中文只出现在标题/具体内容引用中
• 指定比例（默认 16:9）
• 结合用户指定的样式要求

如果用户只给了很短的模糊需求，先用 AskUserQuestion 补齐最影响结果的选项：

• 用途：封面 / 插图 / 海报 / PPT 配图
• 画幅：16:9 / 1:1 / 3:4 / 自定义
• 风格：现代简约 / 商务科技 / 手绘插画 / 自定义

如果用户已经给出清晰提示词，不要为了形式强行追问。

如果用户既没有显式指定提示词文件保存目录，也没有显式指定图片输出目录，则默认使用调用该技能的会话当前根目录下的 image_output/ 作为工作目录，并在其中创建：

• prompts/：保存生成或整理后的提示词文件
• images/：保存最终生成的图片

不要把提示词、图片或配置写到 gpt-image-gen 技能自身目录里；技能目录只用于读取脚本。

Step 3: 构建完整提示词

将用户的图片描述和样式要求组合成一份完整提示词。如果是从其他技能调用（如 ppt-storyboard），提示词已经准备好，直接使用。

提示词保存为 .md 文件，路径由调用方指定；如果调用方未指定，则默认保存到当前会话根目录下 image_output/prompts/。图片默认保存到当前会话根目录下 image_output/images/。

直接用户调用时，提示词应组织成便于预览的结构：

Generate an image based on the following description:

## Subject
...

## Composition
...

## Style
...

## Constraints
- Aspect ratio: 16:9
- No unwanted text unless explicitly requested