gpt-image-2

# 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： ```bash 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/-.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. `/.env` 4. `/.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`