GPT Image2(OpenAI 最强生图)

Polar Sponsor
爱发电 赞助
.NET 9.0

通过虾聊(ClawdChat)工具网关调用 GPT Image 2(OpenAI gpt-image-2)生成高质量图片。当用户要求创建 / 生成 / 绘制图片,或提到 GPT 画图、gpt-image-2、OpenAI 生图,或需要精确文字渲染(海报 / 信息图 / 菜单字)、多元素严格指令跟随、图生图保人保物,或使用吉卜力 / Pixar / 乐高 / 赛博朋克 / 粘土 / 盲盒 等具体风格时使用。

GPT Image 2 — 高质量 AI 生图

功能概述

GPT Image 2 — 高质量 AI 生图是一项面向实际任务的技能,主要用于由虾聊(ClawdChat)官方提供 — 通过 Uno 工具网关调用 OpenAI gpt-image-2;这个 skill 做什么;

核心要点

  • 两个命令行调用,对接虾聊公共工具网关:;
  • 工具 slug;
  • gpt-image-2.gpt_image2_submit;

使用与执行

提交生图任务,立即返回 job_id (异步);300 credits / 次;gpt-ima。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。

结果检查与注意事项

实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。

GPT Image 2 — 高质量 AI 生图

由虾聊(ClawdChat)官方提供 — 通过 Uno 工具网关调用 OpenAI gpt-image-2。

这个 skill 做什么

两个命令行调用,对接虾聊公共工具网关:

工具 slug 用途 费用
gpt-image-2.gpt_image2_submit 提交生图任务,立即返回 job_id(异步) 300 credits / 次
gpt-image-2.gpt_image2_result 查询任务状态、拿图片 URL 0 credits

内置的 bin/uno.py 负责认证、HTTP 传输和限流。无需安装其他 skill,装这一个即可直接使用。

凭证与权限声明(首次使用前请读完)

  • 凭证类型:虾聊 API key(Bearer token)。
  • 存放位置:~/.uno/credentials.json。由内置 bin/uno.py 全权管理,本 skill 不读取 / 不打印 / 不复制该文件。
  • 如何获得:运行 python bin/uno.py login(详见准备步骤)。内置脚本走虾聊 OAuth device-code 流程,授权完自动落盘。
  • 授权范围:以登录用户身份调用虾聊工具网关。每次 gpt_image2_submit 会从该账号扣 300 credits。
  • 网络外发:用户的 prompt 文本和 reference_image_urls 会通过 HTTPS 发送到虾聊网关。请不要在 prompt 里粘贴私人、机密或可识别个人身份的内容,除非已确认能接受网关的数据处理策略(详见 https://clawdchat.cn)。
  • 登出 / 撤销:运行 python bin/uno.py logout。

费用透明 & 确认规则

每次 gpt_image2_submit 都会消耗当前账号的真实积分。Agent 必须:

  1. 在第一次调用前向用户展示拟用的 prompt、size、style、张数。
  2. 如果用户在本轮还未明确同意生图,先征得用户确认再调用。
  3. 多张批量(n > 1)或重试,视为多次独立扣费事件,除非用户已批量授权,否则逐次确认。
  4. 拿到 error 响应时,把错误原文展示给用户,不要静默重试。

gpt_image2_result 查询免费,只有 submit 扣费。

准备步骤

无外部依赖。clawhub install gpt-image2-zh 后目录结构:

gpt-image2-zh/
├── SKILL.md
└── bin/
    └── uno.py    # 内置 CLI,无需额外安装

以下命令均在 gpt-image2-zh/ 目录内执行。

检查是否已登录

python bin/uno.py whoami --compact
  • 返回用户信息(名字、邮箱、积分)→ 凭证有效,跳过登录。
  • 返回 {"error": "Not logged in"} → 需要登录,继续下一步。

登录

python bin/uno.py login --start

终端会输出 device code 和授权链接(形如 https://clawdtools.uno/device?code=XXXX)。

在浏览器打开该链接——未登录时页面自动跳虾聊 SSO 登录,登录后回到授权页,点「授权」即可。

然后 poll 完成:

python bin/uno.py login --poll DEVICE_CODE

或直接运行 python bin/uno.py login(阻塞式,自动轮询,等待授权完成)。

凭证写入 ~/.uno/credentials.json,后续调用自动复用。

完整生图流程(异步)

GPT Image 2 单张 1024×1024 大约要 150 秒,超过默认 MCP 60s 超时,所以必须用 submit → 循环 result 模式。

Step 1:提交

python bin/uno.py call gpt-image-2.gpt_image2_submit --compact 
  --args '{"prompt":"樱花树下的柴犬,午后阳光","size":"1024x1024","style":"ghibli_anime"}'

响应(已扁平化,无需 content[0].text 解包):

{"success": true, "data": {"status": "pending", "job_id": "0b84b8f0f0c8", "estimated_seconds": 150}, "meta": {"latency_ms": 120, "credits_used": 300}}

记下 data.job_id。

Step 2:循环查询

python bin/uno.py call gpt-image-2.gpt_image2_result --compact --timeout 70 
  --args '{"job_id":"0b84b8f0f0c8","wait_seconds":50}'

wait_seconds=50 让服务端帮你等 50 秒(卡在 60s MCP 超时内);--timeout 70 是客户端余量。

反复调用直到 data.status 进入:

  • done — 完成,URL 在 data.items[].url。
  • error — 失败,data.error 给原因。
  • pending / running — 立刻再调一次。不要自己 sleep,服务端已经帮你等了 50 秒。

通常 3–5 轮(150–250 秒)拿到结果。

标准 Python 循环

用 subprocess.run 参数列表传参,避免 prompt 含 shell 元字符时的注入风险:

import json, subprocess, sys

UNO = "bin/uno.py"

def uno(args):
    r = subprocess.run(["python", UNO] + args, capture_output=True, text=True)
    return json.loads(r.stdout)

prompt = "梵高风格的星空"
resp = uno(["call", "gpt-image-2.gpt_image2_submit", "--compact",
            "--args", json.dumps({"prompt": prompt, "style": "oil_painting_vangogh"}, ensure_ascii=False)])
job_id = resp["data"]["job_id"]

for _ in range(6):
    r = uno(["call", "gpt-image-2.gpt_image2_result", "--compact", "--timeout", "70",
             "--args", json.dumps({"job_id": job_id, "wait_seconds": 50})])
    status = r["data"]["status"]
    if status == "done":
        print(json.dumps(r, ensure_ascii=False, indent=2))
        break
    if status == "error":
        print("Error:", r["data"].get("error"), file=sys.stderr)
        sys.exit(1)

参数说明

参数 说明 取值
prompt 图片描述(必填,中英文皆可) 任意文字
size 图片尺寸 1024x1024(默认)/ 1024x1536(竖)/ 1536x1024(横)/ auto
n 生成数量 1–4(默认 1)
style 风格 preset(见下表) 20 个 key 之一
reference_image_urls 参考图 URL(图生图) 字符串,多张逗号分隔

20 个内置风格 preset

key 风格说明
ghibli_anime 宫崎骏 / 吉卜力手绘动画
pixar_3d 皮克斯 / 迪士尼 3D 动画
claymation 粘土定格动画(Laika / Aardman)
lego_brick 乐高 / LEGO 积木
popmart_figurine 盲盒 / Pop Mart 手办
isometric_game 等距视角游戏场景(2.5D)
cinematic_photo 电影级写实摄影(35mm)
polaroid_film 宝丽来胶片
watercolor_ink 水彩 / 东方水墨晕染
oil_painting_vangogh 梵高油画厚涂
cyberpunk_neon 赛博朋克霓虹夜景
vintage_infographic 复古信息图 / 数据海报
movie_poster 电影海报(大标题 + 剧照)
flat_vector 扁平矢量插画 / 运营 banner
pixel_8bit 像素艺术 8 / 16-bit
papercraft_layered 层叠剪纸 / papercraft
exploded_diagram 科普爆炸图 / 结构分解
dreamcore_liminal 梦核 / 阈限空间
knolling_flatlay 俯视 knolling / 开箱摆拍
botanical_engraving 博物铜版画 / 古籍插画

能力亮点

相较 Midjourney / Flux / SD:

  • 文字渲染精准 — 海报标题、信息图、菜单字、表情包字,按 prompt 写进图里。
  • 指令跟随强 — 多元素 prompt、顺序、空间关系都会严格贯彻。
  • 图生图保人保物 — 参考图里的脸、品牌、角色跨图稳定保留。
  • 风格泛化广 — 吉卜力 / Pixar / 粘土 / 乐高 / 盲盒 / 博物铜版画都能驾驭。

Agent 工作流提示

  • 提交后预估约 150 秒/张,提前告诉用户。
  • result 已在服务端 sleep 50 秒,不要自己再 sleep。
  • result 调用统一加 --timeout 70(50s 服务端 + 余量)。
  • 用户用中文描述时直接传中文 prompt。
  • 用户提供参考图 → 用 reference_image_urls 配合 style,做"换风格保人物"。
  • 海报 / 信息图 / 菜单 → 充分利用 GPT 的文字渲染优势。
  • submit 返回 success=false → 把 error/hint 字段直接展示给用户。
  • 600 秒还在 running → 任务可能卡住,告诉用户后续可继续用同一 job_id 调 result。

响应格式

{
  "success": true,
  "data": {"status": "...", "job_id": "...", "items": [{"url": "..."}]},
  "meta": {"latency_ms": 120, "credits_used": 300}
}

直接读 data.status / data.job_id / data.items[].url。

错误响应:

{"success": false, "error": "...", "hint": "..."}

相关专题

更多
AI Agent 实战指南:从评测到落地
AI Agent 实战指南:从评测到落地

全面评测 Manus AI 与 ChatGPT、Claude、OpenAI Operator 等 AI Agent 产品,分析自动化能力、工作流与实际生产力差异。

2026.05.29

233

15

CVE-2026-114938高危漏洞修复
CVE-2026-114938高危漏洞修复

Java4Shell是OpenJDK Base64解码路径中的远程代码执行漏洞,编号CVE-2026-114938,2026年11月17日披露,官方已发布17.0.21.1、21.0.13.1等修复版本,建议优先升级 。本专题围绕Java4Shell(CVE-2026-114938)持续更新,从漏洞原理、受影响版本、受影响产品到修复与自查一站式汇总,适合Java开发、运维与安全人员快速定位风险。ARM64环境不受影响,x86-64环境请

2026.11.22

0

11

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

2026.11.20

0

7

Navicat入门教程大全
Navicat入门教程大全

本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。

2026.11.20

0

17

Navicat数据库连接配置指南
Navicat数据库连接配置指南

从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。

2026.11.20

0

10

PHP8.6数组与数据处理教程
PHP8.6数组与数据处理教程

本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。

2026.11.20

0

8

PHP8.6升级迁移教程
PHP8.6升级迁移教程

本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。

2026.11.20

0

10

PHP8.6安装配置与FPM运维教程
PHP8.6安装配置与FPM运维教程

本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。

2026.11.20

0

10

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

2026.11.20

0

8

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
ChatGPT入门手册
ChatGPT入门手册

共0课时 | 0人学习

Codex官方文档
Codex官方文档

共0课时 | 0人学习