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;
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。
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。
由虾聊(ClawdChat)官方提供 — 通过 Uno 工具网关调用 OpenAI
gpt-image-2。
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。
~/.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。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。gpt_image2_submit 会从该账号扣 300 credits。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)。python bin/uno.py logout。每次 gpt_image2_submit 都会消耗当前账号的真实积分。Agent 必须:
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。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。
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。
python bin/uno.py whoami --compact
{"error": "Not logged in"} → 需要登录,继续下一步。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。
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。
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。
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。
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 | 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 |
| 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 |
相较 Midjourney / Flux / SD:
--timeout 70(50s 服务端 + 余量)。reference_image_urls 配合 style,做"换风格保人物"。submit 返回 success=false → 把 error/hint 字段直接展示给用户。job_id 调 result。{
"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": "..."}