Image-2 技能

使用 GPT-4o 原生图像生成 API 创建、编辑、转换和分析图像

何时使用该技能

当用户需要以下操作时，请使用此技能：

• 生成图像（基于文本描述，例如：“画一张……”、“生成图片……”、“create an image of...”）
• 编辑现有图像（使用自然语言指令，例如：“把背景去掉”、“add a sunset”、“换成蓝色”）
• 生成图像变体（例如：“生成几个变体”、“make 4 variations”）
• 分析/描述图像（例如：“这张图是什么”、“describe this image”、“提取文字”）
• 去除背景（例如：“去除背景”、“remove background”）
• 风格迁移（例如：“变成水彩风格”、“make it look like Van Gogh”）
• 创建营销视觉素材（例如：“设计海报”、“make a social media post”）
• 产品摄影（例如：“产品图”、“product shot on white background”）
• UI/UX 原型图（例如：“界面设计”、“app mockup”、“website screenshot”）

核心工作流

工作流 1：文生图（Text-to-Image Generation）

当用户描述其希望创建的图像时：

1. 增强提示词 — 自动添加质量提升项：

   • 根据上下文追加专业摄影/艺术类术语
   • 若未明确指定，补充光照、构图与氛围细节
   • 如需，明确输出格式与尺寸

2. 调用 API — 使用 generateImage() 并传入增强后的提示词：

   const result = await generateImage(enhancedPrompt, { size, quality, style });
   

3. 保存并展示结果 — 将图像下载至项目目录并向用户提供：

   • 默认保存至 ./generated-images/
   • 返回文件路径及简要描述

工作流 2：图像编辑（Image Editing）

当用户希望修改已有图像时：

1. 定位源图像 — 从对话上下文中获取图像文件路径
2. 解析编辑意图 — 理解用户希望进行的修改类型
3. 调用编辑 API — 使用 editImage()，传入源图像路径与编辑指令：

   const result = await editImage(imagePath, editInstruction, { mask: maskPath });
   

4. 展示结果 — 显示编辑后的图像，并说明具体变更内容

工作流 3：图像分析（Image Analysis）

当用户就某张图像提出问题时：

1. 获取图像 — 从文件路径或 URL 加载图像
2. 使用 GPT-4o Vision 分析 — 调用 describeImage()：

   const result = await describeImage(imageSource, question);
   

3. 汇报分析结果 — 以结构化方式呈现分析结论

工作流 4：批量生成（Batch Generation）

当用户需要生成多张图像时：

1. 解析批量请求 — 明确所需变体类型与数量
2. 并行生成 — 对每个变体分别调用 generateImage()
3. 组织结果 — 使用具有描述性的文件名保存图像

提示词增强规则

在生成图像时，自动增强用户原始提示词：

质量增强项（除非用户已明确指定质量要求，否则始终追加）

professional quality, high resolution, sharp details

上下文相关增强项

尺寸推荐

风格预设

常见风格请求的快捷参考：

API 参考文档

generateImage(prompt, options)

根据文本描述生成新图像。

参数：

• prompt（字符串）—— 图像描述（本技能将自动增强）
• options（对象）：
  • size — 1024x1024 | 1024x1792 | 1792x1024（默认：1024x1024）
  • quality — standard | hd（默认：standard）
  • style — vivid | natural（默认：vivid）
  • model — gpt-image-2 | dall-e-3（默认：gpt-image-2）
  • saveTo — 图像保存路径（默认：./generated-images/）

返回值： { success, url, localPath, revisedPrompt }

editImage(imagePath, prompt, options)

使用自然语言指令编辑已有图像。

参数：

• imagePath（字符串）—— 源图像路径
• prompt（字符串）—— 编辑指令
• options（对象）：
  • mask — 遮罩图像路径（白色区域为编辑区，黑色区域保持不变）
  • size — 输出尺寸
  • model — gpt-image-2 | dall-e-3（默认：gpt-image-2）

返回值： { success, url, localPath }

generateVariations(imagePath, options)

为已有图像生成创意变体。

参数：

• imagePath（字符串）—— 源图像路径
• options（对象）：
  • count — 变体数量（1–4，默认：2）
  • size — 输出尺寸

返回值： { success, variations: [{ url, localPath }] }

describeImage(imageSource, question)

使用 GPT-4o Vision 分析图像。

参数：

• imageSource（字符串）—— 图像文件路径或 URL
• question（字符串｜null）—— 关于图像的具体问题（默认：通用描述）

返回值： { success, description }

downloadImage(url, savePath)

将生成的图像下载至本地存储。

参数：

• url（字符串）—— 来自图像生成 API 的图像 URL
• savePath（字符串｜null）—— 本地保存路径（默认：在 ./generated-images/ 中自动生成）

返回值： { success, localPath }

错误处理

最佳实践

1. 始终增强提示词 — 切勿将原始用户输入直接传递给 API
2. 本地保存图像 — 下载生成的图像；URL 一小时后失效
3. 选用合适尺寸 — 根据使用场景匹配输出尺寸
4. 优先使用 gpt-image-2 — 相比 dall-e-3，具备更优图像质量与文本渲染能力
5. 合理执行批量生成 — 单次请求最多生成 2–4 张图像，避免触发速率限制
6. 清晰描述编辑需求 — 明确指出需修改的内容及位置

更新日志

v1.1.0

• 新增对 GPT-4o 原生图像生成的支持（gpt-image-2 模型）
• 新增自动提示词增强工作流
• 新增图像下载与本地保存功能
• 新增风格预设以供快速查阅
• 新增批量生成工作流
• 改进错误处理机制与文档完整性

v1.0.0

• 初始版本，支持 DALL-E 3
• 提供基础的生成、编辑、变体与描述功能

标签： image-generation AI-art GPT-4o image-2 gpt-image-2 visual-creation marketing product-photos illustration design openai dall-e image-editing background-removal style-transfer ui-mockup