imagegen
生成网站与内容所需的一切视觉素材——用户说 生成图片、配图、插图、画一张、出一套图、logo、吉祥物、封面、海报、og 图、分享图、favicon 源图、用户场景图、真人图("一个人坐在电脑前")、手绘/蜡笔/水彩风插画、产品宣传图、电影感画面、"网站需要配图"、image gen、imagegen 时必用。也覆盖 rankup 建站流程里的"页面缺图、还是占位图、og:image 没图、每页要独立分享图、favicon 还没做"——这些场景不许用占位图,必须真实生成,一律加载本 Skill。底层走 Codex 内置的 OpenAI 图像生成工具;本 Skill 负责把需求翻成好提示词、跑通、验收、压缩、落盘。
yan-labs · 已有 AI 审核记录
安装与使用
运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。
npx skills add yan-labs/yan-skills --skill imagegen技能说明
name: imagegen metadata: version: "1.0.0" description: 生成网站与内容所需的一切视觉素材——用户说 生成图片、配图、插图、画一张、出一套图、logo、吉祥物、封面、海报、og 图、分享图、favicon 源图、用户场景图、真人图("一个人坐在电脑前")、手绘/蜡笔/水彩风插画、产品宣传图、电影感画面、"网站需要配图"、image gen、imagegen 时必用。也覆盖 rankup 建站流程里的"页面缺图、还是占位图、og:image 没图、每页要独立分享图、favicon 还没做"——这些场景不许用占位图,必须真实生成,一律加载本 Skill。底层走 Codex 内置的 OpenAI 图像生成工具;本 Skill 负责把需求翻成好提示词、跑通、验收、压缩、落盘。
imagegen
一句话定位:借 Codex agent 内置的图像生成能力出图;本 Skill 只管五件事——把需求翻成好提示词、把命令跑通、验收、压缩、放进项目该在的目录。
图像生成不是 CLI 子命令(没有 codex image;codex exec --image 是把图当输入附上)。它是 Codex agent 的内置工具 image_gen。不要翻 codex --help 找 flag,找不到就下结论"不能生图"——这个结论是错的。描述你要的图,让 agent 自己选方法。
启动命令
mkdir -p <outdir> # 先建目录,提示词里写它的绝对路径
cat <outdir>/prompt.md | codex exec --skip-git-repo-check \
--config model_reasoning_effort="medium" \
--sandbox danger-full-access \
-C <outdir> -o <outdir>/final.md 2>/dev/null
| 要点 | 说明 |
|---|---|
| 后台跑 | Bash 的 run_in_background: true,两张图约 2–3 分钟,成套图更久;等完成通知,不要轮询 |
--sandbox danger-full-access | 生图要走网络。这个 flag 是否需要确认取决于当前机器的授权设置:有常设授权就直接跑,没有就按该机器的规则确认一次;无论哪种,启动那一行都要说明用了哪个 sandbox |
-o <outdir>/final.md | 最终报告写进文件,从这里读路径与方法;stdout 是进度噪音,别去解析 |
2>/dev/null | 压掉 stderr 的思考流;调试 Codex 本身时才拿掉 |
| effort | medium 够用,这不是推理任务 |
不传 -m | 用 ~/.codex/config.toml 的默认模型,用户点名才覆盖 |
| 原图在哪 | Codex 每次 image_gen 的原始输出都落在 ~/.codex/generated_images/<session-id>/exec-*.png(0.7–1.5 MB/张);输出目录里的是它后处理过的版本,要原图去那里取 |
codex --version 失败或启动就退出:先 codex doctor,如实报告,不要盲目重试。
提示词怎么写
一份 prompt.md 必含六样,缺一样就会出一类问题:
- 输出目录绝对路径(已
mkdir -p)。 - 逐张编号:精确文件名 + 具体描述 + 像素尺寸/比例。
- 共享风格块:画风、背景、hex 调色板、光线、镜头——一套图靠它保持一致。
No text, no letters, no logos, no watermarks.生成的字几乎必花,非英文界面更是错字;文字后期用 HTML/CSS 叠。- 逃生口:
If you genuinely cannot generate images, say so plainly. Do not substitute placeholders, ASCII art, solid rectangles, or images downloaded from the web. - 回报要求:每个文件的绝对路径、实际像素、字节数、有无 alpha、所用方法(哪个工具/模型、有无本地后处理)。
透明图务必写 true alpha, not a white/dark square——实测 Codex 靠这句自检,第一版烤了底色又自己返工。
再加一条常用兜底:If the exact size is unsupported, generate the nearest aspect and resize locally (sips / PIL) to the exact pixels; keep alpha for transparent items.
完整示例(吉祥物 + og:image 两张一套)
Generate two images with your built-in image generation tool and save them to:
<outdir absolute path>/
Shared style: palette #2563EB (primary) #F59E0B (accent) #0F172A (ink) #F8FAFC (paper).
No text, no letters, no logos, no watermarks anywhere.
1. `mascot-logo.png` — 1024x1024, transparent background PNG (true alpha, not a white square).
A friendly round owl holding a tiny wrench. Flat vector style, bold clean shapes,
2-3 flat tones per element, no gradients, no drop shadows. Occupies 75-80% of the
frame, centered, props included in that measure.
2. `og-image.png` — 1200x630 (1.91:1), opaque. Photorealistic editorial photo: a person
in their late twenties at a wooden desk in front of a laptop, soft window light from
the left, shallow depth of field, calm home office, mug and small plant. Eye-level,
subject on the left so the right third is clean negative space. Laptop screen is a
soft blurred blue-white glow, nothing readable.
Rules: if you genuinely cannot generate images, say so plainly — no placeholders, ASCII
art, solid rectangles, or web downloads. If the exact size is unsupported, generate the
nearest aspect and resize locally (sips / PIL); keep alpha for the mascot.
Report per file: absolute path, actual pixels, bytes, alpha yes/no, method used.
按用途的模板
| 用途 | 尺寸 / 格式 | 风格块要点 | 必写约束 |
|---|---|---|---|
| logo / favicon 源图 | 1024×1024 透明 PNG;后续 sips -Z 缩出 512/192/180/32/16 | flat vector, bold silhouette, 2–3 tones, no gradients | 主体占 75–80%;16px 下还认得出(单一形状,不靠细节);不要文字 |
| 吉祥物 | 1024×1024 透明 PNG;成套则同一提示词多姿势 | 同上 + 头身比、眼径÷头宽等数字化特征 | 物种、道具(只准一个)、配色全部写死;道具不计入占比 |
| og:image / 分享图 | 1200×630,不透明;每页一张独立 | 主体偏一侧,另一侧留干净负空间(标题后期叠) | 缩到 120px 仍看得出主体;不要文字;不得全站共用 |
| 内页配图 | 1600×900 或 4:3;JPEG/WebP | 与站点调色板一致;同一站同一画风 | 与该页目标词语义相关(写出场景,不写关键词) |
| 用户场景 / 真人图 | 1600×1067(3:2)或 1200×630 | photorealistic editorial, natural window light, shallow DoF, 35–50mm 视角 | 写年龄段、动作、环境、光向、构图;屏幕内容"模糊发光,无可读文字";不写真人姓名 |
| 手绘 / 蜡笔 / 水彩插画 | 1600×1200 或方图;带纸纹则不透明 | crayon on textured paper / loose watercolor, visible strokes, limited palette | 写纸色与颗粒感;线条粗细;留白比例 |
| 海报 / 电影感画面 | 2:3(1000×1500)竖 或 21:9 横 | cinematic, anamorphic, volumetric light, color grade 写成 hex 两色 | 文字区留空;主体位置写清(三分法哪一格) |
尺寸比例写清,模型给不了精确像素时靠本地缩放,见「压缩与落盘」。
一套图的一致性
- 一个提示词文件出一套,共享风格块放最上面,逐张只写差异;分批跑时把同一段风格块原样复制。
- 调色板用 hex 写死,不写"蓝色系";同一套里角色比例、线宽、纸纹也写成数字。
- 形容词见顶("再日式一点")就改用可测量参数:头身比、眼径÷头宽、线宽÷图宽、HSV 饱和度区间、留白占比。把参考组和产出用同一段脚本量一遍,出「参数 | 参考区间 | 我们的值 | 判定」表,感觉才能变成可逐条修的清单。
- 可以默认用目标语言写提示词(n=3 盲评倾向目标语言,但未达显著),真正确定有效的是把视觉约束写成数字。
验收:三道检查,缺一道漏一类问题
出处:codex/SKILL.md「一套图的验收」,2026-08-22 一次 16 张角色图的实录,三道各自抓到了不同缺陷。
先用 Read 逐张打开看过,再谈下面三道;没看过的图不准接进页面。
- 接触印相(抓构图失衡):全部缩到 120px 横向拼一张——这就是结果页/分享卡的真实尺寸。全尺寸下漂亮、缩略图只剩一把椅子的图,只有这一步能暴露。
sips -Z 120 in.png --out thumbs/in.png - alpha 包围盒占比(把"够不够大"变成数字):
实测一组六张 41%–66%,没有一张达标且相差 1.6 倍,并排看只觉得"有点乱"。提示词里除了写占比还要写明道具不计入。from PIL import Image im = Image.open(f).convert('RGBA'); bb = im.getchannel('A').getbbox() frac = (bb[2]-bb[0])*(bb[3]-bb[1]) / (im.width*im.height) # 目标 0.75–0.80 - 独立盲评(抓风格与规则遵从,最容易被省掉):成对结果打乱成
pairN-A/B,对照表放项目目录之外,派一个没参与生成的 agent 评,明说「看不出差别」可接受。非盲判断曾被盲评整组反转,机制是多出来的道具。
参考图 / mood board
风格不受版权保护,喂参考图是设计行业的常规做法。控制点在输出端,不在输入端:
- 参考图用一组(10 张以上不同来源拼 mood board),不用单张——单张最容易长得像原图。
- 参考图只传质感(线条、上色、头身比),主体由我们写死:物种、道具、姿势、配色。
- 出图后与参考组并排做相似性检查:"这张会被认成某个已有角色吗"——像了就改主体特征重生成,不改风格。
- 提示词里不点名受版权保护的角色或"in the style of X":参考图已把信息传到,点名只加风险不加效果。
压缩与落盘
原图约 1 MB/张 PNG,不压缩不许进仓库。
sips -s format jpeg -s formatOptions 82 in.png --out out.jpg # 不透明图:JPEG,4 MB 一套压到 1 MB 内
cwebp -q 82 in.pn
阅读完整来源 ↗