gpt-image-2

GPT Image 2

這是一個面向 GPT Image 2 的聚焦型 Skill，在 3 種執行環境下都能使用，但行為差異顯著。第一步必須先確定目前的執行模式。

它只處理兩類圖像任務：

• 生成圖片：POST /images/generations
• 編輯圖片：POST /images/edits

本文件保留：執行模式、Skill 結構、環境變數、儲存／命名規則、範本索引、模式感知工作流程。詳細範本全部放在 references/，分層組織：

• 一級：分類目錄
• 二級：單一範本 Markdown 檔案

執行模式（必讀，執行任何操作前請先確定）

本 Skill 內建一個輕量檢測腳本，請先執行一次，再根據結果決定如何運作：

node skills/gpt-image-2/scripts/check-mode.js
# 若想取得結構化結果供上層程式使用：
node skills/gpt-image-2/scripts/check-mode.js --json

輸出會顯示 mode = A / A? / B-or-C 以及 recommendation。三種模式定義如下：

Mode A · Garden 本地出圖

觸發條件：環境變數 ENABLE_GARDEN_IMAGEGEN 為真（1 / true / yes / on）且 存在 OPENAI_API_KEY。

行為：完整端到端跑通「選擇範本 → 撰寫 Prompt → 呼叫腳本 → 出圖並儲存至本機」。

• 使用 scripts/generate.js 進行文字生圖、scripts/edit.js 編輯既有圖片。
• Prompt 預設儲存至 garden-gpt-image-2/prompt/、圖片預設儲存至 garden-gpt-image-2/image/。
• 這是功能最強的模式：你擁有圖像工具的控制權。

Mode B · Host-Native 委託宿主出圖

觸發條件：未啟用 Garden（ENABLE_GARDEN_IMAGEGEN 未設定／為假），但目前宿主 Agent 自帶圖像生成工具或圖像 MCP。

典型辨識訊號（你應進行自我檢測）：

• 你的工具集中出現 image_generation / imagegen / dalle / nano_banana / mcp__*image* / make_image 或類似名稱
• 使用者在 ChatGPT / Codex / Gemini / Cursor 等支援原生出圖的用戶端中呼叫本 Skill
• 使用者明確表示「使用你自己的工具出圖」

行為：本 Skill 退化為 Prompt 工程指引——

1. 仍按照「選擇範本 → 填寫欄位 → 渲染最終 Prompt」的流程進行。
2. 切勿呼叫 node scripts/generate.js（缺乏 API key，必定失敗）。
3. 直接呼叫宿主自帶的圖像工具，並將渲染好的 Prompt 作為輸入傳入。
4. 若使用者希望，可順手將 Prompt 檔案儲存至 garden-gpt-image-2/prompt/，但圖片儲存位置由宿主決定，不予強制。

Mode C · Advisor 純 Prompt 顧問

觸發條件：未啟用 Garden，且宿主 Agent 亦無任何圖像生成工具。

行為：本 Skill 退化為「高品質 Prompt 撰寫顧問」——

1. 按照「選擇範本 → 填寫欄位 → 渲染最終 Prompt」流程進行，若缺少資訊則詢問使用者。
2. 將最終 Prompt 直接印出給使用者 + 儲存一份至 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md。
3. 附上一句簡短的「如何使用」建議（例如：貼入 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 自有後端 / 第三方 GPT Image 2 閘道）。
4. 切勿假裝出圖成功。明確告知使用者：「已生成可直接複用的高品質 Prompt，請使用您的圖像工具執行。」

模式決策表

條件	模式	呼叫腳本？	儲存 Prompt？	儲存圖片？
ENABLE_GARDEN_IMAGEGEN=1 + 有 KEY	A	✅ generate.js / edit.js	✅ 自動	✅ 自動
ENABLE_GARDEN_IMAGEGEN=1 但無 KEY	A?	❌（先索取 KEY）	—	—
未啟用 + 宿主有圖像工具	B	❌（使用宿主工具）	可選	由宿主決定
未啟用 + 宿主無圖像工具	C	❌	✅ 必須	❌（無法）

模式不確定時

• 若你無法確定自己處於 B 還是 C，請直接詢問使用者：「請問要使用您環境中的圖像工具出圖，還是只需要我撰寫好 Prompt？」
• Mode A 呼叫腳本失敗（401 / 網路 / 配額）→ 報錯並詢問：「是否切換至 B / C 模式？」

使用者輸入工具

當本 Skill 需要向使用者提問時，請遵循以下規則：

1. 優先使用目前執行階段 (Runtime) 提供的使用者輸入工具。
2. 若無對應工具，則使用簡短的純文字編號問題提問。
3. 可合併的問題請儘量一次問完。

Skill 結構

• scripts/check-mode.js：請先執行此腳本，檢測執行模式（A / B / C）
• scripts/generate.js：文字生圖（僅 Mode A 使用）
• scripts/edit.js：基於原圖／遮罩修改圖片（僅 Mode A 使用）
• scripts/shared.js：共用請求、儲存、環境變數讀取邏輯
• references/：分層結構化 Prompt 範本（A / B / C 三種模式皆適用）

環境變數

依據以下順序讀取設定：

1. CLI 參數
2. process.env
3. <cwd>/.env
4. <cwd>/.gateway.env
5. ~/.gateway.env

核心變數：

• ENABLE_GARDEN_IMAGEGEN — 模式開關。設定為 1 / true / yes / on 時啟用 Mode A；未設定或其他值則進入 Mode B / C。
• OPENAI_API_KEY — Mode A 必備；B / C 不需要。
• OPENAI_BASE_URL — 預設為 https://api.openai.com/v1，可指向第三方相容閘道。
• OPENAI_IMAGE_MODEL — 預設為 gpt-image-2，可替換為閘道支援的模型（如 gpt-image-1 / dall-e-3）。

預設實作依據 OpenAI 相容介面運作，不硬編碼 (hardcode) 任何第三方閘道。

預設輸出目錄

若使用者未明確指定輸出路徑，統一使用目前工作區下的：

• Prompt 目錄：garden-gpt-image-2/prompt/（建議 A / B / C 三種模式皆使用，方便複用與版本管理）
• 圖片目錄：garden-gpt-image-2/image/（僅 Mode A 使用；Mode B 由宿主決定，Mode C 不產生圖片）

若目錄不存在，腳本（Mode A）必須自動建立；Mode B / C 請在寫入 Prompt 前手動執行 mkdir -p。

預設命名規則

若使用者未明確指定檔名，腳本應自動生成與目前任務相關的檔名，並附加上目前時間戳記，以避免檔名重複。

命名規則：

• Prompt：garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md
• 圖片：garden-gpt-image-2/image/<task-slug>-<timestamp>.png

其中：

• <task-slug>：根據目前使用者需求自動擷取相關的短名稱
• <timestamp>：目前時間戳記，例如 20260424-153045

範例：

• garden-gpt-image-2/prompt/live-commerce-ui-20260424-153045.md
• garden-gpt-image-2/image/live-commerce-ui-20260424-153045.png
• garden-gpt-image-2/prompt/vr-headset-exploded-view-20260424-153102.md
• garden-gpt-image-2/image/vr-headset-exploded-view-20260424-153102.png

Prompt 儲存規則

模式	是否必須儲存 Prompt	說明
Mode A	✅ 必須	進入實際生成／編輯流程務必寫入本機
Mode B	推薦	預設建議儲存以方便複用；若使用者表示「不需要」即可略過
Mode C	✅ 必須	使用者取得 Prompt 後自行執行，若未寫入本機等於白費工夫

通用規則（適用三種模式）：

1. 若使用者明確提供了 Prompt 檔案路徑，可直接使用該檔案作為輸入。
2. 若使用者直接提供文字 Prompt，亦需先將最終 Prompt 儲存至 garden-gpt-image-2/prompt/。
3. 若使用者明確指定了 --prompt-output，則尊重使用者指定的路徑。
4. 否則採用預設命名規則自動儲存。

圖片儲存規則（僅 Mode A）

1. 若使用者明確指定了 --image 或 --output，則尊重使用者指定的路徑。
2. 否則預設儲存至 garden-gpt-image-2/image/。
3. 檔名應與目前任務語意相關，並附加上時間戳記。

Mode B 由宿主圖像工具決定儲存方式；Mode C 不產生圖片。

快速用法

0. 檢測執行模式（任何任務的第一步）

node skills/gpt-image-2/scripts/check-mode.js

輸出會告知您目前為 Mode A / B / C，以決定後續是否呼叫 generate.js / edit.js。下方 1~4 僅限在 Mode A 下使用。

1. 文字生圖（Mode A）

node skills/gpt-image-2/scripts/generate.js \
  --prompt "A cute baby sea otter" \
  --size 1024x1024 \
  --quality high

2. 使用 Prompt 檔案生圖（Mode A）

node skills/gpt-image-2/scripts/generate.js \
  --promptfile garden-gpt-image-2/prompt/poster-20260424-153045.md

3. 編輯既有圖片（Mode A）

node skills/gpt-image-2/scripts/edit.js \
  --image assets/source.png \
  --prompt "Replace the background with a clean studio scene"

4. 帶遮罩的局部編輯（Mode A）

node skills/gpt-image-2/scripts/edit.js \
  --image assets/source.png \
  --mask assets/mask.png \
  --prompt "Replace only the masked area with a glass vase"

5. Mode B / C 的「用法」

無命令列入口——本 Skill 此時僅作為 Prompt 工程指南：

• Mode B：渲染完成最終 Prompt → 呼叫宿主自帶的 image_generation 類型工具（在參數中傳入 Prompt）→ 取得圖片。
• Mode C：渲染完成最終 Prompt → 儲存至 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md → 將內容直接展示給使用者 → 提示使用者可在哪些圖像工具中直接複用。

JSON 範本運作方式

當 references/ 中提供 JSON 範本時，請按以下規則使用：

1. 先從 SKILL.md 找到最符合的分類目錄。
2. 再定位至具體的範本檔案。
3. 範本中的 {argument ...} 表示可替換參數。
4. 使用者明確提供的值，直接填入。
5. 使用者未提供，但範本有標示 default 的，預設可先採用預設值。
6. 若缺少資訊會顯著影響結果，請主動詢問使用者。
7. 使用者亦可明確表示「由你隨機生成」，此時可保留預設值或在範本允許範圍內進行合理隨機化。

詢問規則

當範本缺少關鍵變數時，切勿籠統地詢問「您想要什麼風格？」。應根據範本欄位進行精確提問。

例如直播 UI 範本缺少主體時，應優先詢問：

• 主播是誰？
• 要使用真人照片、名人姓名、人物描述，還是完全隨機生成？

缺少商品資訊時應詢問：

• 商品名稱為何？
• 商品價格是否指定？
• 是否希望我自動補全評論與禮物內容？

範本索引

請依據任務類型僅讀取最符合的具體範本檔案，切勿一次性讀取整份 references/。

1. 方法論總文件

先讀取：

• references/prompt-writing.md

適用於：

• 尚未決定如何建構 JSON 範本
• 需要判斷哪些欄位該詢問、哪些欄位可留預設、哪些欄位可隨機
• 需要將案例抽象化為可複用的範本

2. UI Mockups (references/ui-mockups/)

適合各種「介面 + 內容」的 Mockup 視覺。目前已上線：

• live-commerce-ui.md — 電商直播帶貨截圖 Mockup（主播 + 聊天區 + 禮物區 + 商品卡）
• social-interface-mockup.md — 社群平台動態詳情頁 Mockup（Twitter/X、小紅書、微博、Threads 等）
• product-card-overlay.md — 落地頁 (Landing Page) hero / 詳情頁主圖（人物 + 商品 + 賣點 + 價格）
• chat-interface-scene.md — 聊天／對話介面 Mockup（iMessage、LINE/微信、群組聊天、AI 助手）
• short-video-cover-ui.md — 短影片封面／直播縮圖（YouTube、TikTok/抖音、Bilibili、VTuber stream）
• landing-page-case-study.md — 深色 SaaS / 行銷 case study 長頁面 UI mockup（多 section + 捲動敘事 + 數據卡 + CTA）

3. Product Visuals (references/product-visuals/)

適合「以商品為視覺中心」的圖片。目前已上線：

• exploded-view-poster.md — 產品爆炸圖海報（主體垂直堆疊 + callout 標示 + 頂部 logo + 底部品牌區）
• white-background-product.md — 電商純白底主圖（單品／多角度／極簡行銷圖層）
• premium-studio-product.md — 高階棚拍商業產品圖（雜誌廣告級氛圍）
• packaging-showcase.md — 禮盒／包裝展示圖（外盒 + 內容物展示）
• lifestyle-product-scene.md — 生活風格產品情境圖（商品呈現於真實情境中）
• ecommerce-marketing-board.md — 電商超複合銷售看板（主圖 + 詳情頁 + 賣點 + 使用步驟 + 情境 + TVC 分鏡組合於單一圖表）

4. Maps (references/maps/)

適合「地圖類視覺」（資訊圖表已抽離至獨立分類 17）。目前已上線：

• food-map.md — 城市美食手繪地圖（編號點位 + 圖例 + 中心吉祥物）
• travel-route-map.md — 旅遊路線圖（多日行程／單日 city walk／戶外路線）
• illustrated-city-map.md — 城市風貌插畫地圖（地標 + 風景 + 文化元素）
• store-distribution-map.md — 品牌門市／服務覆蓋分布圖
• itinerary-day-trip-map.md — 一日遊 split 海報（左側羊皮紙行程卡 + 右側奇幻寫實地圖，5-7 個站點嚴格對齊）

5. Slides & Visual Docs (references/slides-and-visual-docs/)

適合「一頁講清楚一件事」的視覺文件。目前已上線：

• dense-explainer-slides.md — Irasutoya × 霞關混合高密度解說 Slide
• policy-style-slide.md — 政策／政府公告／白皮書風格說明 Slide
• visual-report-page.md — 商業報告執行摘要／投資人簡報／年報概覽頁
• educational-diagram-slide.md — 教學示意圖（概念／機制／流程拆解）

6. Poster & Campaigns (references/poster-and-campaigns/)

適合「品牌主視覺 + Campaign + Banner + 雜誌封面」。目前已上線：

• brand-poster.md — 品牌主海報（產品／人物／純文字主張）
• campaign-kv.md — Campaign Key Visual + 衍生版面 (Layout) 系統
• banner-hero.md — Web hero / 落地頁 / App banner（橫向構圖 + CTA）
• editorial-cover.md — 雜誌／期刊／出版物封面
• biomimetic-concept-poster.md — 仿生工業設計概念海報（自然原型 → 演化條 → hero render → 多視角技術圖）
• vintage-editorial-infographic.md — 復古檔案／1940s 編輯式資訊圖表海報（人物 + 公式 + 時間軸 + 模型，Bell Labs 風格）
• character-catalog-poster.md — 同一角色多版本資訊圖表海報（星座／元素／朝代／人格系列卡片）
• lineup-comparison-poster.md — 系列產品 Lineup 對比資訊圖表海報（30+ SKU 同圖呈現 + 圖例 + 等級 Key）

7. Portraits & Characters (references/portraits-and-characters/)

適合「人物視覺」。目前已上線：

• professional-portrait.md — 專業級商務肖像（LinkedIn／團隊頁面／媒體配圖）
• founder-portrait.md — 創辦人媒體大片肖像（戲劇感燈光 + 預留標題位置）
• virtual-host.md — VTuber／虛擬主播個人卡 + 直播預覽
• character-sheet.md — 角色綜合設定稿（三視圖 + 表情 + 服裝 + 配色板）
• pose-reference-sheet.md — N×N 姿勢／動作字典參考表（同一角色多種姿勢，舞蹈／戰鬥／健身）

8. Scenes & Illustrations (references/scenes-and-illustrations/)

適合「氛圍 + 故事 + 情緒」的插畫類視覺。目前已上線：

• healing-scene.md — 療癒系日常／季節情境插畫
• concept-scene.md — 電影感概念大場景／IP key art
• picture-book-scene.md — 繪本／童書內頁／節慶賀卡
• minimalist-mood-scene.md — 極簡留白氛圍圖／文學感桌布

9. Editing Workflows (references/editing-workflows/)

適合「基於既有圖片進行編輯」的修圖任務（對應 scripts/edit.js）。目前已上線：

• background-replacement.md — 背景替換（商品／人像／戶外／棚景）
• local-object-replacement.md — 局部物件替換（配合或不配合遮罩）
• object-removal.md — 雜物／路人／電線／瑕疵消除
• product-retouching.md — 產品修圖精修（光澤／標籤／陰影／瑕疵）
• portrait-local-edit.md — 人像局部修改（髮型／服裝／妝容／配件）

10. Avatars & Profile (references/avatars-and-profile/)

適合「風格化頭像／人設／網格／貼紙／系列肖像」等「個人形象」類視覺。目前已上線：

• style-transfer-selfie.md — 將參考圖人物轉換為 cosplay／哥德／復古底片／偶像寫真等任意風格
• character-grid-portrait.md — 同一角色 n×n 網格肖像（多職業／多表情／多朝代／多風格）
• themed-3d-icon.md — Kawaii 3D / Minecraft / 擬物 3D App 圖示風格頭像
• sticker-set.md — 貼紙套裝／表情包合集（獨立元素 + 邊框 + 標籤）
• cultural-portrait-series.md — 朝代／神話／文學／民族系列肖像

11. Storyboards & Sequences (references/storyboards-and-sequences/)

適合「多分鏡／漫畫／關係圖／流程步驟」等「敘事性序列」類視覺。目前已上線：

• four-panel-comic.md — 四格漫畫／諷刺漫畫／幽默短劇漫畫（起承轉合 + 對話氣泡）
• manga-spread-page.md — 單頁／跨頁漫畫分鏡（不規則分格 + 對話 + 內心獨白）
• anime-key-visual.md — 單圖動漫 KV／輕小說封面／IP 海報
• character-relationship-diagram.md — 角色關係圖海報（卡片 + 關係連線 + 圖例）
• recipe-process-flowchart.md — 食譜／教學／流程步驟圖（編號 + 插圖 + 說明）
• product-tvc-storyboard.md — 產品 TVC 商業廣告分鏡腳本（9-panel 實拍質感 + 鏡頭描述 + 秒數）
• cinematic-storyboard-grid.md — 電影感敘事分鏡 contact sheet（3×4 / 4×4，連續敘事 + cinematic still）
• process-photo-board.md — 真人 cinematic 流程板（裝備穿戴／化妝／訓練／操作拆解，編號 + 步驟遞進）

12. Grids & Collages (references/grids-and-collages/)

適合「多面板網格／拼貼／立項 Board」類視覺。目前已上線：

• banner-grid-2x2.md — 2×2 行銷 Banner 套裝（一次生成 4 張統一系列設計）
• lookbook-grid.md — 7 日 Lookbook／九宮格 self-care／TOP N 清單圖
• mixed-style-multi-panel.md — 多風格混合拼貼（同一主體不同畫風演繹）
• anime-pitch-board.md — 動漫／遊戲／影視立項 Pitch Board（KV + 角色 + 世界觀 + 文案）
• ad-banner-multi-grid.md — 多行業／多主題混合廣告 Banner 網格（每格獨立行業 + 風格 + 文案）

13. Branding & Packaging (references/branding-and-packaging/)

適合「品牌識別系統／吉祥物／包裝設計」類視覺。目前已上線：

• brand-identity-board.md — 品牌識別系統板（logo + 配色 + 字體 + 應用 mockup）
• mascot-brand-kit.md — 吉祥物多面板品牌識別套裝（主形象 + 三視圖 + 表情 + 應用）
• cosmetic-packaging.md — 化妝品／保養品 單瓶／系列／禮盒包裝
• beverage-label-design.md — 飲料／食品／調味品標籤設計（國潮／日系／歐美風）
• full-mascot-brand-doc.md — 18+ 模組大型品牌識別 + 吉祥物全流程文件（DNA / moodboard / 草圖 / 線稿 / 3D / 配色 / 材質 / 應用一圖概覽）
• character-merch-board.md — IP 角色 + 周邊／包裝／海報／社群 profile 多元素綜合品牌板

14. Typography & Text Layout (references/typography-and-text-layout/)

適合「文字優先／雙語版面」等「以文字為主視覺」的類型。目前已上線：

• title-safe-poster.md — 大字主張型海報（日系高能量／瑞士極簡／復古印刷）
• `bilingual-layout-visu...