Mafunzo ya Qiaomu Codex ya Kutengeneza Picha: Ruhusu Claude, Cursor na Agent Yoyote Kuchagua Mtindo Kwanza Kisha Kutengeneza Picha

Muhtasari wa mradi

qiaomu-codex-imagegen hufunga uwezo wa kutengeneza picha uliojengwa ndani ya Codex kuwa huduma ya MCP, zana ya mstari wa amri na Agent Skill. Baada ya kusakinishwa, Claude Code, Codex, Cursor au Agent nyingine yoyote inayoweza kutekeleza amri inaweza kutengeneza faili za picha kwa kutumia maombi ya lugha asilia.

Ni tofauti na njia ya kawaida ya “kuingiza kidokezo kimoja moja kwa moja na kupata picha”: kwa chaguo-msingi, kwanza hutumia suggest_directions kupendekeza angalau mitindo minne yenye mbinu tofauti, kisha mtumiaji huchagua mwelekeo, compose_prompt hupanua kidokezo kamili, na hatimaye picha hutengenezwa na kukaguliwa.

Mradi una violezo vya matukio 24, mipangilio 48 ya awali, mitindo 66 ya jumla na mitindo ya wabunifu 20 wa mabango wa Mondo. Pia hutoa seti ya kanuni za maandishi, ukweli, mpangilio na uhakiki, hivyo unafaa kwa kutengeneza majalada, mabango, picha za mitandao ya kijamii, picha za bidhaa na uhariri wa picha za marejeo.

Mtiririko mkuu wa kazi

1. Pendekeza mwelekeo: Kulingana na mada na mazingira ya matumizi, rudisha angalau mielekeo minne yenye mbinu tofauti, kama vile maandishi yanayotawala, muundo tambarare, mhusika wa picha, picha ya karibu ya bidhaa au nafasi ya nyenzo.
2. Chagua mwelekeo: Mtumiaji anaweza kuchagua mwelekeo mmoja au zaidi, au kumruhusu Agent aamue yenyewe; ikiwa hauridhiki, unaweza kuondoa mielekeo iliyopo na kuomba mapendekezo tena.
3. Panua kidokezo: Jaza vigezo vya kiolezo katika kidokezo kamili, huku ukitoa pia vipengele vya kuepuka, masharti ya uhakiki, dhana na taarifa zinazokosekana.
4. Tengeneza picha: Tengeneza picha moja kwa kila mwelekeo uliochaguliwa, na uhifadhi kando ya picha taarifa halisi za JSON zilizotumika, ili kurahisisha kurudia na kutengeneza mfululizo wa maudhui.
5. Hakiki na tengeneza upya: Agent hukagua picha kipengele baada ya kipengele kulingana na masharti ya uhakiki. Ikiwa haikidhi masharti, hubadilisha sehemu husika pekee na kutengeneza tena.

Ikiwa mtumiaji tayari amebainisha mtindo, kwa mfano “tumia mtindo wa Mondo” au ametoa moja kwa moja T03, mfumo unaweza kuruka uchaguzi wa mwelekeo na kuingia moja kwa moja katika upangaji wa kidokezo au hatua ya kutengeneza.

Maandalizi kabla ya kusakinisha

Kabla ya kutumia, andaa mazingira yafuatayo:

• Node.js 18 au toleo la juu zaidi: Unaweza kukagua kwa kutumia node --version.
• Codex CLI: Lazima isakinishwe na kuingiliwa; tumia codex --version kuthibitisha kuwa amri inapatikana.
• Ruhusa ya kutengeneza picha: Akaunti ya sasa ya Codex lazima iweze kutumia kipengele cha kutengeneza picha. Inapendekezwa kwanza kutengeneza picha moja mwenyewe ndani ya Codex kwa ajili ya uthibitishaji.

Mradi wenyewe ni mradi wa Node.js usio na vitegemezi, lakini utengenezaji halisi wa picha bado unategemea Codex CLI inayopatikana kwenye kompyuta ya ndani na salio la akaunti.

Sakinisha Agent Skill

Ikiwa Agent unayotumia inaunga mkono Agent Skills, tekeleza moja kwa moja:

npx skills add joeseesun/qiaomu-codex-imagegen

Skill husaidia Agent kuelewa uchaguzi wa tukio, uchaguzi wa mtindo, uandishi wa maelezo na njia za uhakiki, na hutengeneza picha kupitia MCP au zana ya mstari wa amri iliyojumuishwa kwenye mradi.

Sajili huduma ya MCP

Sajili katika Claude Code

Badilisha njia iliyo hapa chini iwe saraka halisi ya mradi:

claude mcp add --scope user qiaomu-codex-imagegen -- node /绝对路径/qiaomu-codex-imagegen/scripts/mcp-server.mjs

Sanidi katika mteja mwingine wa MCP

Cursor, Codex au mteja mwingine wa MCP anaweza kuongeza yafuatayo kwenye faili ya usanidi:

{
  "mcpServers": {
    "qiaomu-codex-imagegen": {
      "command": "node",
      "args": ["/绝对路径/qiaomu-codex-imagegen/scripts/mcp-server.mjs"]
    }
  }
}

Huduma ya MCP hutoa zana saba:

• suggest_directions: Hupendekeza bila malipo na papo hapo angalau mielekeo minne ya mitindo yenye mbinu tofauti.
• compose_prompt: Hupanua violezo na mipangilio ya awali kuwa kidokezo kamili, na kurudisha vipengele vya kuepuka, masharti ya uhakiki na taarifa zinazokosekana.
• generate_image: Hutengeneza picha mpya au kuhariri picha ya marejeo, na kurudisha njia ya faili pamoja na vipimo vya pikseli.
• search_prompts na get_prompt: Hutafuta na kusoma mkusanyiko wa ndani wa vidokezo vya marejeo.
• build_prompt: Huonyesha kidokezo kinachozalishwa na njia rahisi, bila kutengeneza picha halisi.
• list_catalog: Huonyesha mipangilio ya awali ya matukio, violezo, funguo za mitindo na hali ya mkusanyiko wa ndani.

Tumia mstari wa amri pekee

Ikiwa huhitaji MCP, unaweza pia kuiga hazina na kuendesha CLI moja kwa moja:

git clone https://github.com/joeseesun/qiaomu-codex-imagegen
cd qiaomu-codex-imagegen
node scripts/cli.mjs "窗边翻开的书，书页上升起咖啡的热气" --preset xiaohongshu

Picha zinazotengenezwa kwa chaguo-msingi huhifadhiwa kwenye ~/Pictures/qiaomu-codex-imagegen/<日期>. Unaweza pia kutumia --out, --name na --json kudhibiti saraka ya matokeo, jina la faili na matokeo yanayosomeka na mashine.

Matumizi ya msingi: pendekeza mwelekeo kwanza

Kwa kazi za mabango, majalada na picha za mitandao ya kijamii, inapendekezwa kutumia kwanza mtiririko wa “pendekeza, kisha tengeneza”. Amri ifuatayo itapendekeza mielekeo kadhaa kwa “tukio la kusoma katika mkahawa”, lakini haitatumia salio la kutengeneza picha:

node scripts/cli.mjs suggest "一个月的咖啡店阅读活动" --for 视频封面

Matokeo kwa kawaida hueleza mbinu ya kuona ya kila mwelekeo, ufungaji wa mtindo, taarifa zinazohitaji kuongezwa na mifano ya marejeo. Unaweza kuchagua mwelekeo mmoja, au kumuomba Agent atengeneze mielekeo kadhaa kwa wakati mmoja ili kuilinganisha.

Panua kidokezo cha kiolezo

Baada ya kuthibitisha mwelekeo, unaweza kwanza kuangalia kidokezo kamili na masharti ya uhakiki:

node scripts/cli.mjs compose --template T03-1 --var topic=谷雨 --var subject=嫩芽 --var headline=谷雨

Kiolezo hutengeneza maelezo yaliyopangwa kulingana na vigezo. Mbali na mada kuu na mtindo, kinaweza pia kujumuisha ngazi za maandishi, nafasi tupu, eneo salama, masharti ya kushindwa na viwango vya ukaguzi. Kuangalia kidokezo kwanza husaidia kugundua vigezo vinavyokosekana au maandishi marefu kupita kiasi kabla ya kutengeneza rasmi.

Tengeneza picha kwa kutumia kiolezo

Baada ya kuthibitisha kuwa kidokezo ni sahihi, unaweza kutengeneza moja kwa moja:

node scripts/cli.mjs generate --template T03-1 --var topic=谷雨 --var subject=嫩芽 --var headline=谷雨

Mradi una aina 24 za violezo, kama vile herufi kubwa na simulizi ndogo, vitu vinavyovuka fremu, mwanya wa mwanga katikati, uhariri wa wino wa mashariki, mandhari ya karatasi iliyochongwa na kitambaa, picha za watu, picha za karibu za chakula, picha kuu za bidhaa za kiteknolojia, michoro ya usanifu na kadi za taarifa. Violezo hivi havibadilishi tu rangi au kichujio, bali hubadilisha mbinu ya mpangilio, uhusiano wa nyenzo, ngazi za maandishi na uhusiano kati ya mada kuu na vipengele vingine.

Tengeneza kwa haraka kwa kutumia mipangilio ya awali na mitindo

Ikiwa tayari unajua tukio na mtindo, unaweza kutumia njia rahisi bila kupendekeza mwelekeo kwanza. Kwa mfano, tengeneza mipango mitatu ya jalada la video:

node scripts/cli.mjs "一个巨大的红色播放键像日出一样升起" --preset video-cover --style saul-bass --count 3

Mipangilio ya awali ya matukio inayotumika mara nyingi ni:

• xiaohongshu na xiaohongshu-square: Majalada ya Xiaohongshu yenye uwiano wa 3:4 au mraba.
• video-cover: Majalada ya mlalo yenye uwiano wa 16:9 kwa YouTube, Bilibili na kadhalika.
• video-vertical: Majalada ya wima yenye uwiano wa 9:16 kwa Douyin, Video Channel na Reels.
• wechat-cover: Picha kuu yenye uwiano wa 2.35:1 kwa akaunti rasmi ya WeChat.
• x-cover: Jalada lenye uwiano wa 5:2 kwa ukurasa binafsi wa X.
• moments: Bango lenye uwiano wa 4:5 kwa Moments.
• poster na movie-poster: Mabango ya jumla na mabango ya filamu.
• book-cover, album-cover, article na paper: Picha za vitabu, albamu, makala na elimu ya sayansi.

Kwa mfano, tumia mtindo wa Mondo kutengeneza bango la filamu lisilo na maandishi:

node scripts/cli.mjs "沙漠中巨大的沙虫轮廓，渺小的人影" --preset movie-poster --style olly-moss

Dhibiti maandishi yaliyo ndani ya picha

Mabango na majalada kwa kawaida huhitaji kichwa, kichwa kidogo, mistari ya taarifa au alama ndogo, badala ya kuweka kichwa kimoja pekee. Tumia --text kubainisha maandishi:

node scripts/cli.mjs "一座灯塔" --preset wechat-cover --text "夜航船"

Ikiwa kuna maandishi ya Kichina au maneno marefu, inapendekezwa kutoa vifungu vifupi herufi kwa herufi na kuvikuza kwa ukaguzi baada ya kutengeneza. Maelezo ya mradi yanaonyesha kuwa modeli bado inaweza kufanya makosa madogo inapotengeneza Kichina na mistari ya taarifa yenye herufi ndogo; kwa picha za watu au picha za karibu za bidhaa zisizohitaji tabaka la taarifa, unaweza kutumia toleo lisilo na maandishi.

Uhariri wa picha ya marejeo

Unaweza kutoa picha moja au zaidi za marejeo kupitia --ref. Njia ya picha ya marejeo lazima iwe njia kamili:

node scripts/cli.mjs "保持同一支铅笔，背景换成暖米色纸张" --ref /abs/pencil.png --ratio 1:1

Njia hii inafaa kwa kubadilisha mandharinyuma, kuhifadhi mada kuu bila mabadiliko au kufanya marekebisho ya sehemu fulani ya picha. Mradi haukati picha kimya kimya; ikiwa uwiano wa mwisho hautalingana na hitaji, tofauti ya vipimo itaonyeshwa kwenye matokeo.

Onyesho la kidokezo na utafutaji wa mifano ya ndani

Ikiwa unataka tu kukagua kidokezo bila kutengeneza picha, tumia:

node scripts/cli.mjs "咖啡和书" --preset xiaohongshu --show-prompt

Ikiwa tayari umeunda kifurushi cha hiari cha mkusanyiko wa ndani, unaweza pia kutafuta mifano inayofanana:

node scripts/cli.mjs search "节气 茶" --limit 5

Kifurushi cha mkusanyiko kina takribani vidokezo vya marejeo 689 na vijipicha, lakini data hizi za wahusika wengine hazisambazwi pamoja na hazina. Bila kifurushi cha mkusanyiko, mchakato wa violezo, mitindo na utengenezaji wa picha bado unaweza kutumika kawaida.

Usanidi wa hali ya juu na mapendekezo ya matumizi

Weka mwelekeo mmoja kwa picha za mfululizo

Unapotengeneza seti ya picha za Xiaohongshu au majalada kadhaa, inapendekezwa kwanza kuchagua kiolezo na mtindo wa picha ya kwanza, kisha picha zinazofuata zitumie ufungaji huo huo wa mtindo, uwiano na muundo wa taarifa. Hii hurahisisha kudumisha uthabiti kuliko kuingiza “mtindo unaofanana” kwa kila picha kivyake.

Dhibiti salio unapotumia matoleo yanayolingana

--count inaweza kuzalisha hadi vibadala 1 hadi 4 kwa wakati mmoja, lakini kila picha itatumia salio la akaunti ya Codex au OpenAI. Picha moja kwa kawaida huhitaji takriban sekunde 30 hadi 60, na kadiri idadi ya picha zinazozalishwa kwa wakati mmoja inavyoongezeka, ndivyo matumizi yanavyoongezeka pia.

Kushughulikia tatizo la mandharinyuma yenye uwazi

Mradi utakagua maeneo yenye uwazi katika matokeo ya uzalishaji. Kwa chaguo-msingi, maeneo yenye uwazi yakigunduliwa yatawekewa mandharinyuma nyeupe; ikiwa unahitaji kuhifadhi mandharinyuma yenye uwazi, unaweza kutumia transparent_background: true. Hatua hii husaidia kuzuia baadhi ya programu za kutazama picha kuonyesha maeneo yenye uwazi kama kingo nyeusi.

Kubainisha njia ya Codex na muda wa kuisha

Ikiwa mfumo hauwezi kupata Codex, unaweza kutumia kigezo cha mazingira QIAOMU_CODEX_BIN kubainisha njia ya faili linaloweza kutekelezwa. Uzalishaji ukichukua muda mrefu na kuisha, unaweza kuongeza thamani ya --timeout, au kurahisisha maelezo kwanza:

node scripts/cli.mjs "Jalada la tukio la kusoma katika duka la kahawa" --preset video-cover --timeout 120000

Kujenga kifurushi cha korpasi ya ndani

Ikiwa una saraka yako ya kumbukumbu iliyo na archive.json, prompts/ na images/, unaweza kutekeleza:

node scripts/build-corpus.mjs /path/to/nyaraka-za-maelekezo

Saraka chaguo-msingi ya korpasi ni ~/.local/share/qiaomu-codex-imagegen/corpus, na unaweza pia kutumia QIAOMU_CORPUS_DIR kuelekeza eneo lingine. Inashauriwa kutumia kifurushi cha korpasi kwenye mashine yako tu; usiwasilishe wala kusambaza maudhui ya wahusika wengine bila idhini.

Kuthibitisha ikiwa usakinishaji umefaulu

Mradi hutoa amri za majaribio ya nje ya mtandao na ukaguzi wa saraka:

npm test
node scripts/cli.mjs --list
node scripts/cli.mjs "Duara moja jekundu" --show-prompt

npm test haitumii salio la uzalishaji wa picha, na inaweza kutumika kuthibitisha uundaji wa violezo, hali ya maandishi, ubadilishaji wa muundo, utofauti wa mwelekeo, utafutaji wa korpasi, ushughulikiaji wa mandharinyuma yenye uwazi na itifaki.

Maswali yanayoulizwa mara kwa mara

• cannot start codex: Thibitisha kuwa Codex CLI imesakinishwa, au weka QIAOMU_CODEX_BIN.
• codex finished without producing an image: Kagua hali ya kuingia kwenye Codex na uhakikishe kuwa akaunti ina ruhusa ya kuzalisha picha.
• timed out: Ongeza muda wa kuisha, au punguza uchangamano wa maelezo.
• Uwiano si ule uliotarajiwa: Sisitiza tena uwiano katika maelezo, au tumia --ratio; zana haitapunguza picha kimya kimya kiotomatiki.
• Picha ya marejeo haipatikani: Badilisha thamani ya --ref iwe njia kamili.

Hitimisho

Lengo kuu la qiaomu-codex-imagegen si kupeleka sentensi moja kwa mfano wa picha tu, bali ni kupanga mandhari, mtindo, uhusiano wa mpangilio, viwango vya maandishi na vigezo vya ukaguzi kuwa mtiririko wa kazi unaoweza kutumika tena. Unaweza kuanza na Agent Skill au MCP na kumruhusu Agent kupendekeza na kupanga kazi; au kutumia CLI kudhibiti kwa usahihi kiolezo, mtindo, uwiano, maandishi na picha za marejeo.

Kwa kazi zinazohitaji uzalishaji thabiti wa majalada, mabango na picha za mfululizo, inapendekezwa kutumia mchakato wa “pendekeza mwelekeo kwanza, panua maelekezo baadaye, kisha kagua matokeo kwa masharti baada ya kuyazalisha”, na kukagua mwenyewe maandishi yaliyo ndani ya picha pamoja na vipimo kabla ya matumizi rasmi.