乔木 Codex تصاویر بنانے کا طریقہ: Claude، Cursor اور کسی بھی Agent کو پہلے انداز منتخب کرنے اور پھر تصویر بنانے دیں

پروجیکٹ کا تعارف

qiaomu-codex-imagegen Codex کی بلٹ اِن تصویر سازی کی صلاحیت کو MCP سروس، کمانڈ لائن ٹول اور Agent Skill میں پیک کرتا ہے۔ انسٹالیشن کے بعد Claude Code، Codex، Cursor یا کوئی بھی دوسرا Agent جو کمانڈ چلا سکتا ہو، قدرتی زبان کی درخواست کے مطابق تصویری فائلیں بنا سکتا ہے۔

یہ عام طریقے، یعنی “صرف ایک پرامپٹ لکھیں اور تصویر حاصل کریں”، سے مختلف ہے: بطور ڈیفالٹ یہ پہلے suggest_directions کے ذریعے کم از کم چار ایسے اسٹائل رخ تجویز کرتا ہے جن کے طریقۂ کار مختلف ہوں۔ صارف کے رخ منتخب کرنے کے بعد compose_prompt مکمل پرامپٹ تیار کرتا ہے، اور آخر میں تصویر بنائی اور نتیجہ جانچا جاتا ہے۔

پروجیکٹ میں 24 اقسام کے منظرنامہ ٹیمپلیٹس، 48 پری سیٹس، 66 عمومی اسٹائلز اور 20 Mondo پوسٹر ڈیزائنرز کے اسٹائلز شامل ہیں۔ اس کے علاوہ متن، حقائق، کمپوزیشن اور منظوری کے لیے قواعد کا ایک مجموعہ بھی موجود ہے، اس لیے یہ سرورق، پوسٹر، سوشل میڈیا تصاویر، پروڈکٹ ویژولز اور حوالہ جاتی تصاویر میں ترمیم کے لیے موزوں ہے۔

بنیادی ورک فلو

1. رخ تجویز کرنا: موضوع اور استعمال کے منظرنامے کے مطابق کم از کم چار ایسے رخ واپس کیے جاتے ہیں جن کے بصری طریقۂ کار مختلف ہوں، مثلاً متن پر مبنی، فلیٹ ساخت، فوٹوگرافی پر مبنی شخصیت، پروڈکٹ کلوز اپ یا مواد اور خلا۔
2. رخ منتخب کرنا: صارف ایک یا متعدد رخ منتخب کر سکتا ہے، یا Agent کو خود فیصلہ کرنے دے سکتا ہے۔ اگر نتیجہ پسند نہ آئے تو موجودہ رخ خارج کرکے دوبارہ تجاویز حاصل کی جا سکتی ہیں۔
3. پرامپٹ تیار کرنا: ٹیمپلیٹ کے متغیرات کو مکمل پرامپٹ میں شامل کیا جاتا ہے، جبکہ اجتنابی نکات، منظوری کی شرائط، مفروضے اور نامکمل معلومات بھی فراہم کی جاتی ہیں۔
4. تصویر بنانا: ہر منتخب رخ کے لیے ایک تصویر بنائی جاتی ہے، اور دوبارہ تخلیق یا سیریز کے مواد کی تیاری کے لیے استعمال شدہ حقیقی JSON معلومات تصویر کے ساتھ محفوظ کی جاتی ہیں۔
5. منظوری اور دوبارہ تخلیق: Agent منظوری کی شرائط کے مطابق تصویر کو ایک ایک نکتے سے جانچتا ہے۔ ناکامی کی صورت میں صرف متعلقہ حصے میں ترمیم کرکے دوبارہ تصویر بنائی جاتی ہے۔

اگر صارف پہلے ہی اسٹائل واضح کر چکا ہو، مثلاً “Mondo اسٹائل استعمال کریں”، یا براہِ راست T03 فراہم کرے، تو نظام رخ کے انتخاب کو چھوڑ کر براہِ راست پرامپٹ کی ترتیب یا تخلیق کے مرحلے میں داخل ہو سکتا ہے۔

انسٹالیشن سے پہلے تیاری

استعمال سے پہلے درج ذیل ماحول تیار کریں:

• Node.js 18 یا اس سے زیادہ: node --version کے ذریعے جانچا جا سکتا ہے۔
• Codex CLI: اسے انسٹال اور لاگ اِن کرنا ضروری ہے۔ کمانڈ دستیاب ہونے کی تصدیق کے لیے codex --version استعمال کریں۔
• تصویر سازی کی اجازت: موجودہ Codex اکاؤنٹ کو تصویر سازی استعمال کرنے کے قابل ہونا چاہیے۔ پہلے Codex میں دستی طور پر ایک تصویر بنا کر تصدیق کرنے کی سفارش کی جاتی ہے۔

پروجیکٹ خود ایک زیرو ڈیپینڈنسی Node.js پروجیکٹ ہے، لیکن حقیقی تصویر سازی کے لیے مقامی طور پر دستیاب Codex CLI اور اکاؤنٹ کے کوٹے پر انحصار برقرار رہتا ہے۔

Agent Skill انسٹال کرنا

اگر استعمال ہونے والا Agent Agent Skills کو سپورٹ کرتا ہے تو براہِ راست یہ کمانڈ چلائیں:

npx skills add joeseesun/qiaomu-codex-imagegen

Skill Agent کو منظرنامے، اسٹائل، تفصیل لکھنے اور منظوری کے طریقے سمجھنے میں مدد دیتا ہے، اور MCP یا پروجیکٹ کے فراہم کردہ کمانڈ لائن ٹول کے ذریعے تصاویر بناتا ہے۔

MCP سروس رجسٹر کرنا

Claude Code میں رجسٹر کرنا

ذیل کے راستے کو پروجیکٹ کی حقیقی ڈائریکٹری سے تبدیل کریں:

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

دیگر MCP کلائنٹس میں ترتیب دینا

Cursor، Codex یا دیگر MCP کلائنٹس کی کنفیگریشن فائل میں یہ شامل کیا جا سکتا ہے:

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

MCP سروس سات ٹولز فراہم کرتی ہے:

• suggest_directions：کم از کم چار مختلف طریقۂ کار رکھنے والے اسٹائل رخ مفت اور فوری طور پر تجویز کرتا ہے۔
• compose_prompt：ٹیمپلیٹس اور پری سیٹس کو مکمل پرامپٹ میں پھیلاتا ہے، اور اجتنابی نکات، منظوری کی شرائط اور نامکمل معلومات واپس کرتا ہے۔
• generate_image：نئی تصویر بناتا ہے یا حوالہ جاتی تصویر میں ترمیم کرتا ہے، اور فائل کا راستہ اور پکسل سائز واپس کرتا ہے۔
• search_prompts اور get_prompt：مقامی حوالہ جاتی پرامپٹ مواد کو تلاش اور پڑھتے ہیں۔
• build_prompt：سادہ راستے سے تیار ہونے والے پرامپٹ کا پیش نظارہ دکھاتا ہے، مگر حقیقی تصویر نہیں بناتا۔
• list_catalog：منظرنامہ پری سیٹس، ٹیمپلیٹس، اسٹائل کیز اور مقامی مواد کی حالت دکھاتا ہے۔

صرف کمانڈ لائن استعمال کرنا

اگر MCP کی ضرورت نہ ہو تو ریپوزٹری کو براہِ راست کلون کرکے CLI چلایا جا سکتا ہے:

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

بطور ڈیفالٹ بننے والی تصاویر ~/Pictures/qiaomu-codex-imagegen/<日期> میں محفوظ ہوتی ہیں۔ --out، --name اور --json کے ذریعے آؤٹ پٹ ڈائریکٹری، فائل نام اور مشین کے لیے قابلِ مطالعہ نتیجے کو بھی کنٹرول کیا جا سکتا ہے۔

بنیادی استعمال: پہلے رخ تجویز کریں

پوسٹر، سرورق اور سوشل میڈیا تصاویر کے کاموں میں پہلے “تجویز، پھر تخلیق” والا ورک فلو استعمال کرنے کی سفارش کی جاتی ہے۔ ذیل کی کمانڈ “کافی شاپ ریڈنگ ایونٹ” کے لیے متعدد رخ تجویز کرے گی، مگر تصویر سازی کا کوٹا استعمال نہیں کرے گی:

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

نتائج میں عموماً ہر رخ کا بصری طریقۂ کار، اسٹائل لاک، درکار اضافی معلومات اور حوالہ جاتی مثالیں بیان کی جاتی ہیں۔ آپ ایک رخ منتخب کر سکتے ہیں، یا Agent سے متعدد رخ متوازی طور پر بنوا کر موازنہ کر سکتے ہیں۔

ٹیمپلیٹ پرامپٹ پھیلانا

رخ طے ہونے کے بعد مکمل پرامپٹ اور منظوری کی شرائط پہلے دیکھی جا سکتی ہیں:

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

ٹیمپلیٹ متغیرات کے مطابق ساختی تفصیل تیار کرتا ہے۔ موضوع اور اسٹائل کے علاوہ اس میں متن کی درجہ بندی، خالی جگہ، محفوظ علاقہ، ناکامی کی شرائط اور جانچ کے معیار بھی شامل ہو سکتے ہیں۔ پہلے پرامپٹ دیکھنے سے حقیقی تخلیق سے قبل متغیرات کی کمی یا حد سے زیادہ طویل متن کا مسئلہ معلوم ہو جاتا ہے۔

ٹیمپلیٹ کے ذریعے تصویر بنانا

پرامپٹ درست ہونے کی تصدیق کے بعد براہِ راست تصویر بنائی جا سکتی ہے:

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

پروجیکٹ میں 24 اقسام کے ٹیمپلیٹس شامل ہیں، مثلاً بڑے حروف اور مختصر بیانیہ، فریم سے باہر نکلتی اشیا، مرکزی روشنی کا خلا، مشرقی روشنائی کی ادارت، کاغذی نقش و نگار اور بُنے ہوئے مادی مناظر، فوٹوگرافی پر مبنی پورٹریٹ، کھانے کا کلوز اپ، ٹیکنالوجی پروڈکٹ کا مرکزی ویژول، آرکیٹیکچرل ڈرائنگ اور معلوماتی کارڈز۔ مختلف ٹیمپلیٹس صرف رنگ یا فلٹر نہیں بدلتے، بلکہ کمپوزیشن کے طریقۂ کار، مواد کے باہمی تعلق، متن کی درجہ بندی اور موضوعات کے درمیان تعلق کو بھی بدلتے ہیں۔

پری سیٹ اور اسٹائل کے ذریعے تیز تخلیق

اگر منظرنامہ اور اسٹائل معلوم ہوں تو رخ کی سفارش کے بغیر سادہ راستہ اختیار کیا جا سکتا ہے۔ مثال کے طور پر تین ویڈیو سرورق بنائیں:

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

عام منظرنامہ پری سیٹس میں شامل ہیں:

• xiaohongshu اور xiaohongshu-square：ژیاوہونگشو 3:4 یا مربع سرورق۔
• video-cover：YouTube، B站 وغیرہ کے 16:9 افقی سرورق۔
• video-vertical：Douyin، ویڈیو اکاؤنٹ اور Reels کے 9:16 عمودی سرورق۔
• wechat-cover：وی چیٹ آفیشل اکاؤنٹ کی 2.35:1 ہیڈر تصویر۔
• x-cover：X پروفائل کا 5:2 سرورق۔
• moments：دوستوں کے حلقے کے لیے 4:5 پوسٹر۔
• poster اور movie-poster：عمومی اور فلمی پوسٹر۔
• book-cover، album-cover، article اور paper：کتاب، البم، مضمون اور سائنسی مقبولیت کی تصاویر۔

مثلاً Mondo اسٹائل میں بغیر متن کا فلمی پوسٹر بنائیں:

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

تصویر کے اندر متن کو کنٹرول کرنا

پوسٹر اور سرورق میں عموماً صرف ایک عنوان کے بجائے عنوان، ذیلی عنوان، معلوماتی سطر یا کونے کا لیبل درکار ہوتا ہے۔ متن متعین کرنے کے لیے --text استعمال کریں:

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

اگر چینی یا طویل متن شامل ہو تو مختصر جملہ حرف بہ حرف فراہم کرنے اور تخلیق کے بعد اسے بڑا کرکے جانچنے کی سفارش کی جاتی ہے۔ پروجیکٹ کی وضاحت کے مطابق ماڈل کے ذریعے چینی متن اور چھوٹے فونٹ کی معلوماتی سطریں بناتے وقت اب بھی معمولی غلطیاں ہو سکتی ہیں۔ پورٹریٹ یا ایسی پروڈکٹ کلوز اپ تصاویر جنہیں معلوماتی تہہ کی ضرورت نہ ہو، بغیر متن کے منصوبے کے ساتھ بنائی جا سکتی ہیں۔

حوالہ جاتی تصویر میں ترمیم

--ref کے ذریعے ایک یا متعدد حوالہ جاتی تصاویر فراہم کی جا سکتی ہیں۔ حوالہ جاتی تصویر کا راستہ مطلق ہونا چاہیے:

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

یہ طریقہ پس منظر بدلنے، موضوع کو برقرار رکھنے یا مقامی بصری ایڈجسٹمنٹ کے لیے موزوں ہے۔ پروجیکٹ خاموشی سے تصویر کو کراپ نہیں کرتا۔ اگر حتمی تناسب مطلوبہ تناسب سے مختلف ہو تو نتیجے میں سائز کا فرق واضح کیا جائے گا۔

پرامپٹ کا پیش نظارہ اور مقامی مثالوں کی تلاش

اگر صرف پرامپٹ جانچنا ہو اور تصویر نہ بنانی ہو تو یہ استعمال کریں:

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

اگر اختیاری مقامی مواد کا پیکج تیار کیا گیا ہو تو ملتی جلتی مثالیں بھی تلاش کی جا سکتی ہیں:

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

مواد کے پیکج میں تقریباً 689 حوالہ جاتی پرامپٹس اور تھمب نیلز شامل ہیں، مگر یہ تیسرے فریق کا ڈیٹا ریپوزٹری کے ساتھ شائع نہیں ہوتا۔ مواد کے پیکج کے بغیر بھی ٹیمپلیٹ، اسٹائل اور تصویر سازی کا ورک فلو معمول کے مطابق استعمال کیا جا سکتا ہے۔

اعلیٰ ترتیبات اور عملی تجاویز

سیریز کی تصاویر کے لیے رخ مستقل رکھیں

ژیاوہونگشو کی تصاویر یا متعدد سرورق کا مجموعہ بناتے وقت پہلے تصویر کے لیے ٹیمپلیٹ اور اسٹائل منتخب کریں، پھر بعد کی تصاویر میں وہی اسٹائل لاک، تناسب اور معلوماتی ساخت برقرار رکھیں۔ اس طرح ہر تصویر میں الگ سے “ملتے جلتے اسٹائل” کا ان پٹ دینے کے مقابلے میں یکسانیت برقرار رکھنا آسان ہوتا ہے۔

متوازی ویریئنٹس استعمال کرتے وقت کوٹا کنٹرول کریں

--count متوازی طور پر 1 سے 4 تک متغیرات تیار کر سکتا ہے، لیکن ہر تصویر Codex یا OpenAI اکاؤنٹ کے کوٹے سے استعمال ہوگی۔ ایک تصویر میں عموماً تقریباً 30 سے 60 سیکنڈ لگتے ہیں، اور متوازی تصاویر کی تعداد بڑھنے کے ساتھ استعمال بھی اسی تناسب سے بڑھے گا۔

شفاف پس منظر کا مسئلہ حل کرنا

پروجیکٹ تیار کردہ نتائج میں شفاف حصوں کا پتا لگاتا ہے۔ پہلے سے طے شدہ طور پر، شفاف حصے ملنے پر انہیں سفید پس منظر پر چپٹا کر دیا جاتا ہے؛ اگر واقعی شفاف پس منظر برقرار رکھنا ہو تو transparent_background: true استعمال کیا جا سکتا ہے۔ یہ عمل اس لیے ہے کہ کچھ تصویر دیکھنے والے سافٹ ویئر شفاف حصوں کو سیاہ کناروں کے طور پر دکھاتے ہیں۔

Codex کا راستہ اور ٹائم آؤٹ مقرر کرنا

اگر سسٹم کو Codex نہ ملے تو ماحول کے متغیر QIAOMU_CODEX_BIN کے ذریعے قابلِ اجرا فائل کا راستہ مقرر کیا جا سکتا ہے۔ اگر تیاری کا عمل ٹائم آؤٹ ہو جائے تو --timeout کی قدر بڑھائیں، یا پہلے بیان کو آسان بنائیں:

node scripts/cli.mjs "咖啡店阅读活动封面" --preset video-cover --timeout 120000

مقامی کارپس پیکج بنانا

اگر آپ کے پاس اپنی آرکائیو ڈائریکٹری ہے، جس میں archive.json، prompts/ اور images/ شامل ہیں، تو یہ کمانڈ چلائیں:

node scripts/build-corpus.mjs /path/to/提示词归档

پہلے سے طے شدہ کارپس ڈائریکٹری ~/.local/share/qiaomu-codex-imagegen/corpus ہے، اور اسے QIAOMU_CORPUS_DIR کے ذریعے کسی دوسری جگہ کی طرف بھی بھیجا جا سکتا ہے۔ کارپس پیکج صرف مقامی مشین پر استعمال کرنے کی تجویز ہے؛ غیر مجاز فریقِ ثالث کے مواد کو جمع یا آگے منتقل نہ کریں۔

تنصیب کی کامیابی کی تصدیق

پروجیکٹ آف لائن ٹیسٹ اور ڈائریکٹری کی جانچ کے لیے کمانڈز فراہم کرتا ہے:

npm test
node scripts/cli.mjs --list
node scripts/cli.mjs "ایک سرخ دائرہ" --show-prompt

npm test تصاویر تیار کرنے کا کوٹا استعمال نہیں کرتا، اور اسے ٹیمپلیٹ کی تیاری، متنی موڈ، ساختی تبدیلی، سمتوں کے تنوع، کارپس کی تلاش، شفاف پس منظر کی پروسیسنگ اور پروٹوکول جیسی خصوصیات کی تصدیق کے لیے استعمال کیا جا سکتا ہے۔

عام سوالات

• cannot start codex: تصدیق کریں کہ Codex CLI نصب ہے، یا QIAOMU_CODEX_BIN مقرر کریں۔
• codex finished without producing an image: Codex کی لاگ اِن حالت اور یہ جانچیں کہ آیا اکاؤنٹ کو تصویر تیار کرنے کی اجازت حاصل ہے۔
• timed out: ٹائم آؤٹ بڑھائیں، یا بیان کی پیچیدگی کم کریں۔
• تناسب توقع کے مطابق نہیں: بیان میں تناسب پر دوبارہ زور دیں، یا --ratio استعمال کریں؛ ٹول خاموشی سے خودکار کراپ نہیں کرے گا۔
• حوالہ جاتی تصویر نہیں مل رہی: --ref کی قدر کو مطلق راستے میں تبدیل کریں۔

اختتامیہ

qiaomu-codex-imagegen کا مقصد محض ایک جملہ تصویری ماڈل کو بھیجنا نہیں، بلکہ منظر، انداز، ترکیبی تعلقات، متنی درجہ بندی اور قبولیت کے معیار کو ایک دوبارہ قابلِ استعمال ورک فلو میں منظم کرنا ہے۔ آپ Agent Skill یا MCP سے آغاز کر سکتے ہیں اور Agent کو سفارش اور ترتیب دینے کی ذمہ داری دے سکتے ہیں؛ یا CLI کے ذریعے پیش سیٹ، انداز، تناسب، متن اور حوالہ جاتی تصویر کو درست طور پر کنٹرول کر سکتے ہیں۔

ایسے کاموں کے لیے جن میں سرورق، پوسٹرز اور سلسلہ وار معاون تصاویر مستقل طور پر تیار کرنی ہوں، “پہلے سمت کی سفارش، پھر پرامپٹ کی توسیع، اور تیاری کے بعد شرائط کے مطابق قبولیت کی جانچ” والا طریقہ اپنانے کی تجویز ہے، جبکہ باضابطہ استعمال سے پہلے تصویر کے اندر موجود متن اور سائز کی انسانی جانچ بھی کی جائے۔