GPT امیج اسکل کے ساتھ تصاویر بنائیں اور ایڈٹ کریں

GPT Image Skill کیا کرتا ہے

GPT Image Skill، صارف کی ChatGPT سبسکرپشن کے ذریعے Codex، Claude Code اور ہم آہنگ مقامی ایجنٹس کو تصاویر بنانے یا ان میں ترمیم کرنے کی سہولت دیتا ہے۔ یہ Codex کے بلٹ اِن $imagegen یا دستیاب ہونے کی صورت میں میزبان کے مقامی image_gen ٹول کا استعمال کرتا ہے۔ یہ OpenAI Images API کو کال نہیں کرتا اور نہ ہی الگ سے بل بھیجی جانے والی Images API درخواست بناتا ہے۔

یہ اسکل قدرتی زبان میں دیے گئے پرامپٹس اور قابلِ مطالعہ مقامی PNG، JPEG یا WebP حوالہ جات قبول کرتا ہے۔ یہ بنائی گئی PNG فائلیں فعال پروجیکٹ کی generated-images/ ڈائریکٹری میں محفوظ کرتا ہے اور نتیجے کا پاتھ اور اِن لائن Markdown پیش نظارہ کی معلومات واپس کرتا ہے۔

تصاویر بنانا شامل ChatGPT یا Codex استعمال میں شمار ہوتا ہے اور پلان اور ورک اسپیس کی حدود کے تابع رہتا ہے۔ تصویری تخلیقات، تصویر کے بغیر کیے گئے مماثل ٹرنز کے مقابلے میں شامل حدیں زیادہ تیزی سے استعمال کر سکتی ہیں، اس لیے متوازی بیچوں کو دانستہ اور محدود رکھیں۔

اہم خصوصیات

• API کلید کے بجائے ChatGPT سے تصدیق شدہ Codex کے ذریعے تصاویر بناتا ہے۔
• Codex اور Claude Code کے لیے ایک ہی gpt-image اسکل انسٹال کرتا ہے۔
• صارف کے براہِ راست تصویری پرامپٹ کو غیر مطلوب تخلیقی تفصیلات شامل کیے بغیر برقرار رکھتا ہے۔
• جب صارف متعدد تصورات یا ڈیزائن کی سمتیں واضح طور پر سونپتا ہے تو الگ الگ پرامپٹس تیار کرتا ہے۔
• متعین منسلکہ ترتیب میں ایک یا زیادہ حوالہ جات کو سپورٹ کرتا ہے۔
• ترامیم، بعد کی نظرثانیاں، مختلف حالتیں، کمپوزٹنگ، شفافیت، عین متن اور پیچیدہ لے آؤٹ کے مسودات کو سپورٹ کرتا ہے۔
• آزاد تصویری کاموں کو ڈیفالٹ 2 اور زیادہ سے زیادہ 4 کی ہم زمانی کے ساتھ چلاتا ہے۔
• فائلیں صرف فعال ورک اسپیس کے اندر محفوظ کرتا ہے اور ڈیفالٹ طور پر موجودہ تصاویر کو اوور رائٹ کرنے سے گریز کرتا ہے۔
• macOS، Linux، مقامی Windows اور WSL2 کو سپورٹ کرتا ہے۔
• API کلید سے لاگ اِن کو روکتا ہے اور Codex کے چائلڈ پراسیسز سے متعلقہ API ماحولیاتی متغیرات ہٹا دیتا ہے۔

تقاضے

اسکل انسٹال کرنے سے پہلے یقینی بنائیں کہ ماحول میں درج ذیل اجزا موجود ہیں:

• Node.js 22 یا جدید تر: موجودہ معاون LTS ریلیز تجویز کی جاتی ہے۔
• Git: GitHub سے پروجیکٹ کلون کرتے وقت ضروری ہے۔
• Codex CLI: جب تک کال کرنے والا میزبان مقامی image_gen ٹول فراہم نہ کرے، اسے ChatGPT کے ساتھ سائن اِن ہونا چاہیے۔
• اہل پلان: ChatGPT یا Codex پلان اور ورک اسپیس کو تصویر سازی کی اجازت دینی چاہیے۔

WSL1 معاونت یافتہ نہیں ہے۔ WSL2 استعمال کرتے وقت Node.js، Codex، ریپوزٹری اور کام کرنے والے پروجیکٹ کو Linux کی جانب رکھیں۔ کلون کو /mnt/c کے بجائے Linux ہوم ڈائریکٹری میں محفوظ کریں۔

مقامی ایجنٹ کے ذریعے انسٹال کریں

سیٹ اپ کا آسان ترین طریقہ یہ ہے کہ Codex، Claude Code یا کسی دوسرے ہم آہنگ ایجنٹ سے ریپوزٹری انسٹال کرنے کو کہیں۔ ایجنٹ کو AGENT_INSTALL.md پڑھنے، مستقل کلون یا محفوظ فاسٹ فارورڈ اپ ڈیٹ کرنے، Codex اور Claude Code کے لنکس بنانے، ChatGPT ڈیوائس اجازت شروع کرنے اور یہ کمانڈ چلانے کی ہدایت دیں:

bootstrap --target all --yes --json

تیاری کی رپورٹ کا اختتام ok: true، status: ready اور best_practice_pass: true پر ہونا چاہیے۔ صارف براؤزر یا ڈیوائس کی اجازت خود مکمل کرتا ہے۔ اسکل پاس ورڈ، ٹوکن، API کلید یا ~/.codex/auth.json کے مواد کی درخواست نہیں کرتا۔

انسٹالیشن کے عمل سے براہِ راست کوئی فعال تصویر بننا مقصود نہیں ہے۔ اسے ایک مختصر ابتدائی رہنما کے ساتھ مکمل ہونا چاہیے جس میں عام پہلو تناسب، معیار کے فقرے اور تخلیق و حوالہ جاتی درخواستوں کی مثالیں شامل ہوں۔

دستی انسٹالیشن

macOS، Linux اور WSL2

مستقل کلون استعمال کریں کیونکہ انسٹال شدہ اسکل کے لنکس ریپوزٹری کی طرف اشارہ کرتے ہیں:

REPOSITORY_URL="https://github.com/GENEXIS-AI/gpt-image-skill"
INSTALL_DIR="${XDG_DATA_HOME:-$HOME/.local/share}/gpt-image-skill"

git clone "$REPOSITORY_URL" "$INSTALL_DIR"
cd "$INSTALL_DIR"
node ./gpt-image/scripts/validate_skill.mjs
node ./gpt-image/scripts/gpt_image.mjs bootstrap --target all --yes --json

مقامی Windows PowerShell

$RepositoryUrl = "https://github.com/GENEXIS-AI/gpt-image-skill"
$InstallDir = Join-Path $env:LOCALAPPDATA "gpt-image-skill"

git clone $RepositoryUrl $InstallDir
Set-Location $InstallDir
node .\gpt-image\scripts\validate_skill.mjs
node .\gpt-image\scripts\gpt_image.mjs bootstrap --target all --yes --json

macOS، Linux اور WSL2 پر انسٹالیشن سِم لنکس بناتی ہے۔ مقامی Windows ڈائریکٹری جنکشنز استعمال کرتا ہے۔ موجودہ غیر متعلقہ پاتھ تبدیل نہیں کیے جاتے۔

• Codex انسٹالیشن: ~/.agents/skills/gpt-image
• Claude Code انسٹالیشن: ~/.claude/skills/gpt-image
• Windows Codex انسٹالیشن: $env:USERPROFILE\.agents\skills\gpt-image
• Windows Claude Code انسٹالیشن: $env:USERPROFILE\.claude\skills\gpt-image

اپنی پہلی تصویر بنائیں

انسٹالیشن کے بعد میزبان سے براہِ راست اسکل چلائیں۔ Codex میں استعمال کریں:

$gpt-image A cobalt-blue glass robot on a warm off-white background.

Claude Code میں استعمال کریں:

/gpt-image A cobalt-blue glass robot on a warm off-white background.

آپ فریمنگ اور معیار کو قدرتی انداز میں بیان کر سکتے ہیں:

$gpt-image Create a cozy reading room at sunset, 16:9, high quality.

عام درخواستوں میں 1:1، 16:9، 9:16، 4:3 اور 3:4 شامل ہیں۔ مفید معیاری فقرے میں draft، high quality اور high detail / final quality شامل ہیں۔ یہ مقررہ API سائزوں کی فہرست کے بجائے قدرتی زبان میں کی جانے والی درخواستیں ہیں، اس لیے پکسل کی درست ابعاد مختلف ہو سکتی ہیں۔

براہِ راست رنر استعمال کریں

ریپوزٹری سے آپ Node.js رنر کو واضح طور پر کال کر سکتے ہیں:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --prompt "A cobalt-blue glass robot on a warm off-white background." \
  --out "generated-images/glass-robot.png"

عام جنریشن میں پہلے ChatGPT کی فوری توثیقی جانچ کی جاتی ہے، ایک تصویر بنائی جاتی ہے، PNG کی کم سے کم صحت کی جانچ چلائی جاتی ہے، اور پھر PATH=... کے ساتھ مطلق MARKDOWN=... قدر واپس کی جاتی ہے۔

حوالہ جاتی تصویر سے تصویر بنائیں

حوالے دراصل قابلِ مطالعہ فائلیں ہونے چاہییں۔ Claude Code میں @path یا واضح فائل سسٹم پاتھ کو ترجیح دیں:

/gpt-image Use @references/robot.png as the character reference. Draw it riding a bicycle.

Claude میں دکھائی جانے والی پیسٹ یا ڈریگ کی گئی تصویر خودکار طور پر nested Codex process کو منتقل نہیں ہوتی۔ اگر Claude درست عارضی attachment path فراہم کرے تو ایجنٹ اس فائل کو generated-images/inputs/ میں کاپی کر سکتا ہے۔ بصورتِ دیگر تصویر کو پروجیکٹ کے اندر محفوظ کریں اور اس کا پاتھ فراہم کریں۔ یہ skill Claude کے image cache سے استعمال کرنے والی فائل کا اندازہ نہیں لگاتی۔

متعلقہ براہِ راست کمانڈ یہ ہے:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --mode generate \
  --prompt "Draw this character riding a bicycle." \
  --reference "/absolute/path/robot.png" \
  --out "generated-images/robot-bicycle.png"

متعدد حوالہ جات منسلک کریں

--reference کو مطلوبہ ترتیب میں دہرائیں۔ matching roles صرف اس وقت شامل کریں جب حوالہ جات کے واضح کردار ہوں:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --prompt "Use Image 1 for the character and Image 2 for the bicycle design." \
  --reference "/absolute/path/character.png" \
  --reference-role "character" \
  --reference "/absolute/path/bicycle.png" \
  --reference-role "bicycle design" \
  --out "generated-images/combined.png"

ترمیم کے لیے edit target، Image 1 ہوتا ہے۔ معاون حوالہ جات کمانڈ لائن کی ترتیب میں اس کے بعد آتے ہیں۔

تصویر میں ترمیم اور نظرِ ثانی کریں

موجودہ تصویر میں تبدیلی کے لیے --edit-target کے ساتھ --mode edit استعمال کریں:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --mode edit \
  --prompt "Replace the bicycle basket with a small wooden crate." \
  --edit-target "generated-images/robot-bicycle.png" \
  --out "generated-images/robot-bicycle-crate.png"

ہر آئندہ نظرِ ثانی کے لیے اصل ماخذ پر واپس جانے کے بجائے تازہ ترین نتیجے میں ترمیم کریں:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --mode edit \
  --prompt "Make the wooden crate dark green." \
  --edit-target "generated-images/robot-bicycle-crate.png" \
  --out "generated-images/robot-bicycle-green-crate.png"

ضروری معاون حوالہ جات دوبارہ منسلک کریں۔ ہر bridge invocation عارضی ہوتا ہے، اس لیے یہ پہلے منسلک کیے گئے حوالہ جات خودکار طور پر محفوظ نہیں رکھتا۔ اصل ماخذ میں ترمیم کرنے سے، تازہ ترین output کے بجائے، پچھلی نظرِ ثانی ضائع ہو جائے گی۔

متعدد تصاویر متوازی طور پر چلائیں

ایک تصویر کے راستے کے لیے generate استعمال کریں۔ دو یا اس سے زیادہ تیار jobs کے لیے skill محدود batch استعمال کر سکتی ہے۔ پہلے سے طے شدہ concurrency 2 ہے اور زیادہ سے زیادہ 4 ہے۔ batch کے لیے authentication ایک بار چیک کی جاتی ہے، اور ناکام jobs کو خودکار طور پر دوبارہ نہیں چلایا جاتا۔

batching model تین عام ڈھانچوں کو سپورٹ کرتا ہے:

• مشترک anchor variations: ہر job ایک ہی موجودہ design پڑھتا ہے اور مختلف style لاگو کرتا ہے۔
• Delegated concepts: agent ہر مطلوبہ design direction کے لیے ایک مکمل اور بامعنی طور پر مختلف prompt بناتا ہے، جبکہ مشترک پابندیاں برقرار رکھتا ہے۔
• Repeated renders: جب کوئی فرق مطلوب نہ ہو تو ہر job بالکل وہی prompt دوبارہ استعمال کرتا ہے۔

image-jobs.json جیسا workspace-local manifest بنائیں:

{
  "version": 1,
  "jobs": [
    {
      "id": "watercolor",
      "mode": "variation",
      "prompt": "Keep the same design and render it in watercolor style.",
      "edit_target": "references/base-design.png",
      "references": ["references/watercolor-style.png"],
      "reference_roles": ["style reference for this output"],
      "out": "generated-images/design-watercolor.png"
    },
    {
      "id": "clay",
      "mode": "variation",
      "prompt": "Keep the same design and render it in clay style.",
      "edit_target": "references/base-design.png",
      "references": ["references/clay-style.png"],
      "reference_roles": ["style reference for this output"],
      "out": "generated-images/design-clay.png"
    }
  ]
}

manifest کو اس کمانڈ سے چلائیں:

node ./gpt-image/scripts/gpt_image.mjs batch \
  --manifest "image-jobs.json" \
  --concurrency 2

کئی jobs ایک ہی anchor کو محفوظ طریقے سے پڑھ سکتی ہیں۔ ہر output کے ساتھ صرف متعلقہ style reference منسلک کریں۔ غیر متعلقہ concepts کے لیے مشترک edit_target حذف کریں اور ہر job کو ایک standalone prompt اور اپنے حوالہ جات دیں۔

ایک batch job کا بنایا ہوا نتیجہ اسی batch میں کسی دوسری job کا input نہیں بن سکتا۔ output-to-input dependencies والے workflows کو مراحل میں چلائیں۔ اگر کوئی مشترک anchor موجود نہ ہو تو پہلے مطلوبہ output کو generate کریں اور بعد کی variants کے لیے اس کا واپس کیا ہوا path استعمال کریں؛ skill کوئی اضافی مخفی anchor نہیں بناتی۔

اعلیٰ درجے کے استعمال کی تجاویز

Prompt کا مقصد برقرار رکھیں

ایک واحد براہِ راست request کے لیے صارف کے الفاظ حتمی حیثیت رکھتے ہیں اور بغیر تبدیلی کے forward کیے جاتے ہیں۔ اگر صارف کئی مختلف designs، concepts، directions، options یا alternatives مانگے تو delegated creative intent بھی حتمی حیثیت رکھتا ہے۔ ایسی صورت میں agent ہر output کے لیے ایک الگ image-ready prompt تیار کرتا ہے، جبکہ مشترک subject، brand، text، references، aspect ratio اور دیگر پابندیاں برقرار رکھتا ہے۔

Job numbers کا تعلق manifest IDs اور filenames سے ہے، image prompts سے نہیں۔ this is the second option جیسے جملے شامل کرنے سے گریز کریں۔

درست mode منتخب کریں

• متن سے تصویر بنانے کے کام کے لیے --mode generate استعمال کریں۔
• موجودہ فائل کی رہنمائی میں نئی تصویر بنانے کے لیے --reference PATH شامل کریں۔
• موجودہ تصویر تبدیل کرنے کے لیے --mode edit --edit-target PATH استعمال کریں۔
• موجودہ ڈیزائن کی مختلف شکل بنانے کے لیے --mode variation --edit-target PATH استعمال کریں۔
• --background transparent صرف اس وقت استعمال کریں جب شفافیت درکار ہو۔
• ایک ہی کمپوزیشن کو مختلف انداز میں رینڈر کرنے والی متعدد variation جابز کے لیے ایک ہی edit target استعمال کریں۔
• جب کسی شناخت کو مختلف مناظر یا لے آؤٹس میں ظاہر کرنا ہو تو متعدد generation جابز میں ایک ہی تصویر کو بطور reference استعمال کریں۔

غیر ارادی اوور رائٹ سے بچیں

جب تک --overwrite واضح طور پر نہ دیا جائے، runner موجودہ تصویر کو اوور رائٹ نہیں کرتا۔ ہر نتیجے کے لیے generated-images/ کے اندر وضاحتی output path دیں۔

خرابیوں کا ازالہ اور سیٹ اپ کی جانچ

Planning اور تفصیلی diagnostics اختیاری ہیں۔ عام generation سے پہلے ان کی ضرورت نہیں۔ سیٹ اپ، authentication، references یا output files کی جانچ درکار ہو تو انہیں استعمال کریں:

node ./gpt-image/scripts/gpt_image.mjs doctor --json
node ./gpt-image/scripts/gpt_image.mjs guide
node ./gpt-image/scripts/gpt_image.mjs capabilities --json
node ./gpt-image/scripts/gpt_image.mjs inspect \
  --input "generated-images/combined.png" --json

تصویر بنائے بغیر sign-in اور paths چیک کرنے کے لیے:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --prompt "test" \
  --out "generated-images/test.png" \
  --dry-run --json

بغیر sign-in کیے یا تصاویر بنائے، batch manifest اور اس کی scheduling کی توثیق کرنے کے لیے:

node ./gpt-image/scripts/gpt_image.mjs batch \
  --manifest "image-jobs.json" \
  --check-only --json

تیار کردہ تصاویر کو SHA-256 receipts کے بجائے ہلکی file اور signature checks سے گزارا جاتا ہے۔ SHA-256 وہاں دستیاب رہتا ہے جہاں یہ بامعنی ہو، مثلاً installer verification میں:

node ./gpt-image/scripts/gpt_image.mjs verify-installers --json

سیکیورٹی اور رازداری کے حفاظتی اقدامات

• یہ skill Codex کے child processes سے OPENAI_API_KEY، OPENAI_BASE_URL، OPENAI_ORG_ID، OPENAI_PROJECT_ID اور CODEX_ACCESS_TOKEN ہٹا دیتی ہے۔
• جب تک redacted diagnostics سے ChatGPT authentication ثابت نہ ہو، generation روک دی جاتی ہے۔
• OpenAI Images API کا کوئی endpoint یا /v1/images request شامل نہیں ہے۔
• یہ skill authentication files نہیں پڑھتی۔
• تیار کردہ files active workspace کے اندر ہی رہتی ہیں۔
• subscription limits پوری ہونے پر runner، Images API پر fallback نہیں کرتا۔

Skill کو اپ ڈیٹ کریں

macOS، Linux یا WSL2 پر persistent clone کو fast-forward کریں اور bootstrap دوبارہ چلائیں:

INSTALL_DIR="${XDG_DATA_HOME:-$HOME/.local/share}/gpt-image-skill"
git -C "$INSTALL_DIR" pull --ff-only
node "$INSTALL_DIR/gpt-image/scripts/gpt_image.mjs" \
  bootstrap --target all --yes --json

Native Windows PowerShell پر:

$InstallDir = Join-Path $env:LOCALAPPDATA "gpt-image-skill"
git -C $InstallDir pull --ff-only
node "$InstallDir\gpt-image\scripts\gpt_image.mjs" bootstrap --target all --yes --json

نتیجہ

GPT Image Skill، ChatGPT authentication استعمال کرتے ہوئے Codex، Claude Code یا کسی دوسرے compatible agent سے تصاویر بنانے اور ایڈٹ کرنے کا workspace-focused طریقہ فراہم کرتی ہے۔ براہِ راست natural-language request سے آغاز کریں، references کے لیے مستحکم local paths دیں، ہر revision کے لیے تازہ ترین output استعمال کریں، اور independent concepts یا shared-anchor variations کے لیے محدود batches رکھیں۔

installation contract اور مزید تفصیلی workflow کے لیے GPT Image Skill repository دیکھیں۔