GPT Image Skill yordamida rasmlar yaratish va tahrirlash

GPT Image Skill nima qiladi

GPT Image Skill Codex, Claude Code va mos keluvchi mahalliy agentlarga foydalanuvchining ChatGPT obunasi orqali rasmlar yaratish yoki tahrirlash imkonini beradi. U Codex'ning ichki $imagegen vositasidan yoki mavjud bo‘lsa, host tizimiga xos image_gen vositasidan foydalanadi. U OpenAI Images API'ga murojaat qilmaydi va alohida hisob-kitob qilinadigan Images API so‘rovini yaratmaydi.

Skill tabiiy tildagi promptlarni hamda o‘qilishi mumkin bo‘lgan mahalliy PNG, JPEG yoki WebP fayllariga havolalarni qabul qiladi. U yaratilgan PNG fayllarni faol loyihaning generated-images/ katalogiga saqlaydi va hosil bo‘lgan yo‘l hamda inline Markdown ko‘rib chiqish ma’lumotlarini qaytaradi.

Rasm yaratish ChatGPT yoki Codex tarkibidagi foydalanish limitini sarflaydi va tarif hamda ish maydoni cheklovlariga bo‘ysunadi. Rasm yaratishlar oddiy rasmsiz so‘rovlarga qaraganda kiritilgan limitlarni tezroq sarflashi mumkin, shuning uchun parallel to‘plamlarni maqsadli va kichik saqlang.

Asosiy imkoniyatlar

• API kaliti o‘rniga ChatGPT orqali autentifikatsiyadan o‘tgan Codex yordamida rasmlar yaratadi.
• Codex va Claude Code uchun bir xil gpt-image skill'ini o‘rnatadi.
• To‘g‘ridan-to‘g‘ri rasm promptini foydalanuvchi so‘ramagan ijodiy tafsilotlarni qo‘shmasdan saqlaydi.
• Foydalanuvchi bir nechta konsepsiya yoki dizayn yo‘nalishlarini aniq topshirganda, alohida promptlar ishlab chiqadi.
• Bir yoki bir nechta havolalarni belgilangan biriktirish tartibida qo‘llab-quvvatlaydi.
• Tahrirlash, keyingi o‘zgartirishlar, variantlar, kompozitsiya, shaffoflik, aniq matn va zich joylashuvli maket qoralamalarini qo‘llab-quvvatlaydi.
• Mustaqil rasm vazifalarini standart 2 ta parallel jarayon bilan, ko‘pi bilan 4 ta qilib bajaradi.
• Fayllarni faqat faol ish maydoni ichida saqlaydi va standart bo‘yicha mavjud rasmlarning ustiga yozmaydi.
• macOS, Linux, native Windows va WSL2'ni qo‘llab-quvvatlaydi.
• API kaliti orqali kirishni bloklaydi va Codex farzand jarayonlaridan tegishli API muhit o‘zgaruvchilarini olib tashlaydi.

Talablar

Skill'ni o‘rnatishdan oldin muhitda quyidagi komponentlar mavjudligiga ishonch hosil qiling:

• Node.js 22 yoki undan yangi: Hozir qo‘llab-quvvatlanadigan LTS versiyasidan foydalanish tavsiya etiladi.
• Git: Loyihani GitHub'dan klonlashda talab qilinadi.
• Codex CLI: Chaqiruvchi host native image_gen vositasini taqdim etmasa, u ChatGPT hisobiga kirilgan bo‘lishi kerak.
• Mos tarif: ChatGPT yoki Codex tarifi va ish maydoni rasm yaratishga ruxsat berishi kerak.

WSL1 qo‘llab-quvvatlanmaydi. WSL2'dan foydalanayotganda Node.js, Codex, repository va ishchi loyihani Linux tomonida saqlang. Klonni /mnt/c o‘rniga Linux home katalogiga joylashtiring.

Mahalliy agent orqali o‘rnatish

Eng oddiy sozlash usuli Codex, Claude Code yoki boshqa mos agentdan repository'ni o‘rnatishni so‘rashdir. Agentga AGENT_INSTALL.md faylini o‘qishni, doimiy klonlash yoki xavfsiz fast-forward yangilashni amalga oshirishni, Codex va Claude Code havolalarini yaratishni, ChatGPT qurilma avtorizatsiyasini boshlashni va quyidagi buyruqni ishga tushirishni ayting:

bootstrap --target all --yes --json

Tayyorlik hisoboti ok: true, status: ready va best_practice_pass: true bilan yakunlanishi kerak. Brauzer yoki qurilma orqali avtorizatsiyani foydalanuvchining o‘zi yakunlaydi. Skill parol, token, API kaliti yoki ~/.codex/auth.json tarkibini so‘ramaydi.

O‘rnatish jarayoni haqiqiy rasm yaratmasligi kerak. U odatiy tomonlar nisbati, sifat iboralari hamda yaratish va havolalardan foydalanish bo‘yicha namunaviy so‘rovlarni o‘z ichiga olgan qisqa boshlang‘ich qo‘llanma bilan yakunlanishi lozim.

Qo‘lda o‘rnatish

macOS, Linux va WSL2

O‘rnatilgan skill havolalari repository'ga yo‘naltirilgani sababli, doimiy klondan foydalaning:

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

Native 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 va WSL2'dagi o‘rnatish jarayoni ramziy havolalar yaratadi. Native Windows katalog junction'laridan foydalanadi. Mavjud, aloqasi bo‘lmagan yo‘llar almashtirilmaydi.

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

Birinchi rasmingizni yarating

O‘rnatishdan so‘ng skill'ni host orqali to‘g‘ridan-to‘g‘ri chaqiring. Codex'da quyidagidan foydalaning:

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

Claude Code'da quyidagidan foydalaning:

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

Kadr va sifatni tabiiy tarzda ifodalashingiz mumkin:

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

Ommabop so‘rovlar qatoriga 1:1, 16:9, 9:16, 4:3 va 3:4 kiradi. Foydali sifat iboralari: draft, high quality va high detail / final quality. Bular qat’iy API o‘lchamlari ro‘yxati emas, tabiiy tildagi so‘rovlardir, shuning uchun aniq piksel o‘lchamlari farq qilishi mumkin.

To‘g‘ridan-to‘g‘ri runner'dan foydalanish

Repository ichidan Node.js runner'ini aniq ko‘rsatib chaqirishingiz mumkin:

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"

Oddiy generatsiya ChatGPT autentifikatsiyasini tezkor tekshiradi, bitta rasm yaratadi, PNG faylining minimal yaxlitlik tekshiruvini bajaradi va PATH=... hamda absolyut MARKDOWN=... qiymatini qaytaradi.

Namunaviy rasm asosida rasm yaratish

Namunalar haqiqatan o‘qilishi mumkin bo‘lgan fayllar bo‘lishi kerak. Claude Code’da @path yoki aniq fayl tizimi yo‘lidan foydalaning:

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

Claude’da ko‘rsatilgan, joylangan yoki sudrab olib kelingan rasm ichki Codex jarayoniga avtomatik uzatilmaydi. Agar Claude aniq vaqtinchalik biriktirma yo‘lini ko‘rsatsa, agent bu faylni generated-images/inputs/ ichiga nusxalashi mumkin. Aks holda, rasmni loyiha ichida saqlang va uning yo‘lini ko‘rsating. Ko‘nikma Claude rasmlar keshidan qaysi fayldan foydalanishni taxmin qilmaydi.

To‘g‘ridan-to‘g‘ri beriladigan ekvivalent buyruq:

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"

Bir nechta namunani biriktirish

--reference parametrini kerakli tartibda takrorlang. Mos rollarni faqat namunalarda aniq rollar mavjud bo‘lganda qo‘shing:

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"

Tahrirlashda tahrir maqsadi Image 1 hisoblanadi. Qo‘llab-quvvatlovchi namunalar buyruq satridagi tartibda undan keyin keladi.

Rasmni tahrirlash va qayta ko‘rib chiqish

Mavjud rasmni o‘zgartirish uchun --edit-target bilan birga --mode edit parametridan foydalaning:

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"

Har bir keyingi qayta ko‘rib chiqishda asl manbaga qaytish o‘rniga eng so‘nggi natijani tahrirlang:

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"

Zarur bo‘lib qoladigan barcha qo‘llab-quvvatlovchi namunalarni qayta biriktiring. Har bir ko‘prik chaqiruvi vaqtinchalik bo‘lgani uchun avvalgi biriktirmalarni avtomatik saqlab qolmaydi. Asl manbani eng so‘nggi natija o‘rniga tahrirlash avvalgi qayta ko‘rib chiqishni yo‘qotadi.

Bir nechta rasmni parallel ishga tushirish

Bitta rasm yaratish yo‘li uchun generate dan foydalaning. Ikki yoki undan ortiq tayyor topshiriq uchun ko‘nikma cheklangan paketli ishga tushirishdan foydalanishi mumkin. Standart parallel ulanishlar soni 2 ta, maksimal soni 4 ta. Paket uchun autentifikatsiya bir marta tekshiriladi va muvaffaqiyatsiz topshiriqlar avtomatik qayta urinilmaydi.

Paketlash modeli uchta keng tarqalgan tuzilmani qo‘llab-quvvatlaydi:

• Umumiy tayanchli variantlar: Har bir topshiriq bir xil mavjud dizaynni o‘qiydi va unga boshqa uslubni qo‘llaydi.
• Delegatsiya qilingan konsepsiyalar: Agent umumiy cheklovlarni saqlagan holda so‘ralgan har bir dizayn yo‘nalishi uchun bitta to‘liq va mazmunan farqli prompt yaratadi.
• Takroriy renderlar: Hech qanday farq so‘ralmaganda, har bir topshiriq aynan bir xil promptdan qayta foydalanadi.

image-jobs.json kabi ish maydoniga xos manifest yarating:

{
  "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"
    }
  ]
}

Manifestni quyidagicha ishga tushiring:

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

Bir nechta topshiriq bir xil tayanchni xavfsiz o‘qishi mumkin. Har bir natijaga faqat tegishli uslub namunasini biriktiring. Aloqasiz konsepsiyalar uchun umumiy edit_target ni olib tashlang va har bir topshiriqqa mustaqil prompt hamda o‘z namunalarini bering.

Bitta paket topshirig‘i yaratgan natija ayni paket ichida boshqa topshiriqning kirish ma’lumotiga aylana olmaydi. Natijadan kirish ma’lumotiga bog‘liq ish jarayonlarini bosqichlarga ajrating. Umumiy tayanch bo‘lmasa, avval so‘ralgan natijani yarating va keyingi variantlar uchun unda qaytarilgan yo‘ldan foydalaning; ko‘nikma qo‘shimcha yashirin tayanch yaratmaydi.

Kengaytirilgan foydalanish bo‘yicha maslahatlar

Prompt maqsadini saqlash

Bitta to‘g‘ridan-to‘g‘ri so‘rov uchun foydalanuvchi iborasi asosiy hisoblanadi va o‘zgartirilmasdan uzatiladi. Agar foydalanuvchi bir nechta turli dizayn, konsepsiya, yo‘nalish, variant yoki muqobil yechim so‘rasa, delegatsiya qilingan ijodiy maqsad ham asosiy hisoblanadi. Bunday holatda agent har bir natija uchun umumiy obyekt, brend, matn, namunalar, tomonlar nisbati va boshqa cheklovlarni saqlagan holda tasvirga tayyor, o‘ziga xos prompt ishlab chiqadi.

Topshiriq raqamlari rasm promptlarida emas, manifest identifikatorlari va fayl nomlarida bo‘lishi kerak. this is the second option kabi iboralarni qo‘shmang.

To‘g‘ri rejimni tanlash

• Matndan rasm yaratish uchun --mode generate dan foydalaning.
• Mavjud fayl asosida yo‘naltirilgan yangi rasm yaratish uchun --reference PATH ni qo‘shing.
• Mavjud rasmni o‘zgartirish uchun --mode edit --edit-target PATH dan foydalaning.
• Mavjud dizaynning boshqa ko‘rinishini yaratish uchun --mode variation --edit-target PATH dan foydalaning.
• --background transparent parametridan faqat shaffoflik so‘ralganda foydalaning.
• Bitta kompozitsiyani turli uslublarda ko‘rsatadigan bir nechta variant ishlarida bir xil tahrir nishonidan foydalaning.
• Bir xil tasvir turli sahnalar yoki maketlarda aks etishi kerak bo‘lsa, uni bir nechta yaratish ishlarida ma’lumotnoma sifatida foydalaning.

Tasodifiy ustiga yozilishlarning oldini oling

Runner mavjud rasm ustiga faqat --overwrite parametri aniq ko‘rsatilganda yozadi. Har bir natija uchun generated-images/ ichida tavsiflovchi chiqish yo‘lini belgilang.

Muammolarni bartaraf etish va sozlamalarni tekshirish

Rejalashtirish va batafsil diagnostika ixtiyoriy. Oddiy yaratishdan oldin ulardan foydalanish shart emas. Sozlamalar, autentifikatsiya, ma’lumotnomalar yoki chiqish fayllari tekshirilishi kerak bo‘lganda ulardan foydalaning:

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

Rasm yaratmasdan tizimga kirish va yo‘llarni tekshirish uchun:

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

Manifestni tekshirish va tizimga kirmasdan yoki rasm yaratmasdan uning rejalashtirilishini sinash uchun:

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

Yaratilgan rasmlar SHA-256 qaydnomalari o‘rniga fayl va imzo tekshiruvlaridan yengil tarzda o‘tkaziladi. SHA-256 o‘rnatish fayllarini tekshirish kabi ma’noli holatlarda mavjud bo‘lib qoladi:

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

Xavfsizlik va maxfiylik choralari

• Skill Codex farzand jarayonlaridan OPENAI_API_KEY, OPENAI_BASE_URL, OPENAI_ORG_ID, OPENAI_PROJECT_ID va CODEX_ACCESS_TOKEN ni olib tashlaydi.
• Qizilaktirilgan diagnostika ChatGPT orqali autentifikatsiya o‘rnatilganini tasdiqlamaguncha yaratish bloklanadi.
• OpenAI Images API endpointi yoki /v1/images so‘rovi kiritilmagan.
• Skill autentifikatsiya fayllarini o‘qimaydi.
• Yaratilgan fayllar faol ish maydoni ichida qoladi.
• Obuna limitlariga erishilganda runner Images APIʼga o‘tmaydi.

Skillni yangilang

macOS, Linux yoki WSL2 da doimiy klonni fast-forward qilib, bootstrap jarayonini qayta ishga tushiring:

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

Windows PowerShellʼning mahalliy versiyasida:

$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

Xulosa

GPT Image Skill ChatGPT autentifikatsiyasidan foydalanib, Codex, Claude Code yoki boshqa mos agent orqali ish maydoniga yo‘naltirilgan tarzda rasmlar yaratish va tahrirlash imkonini beradi. To‘g‘ridan-to‘g‘ri tabiiy tildagi so‘rovdan boshlang, ma’lumotnomalar uchun barqaror mahalliy yo‘llarni taqdim eting, har bir tuzatish uchun eng so‘nggi natijadan foydalaning va cheklangan hajmdagi paketlarni mustaqil konsepsiyalar yoki umumiy tayanchli variantlar uchun saqlang.

O‘rnatish shartlari va batafsil ish jarayonlari uchun GPT Image Skill repozitoriyasiga tashrif buyuring.