Tạo và chỉnh sửa hình ảnh bằng GPT Image Skill

GPT Image Skill thực hiện những gì

GPT Image Skill cho phép Codex, Claude Code và các agent cục bộ tương thích tạo hoặc chỉnh sửa hình ảnh thông qua gói đăng ký ChatGPT của người dùng. Skill sử dụng $imagegen tích hợp sẵn của Codex hoặc công cụ image_gen gốc của máy chủ khi có sẵn. Skill không gọi OpenAI Images API và không tạo yêu cầu Images API được tính phí riêng.

Skill tiếp nhận prompt bằng ngôn ngữ tự nhiên và các tham chiếu dễ đọc đến tệp PNG, JPEG hoặc WebP cục bộ. Skill lưu các tệp PNG được tạo vào thư mục generated-images/ của dự án đang hoạt động, đồng thời trả về đường dẫn kết quả và thông tin xem trước Markdown nội tuyến.

Việc tạo hình ảnh sử dụng hạn mức ChatGPT hoặc Codex đi kèm và vẫn chịu các giới hạn của gói dịch vụ và workspace. Các lượt tạo hình ảnh có thể tiêu thụ hạn mức đi kèm nhanh hơn những lượt tương tác không tạo ảnh tương đương, vì vậy hãy giữ các lô chạy song song ở quy mô nhỏ và có chủ đích.

Tính năng chính

• Tạo hình ảnh thông qua Codex được xác thực bằng ChatGPT thay vì khóa API.
• Cài đặt cùng một skill gpt-image cho Codex và Claude Code.
• Giữ nguyên prompt hình ảnh trực tiếp mà không tự ý thêm chi tiết sáng tạo.
• Phát triển các prompt riêng biệt khi người dùng chủ động giao nhiều ý tưởng hoặc hướng thiết kế.
• Hỗ trợ một hoặc nhiều tham chiếu theo thứ tự đính kèm xác định.
• Hỗ trợ chỉnh sửa, sửa đổi tiếp theo, biến thể, ghép ảnh, độ trong suốt, văn bản chính xác và bản nháp bố cục dày đặc.
• Chạy các tác vụ hình ảnh độc lập với số lượng đồng thời mặc định là 2 và tối đa là 4.
• Chỉ lưu tệp trong workspace đang hoạt động và mặc định không ghi đè hình ảnh hiện có.
• Hỗ trợ macOS, Linux, Windows gốc và WSL2.
• Chặn đăng nhập bằng khóa API và loại bỏ các biến môi trường API liên quan khỏi các tiến trình con của Codex.

Yêu cầu

Trước khi cài đặt skill, hãy đảm bảo môi trường có các thành phần sau:

• Node.js 22 trở lên: Khuyến nghị sử dụng bản LTS hiện được hỗ trợ.
• Git: Cần thiết khi sao chép dự án từ GitHub.
• Codex CLI: Phải được đăng nhập bằng ChatGPT, trừ khi máy chủ gọi cung cấp công cụ image_gen gốc.
• Gói dịch vụ đủ điều kiện: Gói ChatGPT hoặc Codex và workspace phải cho phép tạo hình ảnh.

WSL1 không được hỗ trợ. Khi sử dụng WSL2, hãy giữ Node.js, Codex, repository và dự án đang làm việc ở phía Linux. Lưu bản sao trong thư mục home của Linux thay vì /mnt/c.

Cài đặt thông qua Agent cục bộ

Cách thiết lập đơn giản nhất là yêu cầu Codex, Claude Code hoặc agent tương thích khác cài đặt repository. Hướng dẫn agent đọc AGENT_INSTALL.md, thực hiện sao chép lâu dài hoặc cập nhật fast-forward an toàn, tạo liên kết cho Codex và Claude Code, bắt đầu cấp quyền thiết bị ChatGPT, rồi chạy:

bootstrap --target all --yes --json

Báo cáo sẵn sàng phải kết thúc bằng ok: true, status: ready và best_practice_pass: true. Người dùng tự hoàn tất việc cấp quyền qua trình duyệt hoặc thiết bị. Skill không yêu cầu mật khẩu, token, khóa API hoặc nội dung của ~/.codex/auth.json.

Quy trình cài đặt không được tạo hình ảnh trực tiếp. Quy trình nên kết thúc bằng hướng dẫn bắt đầu ngắn gọn, bao gồm các tỷ lệ khung hình phổ biến, cụm từ về chất lượng và ví dụ về yêu cầu tạo ảnh cũng như yêu cầu tham chiếu.

Cài đặt thủ công

macOS, Linux và WSL2

Hãy sử dụng bản sao lâu dài vì các liên kết của skill đã cài đặt trỏ đến repository:

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

PowerShell trên Windows gốc

$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

Trên macOS, Linux và WSL2, quá trình cài đặt tạo các symbolic link. Windows gốc sử dụng directory junction. Các đường dẫn hiện có không liên quan sẽ không bị thay thế.

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

Tạo hình ảnh đầu tiên

Sau khi cài đặt, hãy gọi skill trực tiếp từ máy chủ. Trong Codex, sử dụng:

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

Trong Claude Code, sử dụng:

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

Bạn có thể diễn đạt khung hình và chất lượng bằng ngôn ngữ tự nhiên:

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

Các yêu cầu phổ biến gồm 1:1, 16:9, 9:16, 4:3 và 3:4. Các cụm từ hữu ích về chất lượng gồm draft, high quality và high detail / final quality. Đây là các yêu cầu bằng ngôn ngữ tự nhiên thay vì danh sách kích thước API cố định, vì vậy kích thước pixel chính xác có thể thay đổi.

Sử dụng trình chạy trực tiếp

Từ repository, bạn có thể gọi trình chạy Node.js một cách rõ ràng:

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"

Quy trình tạo thông thường sẽ nhanh chóng kiểm tra xác thực ChatGPT, tạo một hình ảnh, thực hiện kiểm tra PNG tối thiểu và trả về PATH=... cùng giá trị MARKDOWN=... tuyệt đối.

Tạo hình ảnh từ ảnh tham chiếu

Ảnh tham chiếu phải là các tệp thực tế có thể đọc được. Trong Claude Code, hãy ưu tiên @path hoặc đường dẫn tệp rõ ràng:

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

Hình ảnh được dán hoặc kéo vào Claude không tự động được kế thừa bởi quy trình Codex lồng nhau. Nếu Claude cung cấp đường dẫn chính xác đến tệp đính kèm tạm thời, tác nhân có thể sao chép tệp đó vào generated-images/inputs/. Nếu không, hãy lưu hình ảnh bên trong dự án và cung cấp đường dẫn của tệp. Kỹ năng này không tự đoán tệp cần sử dụng từ bộ nhớ đệm hình ảnh của Claude.

Lệnh trực tiếp tương đương là:

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"

Đính kèm nhiều ảnh tham chiếu

Lặp lại --reference theo đúng thứ tự yêu cầu. Chỉ thêm các vai trò tương ứng khi ảnh tham chiếu có vai trò cụ thể:

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"

Khi chỉnh sửa, đối tượng chỉnh sửa là Image 1. Các ảnh tham chiếu hỗ trợ sẽ theo sau ảnh này theo thứ tự trên dòng lệnh.

Chỉnh sửa và sửa đổi hình ảnh

Sử dụng --mode edit cùng với --edit-target để sửa đổi một hình ảnh hiện có:

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"

Với mỗi lần sửa đổi tiếp theo, hãy chỉnh sửa kết quả mới nhất thay vì quay lại nguồn ban đầu:

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"

Đính kèm lại mọi ảnh tham chiếu hỗ trợ vẫn cần thiết. Mỗi lần gọi cầu nối đều là tạm thời, nên không tự động giữ lại các tệp đính kèm trước đó. Việc chỉnh sửa nguồn ban đầu thay vì kết quả mới nhất sẽ làm mất bản sửa đổi trước đó.

Chạy nhiều hình ảnh song song

Sử dụng generate cho quy trình một hình ảnh. Với từ hai công việc sẵn sàng trở lên, kỹ năng này có thể sử dụng một lô có giới hạn. Mức đồng thời mặc định là 2 và tối đa là 4. Việc xác thực được kiểm tra một lần cho cả lô, các công việc thất bại sẽ không được tự động thử lại.

Mô hình xử lý theo lô hỗ trợ ba cấu trúc phổ biến:

• Các biến thể dùng chung điểm neo: Mỗi công việc đọc cùng một thiết kế hiện có và áp dụng một kiểu khác nhau.
• Các ý tưởng được ủy quyền: Tác nhân tạo một lời nhắc hoàn chỉnh và khác biệt rõ ràng cho từng hướng thiết kế được yêu cầu, đồng thời giữ nguyên các ràng buộc chung.
• Các bản kết xuất lặp lại: Khi không yêu cầu khác biệt, mỗi công việc sử dụng lại chính xác lời nhắc đó.

Tạo một tệp kê khai trong không gian làm việc cục bộ, chẳng hạn như image-jobs.json:

{
  "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"
    }
  ]
}

Chạy tệp kê khai bằng:

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

Nhiều công việc có thể đọc cùng một điểm neo một cách an toàn. Chỉ đính kèm ảnh tham chiếu kiểu dáng phù hợp cho từng đầu ra. Với các ý tưởng không liên quan, hãy bỏ edit_target chung và cung cấp cho mỗi công việc một lời nhắc độc lập cùng các ảnh tham chiếu riêng.

Kết quả do một công việc trong lô tạo ra không thể trở thành đầu vào của một công việc khác trong cùng lô đó. Hãy chạy các quy trình có phần phụ thuộc đầu ra vào đầu vào theo từng giai đoạn. Nếu không có điểm neo chung, hãy tạo đầu ra được yêu cầu đầu tiên và sử dụng đường dẫn trả về của nó cho các biến thể sau; kỹ năng này không tạo thêm điểm neo ẩn.

Mẹo sử dụng nâng cao

Giữ nguyên ý định của lời nhắc

Với một yêu cầu trực tiếp đơn lẻ, cách diễn đạt của người dùng là căn cứ quyết định và được chuyển tiếp nguyên văn. Nếu người dùng yêu cầu nhiều thiết kế, ý tưởng, hướng, lựa chọn hoặc phương án khác nhau, ý định sáng tạo được ủy quyền cũng là căn cứ quyết định. Khi đó, tác nhân phát triển một lời nhắc riêng, sẵn sàng cho việc tạo hình ảnh cho từng đầu ra, đồng thời giữ nguyên chủ thể, thương hiệu, văn bản, ảnh tham chiếu, tỷ lệ khung hình và các ràng buộc khác.

Số thứ tự công việc thuộc về mã định danh trong tệp kê khai và tên tệp, không phải lời nhắc hình ảnh. Tránh thêm các cụm như this is the second option.

Chọn đúng chế độ

• Sử dụng --mode generate cho tác vụ chuyển văn bản thành hình ảnh.
• Thêm --reference PATH để tạo hình ảnh mới dựa trên một tệp hiện có.
• Sử dụng --mode edit --edit-target PATH để thay đổi hình ảnh hiện có.
• Sử dụng --mode variation --edit-target PATH để tạo biến thể từ một thiết kế hiện có.
• Chỉ sử dụng --background transparent khi có yêu cầu nền trong suốt.
• Sử dụng cùng một đối tượng chỉnh sửa trong nhiều tác vụ biến thể để tạo một bố cục được kết xuất theo các phong cách khác nhau.
• Sử dụng cùng một hình ảnh làm tham chiếu trong nhiều tác vụ tạo khi danh tính cần xuất hiện trong các bối cảnh hoặc bố cục khác nhau.

Tránh Ghi Đè Ngoài Ý Muốn

Trình chạy không ghi đè hình ảnh hiện có trừ khi chỉ rõ --overwrite. Đặt cho mỗi kết quả một đường dẫn đầu ra mô tả rõ ràng bên dưới generated-images/.

Khắc Phục Sự Cố và Kiểm Tra Thiết Lập

Việc lập kế hoạch và chẩn đoán chi tiết là tùy chọn. Không bắt buộc thực hiện trước khi tạo ảnh thông thường. Hãy sử dụng khi cần kiểm tra thiết lập, xác thực, tệp tham chiếu hoặc tệp đầu ra:

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

Để kiểm tra đăng nhập và đường dẫn mà không tạo hình ảnh:

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

Để xác thực manifest hàng loạt và lịch lập lịch của manifest mà không đăng nhập hoặc tạo hình ảnh:

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

Hình ảnh được tạo sẽ được kiểm tra tệp và chữ ký ở mức cơ bản thay vì tạo mã xác nhận SHA-256. SHA-256 vẫn khả dụng khi có ý nghĩa, chẳng hạn như xác minh trình cài đặt:

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

Biện Pháp Bảo Vệ An Ninh và Quyền Riêng Tư

• Skill loại bỏ OPENAI_API_KEY, OPENAI_BASE_URL, OPENAI_ORG_ID, OPENAI_PROJECT_ID và CODEX_ACCESS_TOKEN khỏi các tiến trình con của Codex.
• Việc tạo ảnh bị chặn trừ khi chẩn đoán đã loại bỏ thông tin nhạy cảm xác nhận việc xác thực ChatGPT.
• Không bao gồm điểm cuối OpenAI Images API hoặc yêu cầu /v1/images.
• Skill không đọc các tệp xác thực.
• Các tệp được tạo luôn nằm trong workspace đang hoạt động.
• Khi đạt giới hạn gói đăng ký, trình chạy không chuyển sang sử dụng Images API.

Cập Nhật Skill

Trên macOS, Linux hoặc WSL2, hãy fast-forward bản sao lưu trữ cố định rồi chạy lại bootstrap:

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

Trên Windows PowerShell gốc:

$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

Kết Luận

GPT Image Skill cung cấp một phương thức tập trung vào workspace để tạo và chỉnh sửa hình ảnh từ Codex, Claude Code hoặc một agent tương thích khác bằng xác thực ChatGPT. Hãy bắt đầu bằng yêu cầu trực tiếp bằng ngôn ngữ tự nhiên, cung cấp đường dẫn cục bộ ổn định cho các tệp tham chiếu, sử dụng đầu ra mới nhất cho mỗi lần chỉnh sửa và dành các lô có giới hạn cho những ý tưởng độc lập hoặc các biến thể dùng chung điểm neo.

Để xem thỏa thuận cài đặt và thông tin chi tiết hơn về quy trình, hãy truy cập kho lưu trữ GPT Image Skill.