开源GPT-Image2生图Skill，附大量玩法指南

一个让人又惊又喜的消息。

听说 OpenAI 官方已经和某个中文社区达成了合作？当然是假的。这几天怕是患上了“看图多疑症”，每刷到一张图都得先琢磨一下：这是不是 AI 生成的？

这些让人真假难辨的图，背后正是 OpenAI 最新发布的生图模型 GPT-Image-2。

2026 年 4 月 21 日，OpenAI 正式发布了 GPT-Image-2，在 ChatGPT 里被称为 Images 2.0。它在 Arena.AI 的 Text-to-Image 排行榜上以 1512 分登顶，比第二名谷歌的 Nano-Banana-2 高出整整 242 分。官方评价只有一句话：从未有任何模型能以如此悬殊的优势排名第一。

作为 Nano-Banana-2 的长期用户（之前的文章配图大部分来自它），可以负责任地说：GPT-Image-2 是迄今为止最强大的图像生成模型，大部分场景下效果碾压 Nano-Banana。

接下来，从以下几个角度彻底讲透 GPT-Image-2：

• 它究竟强在哪里？
• 哪里可以用？
• 有哪些有意思的玩法？
• 使用时的最佳实践是什么？

同时，还会介绍专门为其搭建的玩法网站和配套的生图 Skill。

[]

一、GPT-Image-2 究竟强在哪？

从大量实践来看，GPT-Image-2 的核心优势集中在三个方面。

首先是文字渲染。过去 AI 生成图最让人头疼的就是图里的文字东倒西歪。英文还好，中文、日文、韩文这些非拉丁字符简直就是翻车重灾区。这次 GPT-Image-2 明显把“图中文字”当成了重点攻关方向，海报、封面、菜单、招牌、PPT 风格图、UI 标签和信息图，统统能拿得出手。

文字渲染示例：

其次是指令遵循能力。你可以给它非常具体的要求：主体放哪、背景什么风格、文案怎么排版、整体偏杂志还是电商风、哪些元素不能动。虽然还做不到 Figma 那样像素级可控，但已经非常接近“按 brief 出图”的感觉了。

指令遵循示例：

最后是编辑能力。支持图像输入和编辑，而且能以高保真方式处理输入图片。这意味着它可以胜任产品换背景、局部替换、风格统一、Logo/包装保留、以及以参考图为基础的延展创作。

编辑能力示例：

二、GPT-Image-2 哪里可以用？

官方渠道

最直接的入口当然是 ChatGPT。Plus、Pro、Business 等付费订阅用户可以直接使用。

ChatGPT 使用界面：

另外，GPT-Image-2 已经整合进了 OpenAI 的 Codex 开发环境。开发者可以在写代码的同时，用自然语言让 AI 生成 UI 界面图、游戏贴图、应用图标等视觉资产，这种体验相当丝滑。

Codex 集成示例：

三方平台

Lovart 是目前最火的 AI 设计平台之一，已经第一时间接入了 GPT-Image-2。它的核心产品 ChatCanvas 是一个支持视觉反馈的 AI 设计协作画布，你可以把 GPT-Image-2 和其他模型串联使用，在同一个画布上完成从草图到成品的全流程。

Lovart 使用界面：

API 调用

对于开发者，官方渠道是在 OpenAI 的 Image API 里用 model: "gpt-image-2" 来调用 images.generate 或 images.edit。这种方式适合把图像生成能力接入自己的产品，比如营销工具、电商后台、设计平台或自动化工作流。

如果不想直接对接 OpenAI 的 API，还有更灵活的选择。OpenRouter 是目前最热门的模型路由平台，已上线 GPT-Image-2（通过 openai/gpt-5.4-image-2 调用），优势是统一 API 格式、自动负载均衡、支持多模型切换。

OpenRouter 界面：

302.AI 是国内开发者更熟悉的平台，按用量付费，支付简单，对新手比较友好。

302.AI 界面：

三、GPT-Image-2 有哪些有意思的玩法？

案例网站

因为玩法实在太多，专门搭建了一个使用指南网站来系统展示。实际跑了大量案例，覆盖多个分类、大量结构化模板，全部收录在网站里。

案例网站首页：

这个站点不是简单的图库。每张图点开后，能看到完整的生成 prompt（可一键复制）、用了哪个模板、模板里哪些字段可以改、怎么对着 Agent 说一句话就能复现。支持瀑布流和按分类浏览两种模式，翻起来很快。

案例详情页：

典型案例

挑几个比较有代表性的方向，每个都能发挥 GPT-Image-2 的长项。

1. UI 界面样机
生成“看起来像真实截图”的 UI 界面效果非常不错。跑了一系列 UI 样机 prompt，包括直播电商界面、社交平台动态页、短视频封面、聊天对话界面。

UI 样机示例：

看完这些图，恐怕真的要感叹：有图有真相的时代，确实结束了。

2. 海报与品牌视觉
品牌主海报、Campaign KV、Web Banner、杂志封面都可以搞定。在 prompt 里指定品牌名、slogan、配色方案、人物站位，出来的结果在排版合理性上比以前强很多。

品牌视觉示例：

测试了 Nike × LeBron James 运动海报、Apple Vision Pro 产品季 KV、《时代》杂志风格封面，完成度都比较高。

3. 信息图与数据可视化
文字渲染能力的提升，让信息图变得非常稳定。可以做便当格布局、手绘风信息图、步骤教程图、KPI 仪表盘。像“iPhone 16 Pro 全方位解析”这种高密度多模块的图，也能把各个区块的中文标签渲染清楚。

信息图示例：

4. 学术配图
这个方向可能出乎很多人意料。它可以生成论文级别的方法总览图（pipeline figure）、神经网络架构图、机理示意图、Graphical Abstract。风格偏白底、出版物字体、低饱和工程色，看起来就像正经投稿论文里的 figure。

学术配图示例：

测试了 CS/CV/ML 方向的 pipeline 图、工程方向的机理图、答辩首页的研究总览图，效果都不错。

5. 漫画与角色
四格漫画、跨页分镜、角色设定表、角色关系图——这些以前需要画师才能完成的东西，GPT-Image-2 也能交出像样的结果。测试了“程序员与合并不了的周一”四格漫画、仙侠少年的 8 格跨页彩色分镜、《三体》核心人物关系图。人物一致性虽然还不完美，但作为快速出概念、跑 MVP 来说已经够用。

漫画示例：

6. 技术架构图
没错，它还能画系统架构图、流程图、时序图、ER 图、状态机、思维导图、网络拓扑图。当然这些图是 PNG 位图，不是可编辑的 SVG，更适合用在文档配图、技术分享 PPT 或者快速表达架构思路的场景，而不是替代 draw.io 或 Excalidraw。

技术架构图示例：

7. 头像与贴纸
风格化头像、角色网格肖像、3D 拟物图标、贴纸套装、历史人物系列，这个方向很适合拿来玩。

头像与贴纸示例：

上面这些只是一部分方向。完整的几百个案例，覆盖地图、产品视觉、绘本、极简氛围图、包装设计等 18 个分类，在网站上都可免费查看。

四、GPT-Image-2 使用的最佳实践？

你大概已经注意到了，上面这些案例有个共同特点：prompt 都比较长、结构化程度很高。如果只是随口说一句“帮我画个海报”，出来的效果肯定差得很远。区别就在 prompt 的工程化程度。

这就引出了配套开发的另一个资源——GPT-Image-2 生图 Skill。

生图 Skill 介绍

简单来说，Skill 是一套给 AI Agent 看的“工作手册”。把 Skill 放到 Agent 的工作环境（比如 Claude Code、Cursor、Codex）里，Agent 就会按照 Skill 定义的流程来干活。对于生图这件事，流程是这样的：

1. 判断当前运行模式（有 API Key 吗？宿主有图像工具吗？）
2. 分析用户的需求属于哪个视觉类型
3. 找到对应的结构化模板
4. 把用户输入填进模板里
5. 渲染出一个高质量 prompt
6. 调用图像工具出图（或者把 prompt 直接给你）

这套 Skill 覆盖了 18 大类、79 个结构化模板。每个模板都是一份 Markdown 文件，里面定义了 JSON 或结构化自然语言模板、参数表、变体说明、典型案例。前面介绍的典型案例图，全部是用这套模板体系生成的。

三种运行模式

Skill 设计了三种运行模式，适配不同环境。

三种模式示意图：

Mode A：Garden 本地模式
如果你有可以调用 gpt-image-2 的 API Key，Skill 会完整跑通整个流程——选模板、渲染 prompt、调用生图脚本、图片自动落盘。这是最全自动的模式，适合在 Claude Code、Cursor 等支持自定义工具但不具备生图能力的 Agent 环境里使用。

Mode B：Host-Native 委托宿主
在 Codex 这类环境里，Skill 会退化成提示词工程指引——帮你选模板、填参数、渲染出最终 prompt，然后交给宿主自带的图像工具去执行。好处是不需要自己配 API Key，直接用平台的能力就行。

Mode C：Advisor 顾问模式
如果 Agent 环境完全没有图像工具（比如纯文本的 Agent），你也没有 gpt-image-2 的 API Key，Skill 会变成一个高质量的生图 prompt 顾问。依然会帮你走完模板选择和参数填充的流程，最终把渲染好的 prompt 打印出来，你自己拿去 ChatGPT 或 Lovart 这些平台使用。

怎么用？

具体安装和运行方式取决于用的 Agent 环境，下面按常见场景说明。

场景一：Codex

Codex 自带图像生成工具，属于 Mode B。只需把 garden-skills 仓库中的 gpt-image-2 Skill 安装到 Codex 的工作目录（放在 .claude/skills 目录下），然后直接对 Codex 说出想生成的图即可。

Codex 安装示例：

场景二：Claude Code / Cursor 等 Agent（自配 API）

这类环境通常没有内置图像工具，但可以自己配 OpenAI API Key。首先把 garden-skills 仓库中的 gpt-image-2 Skill 安装到 Agent 工作目录，然后配置环境变量：ENABLE_GARDEN_IMAGEGEN=true、OPENAI_BASE_URL、OPENAI_API_KEY。配置好后，Skill 进入 Mode A，完整跑通全流程。

环境配置示例：

之后对 Agent 说出想生成的图，Skill 会自动处理后的一切。任务完成后，图片和原始提示词会统一保存到本地固定目录中。

输出示例：

场景三：ChatGPT Web / Lovart / 任何有生图能力的对话界面

这个场景下可以把 Skill 当作 prompt 工程参考手册。同样在 Claude Code / Cursor 等 Agent 中配置好 Skill，但不配置任何环境变量。直接向 Agent 发出绘图需求，Agent 会返回结构化的提示词，将其粘贴到 ChatGPT 或 Lovart 的对话框中使用。虽然多了一步手动操作，但 prompt 质量会高很多。

返回提示词示例：

模板体系一览

整个 Skill 的模板按 18 个分类组织，完整列表如下：

分类	模板数	案例数	典型方向
学术配图	9	18	pipeline 图、架构图、Graphical Abstract、答辩首页
素材资产	2	4	拟物图标集、游戏截图 mockup
头像人设	5	10	风格迁移头像、角色网格、3D 图标、贴纸、历史系列
品牌包装	4	8	品牌识别板、吉祥物套装、化妆品包装、饮料标签
图像编辑	5	10	背景替换、局部替换、杂物去除、产品精修、人像修改
网格拼贴	4	8	2×2 套装、lookbook、多风格拼贴、动漫立项板
信息图	6	12	手绘风、便当格、对比图、步骤教程、KPI 仪表盘
地图	4	8	美食地图、旅行路线、城市风貌、门店分布
人物肖像	4	8	商务肖像、创始人大片、虚拟主播、角色设定表
海报活动	4	8	品牌海报、Campaign KV、Web Banner、杂志封面
产品视觉	5	10	爆炸视图、白底主图、影棚大片、礼盒展示、生活场景
场景插画	4	8	治愈日常、概念大场景、绘本内页、极简氛围
演示文档	4	8	高密度讲解 Slide、政策风、商业报告页、教学示意图
叙事序列	5	10	四格漫画、漫画分镜、动漫 KV、人物关系图、步骤流程
技术架构图	7	14	系统架构、流程图、时序图、状态机、ER 图、思维导图、拓扑
字体排版	2	4	大字主张海报、中英双语版式
UI 样机	5	10	直播电商、社交平台、落地页、聊天界面、短视频封面
编辑工作流	5	10	背景替换、局部替换、杂物去除、精修、人像编辑

全部模板和案例都可以在 Skill 仓库和案例网站上直接查看和使用。模板和案例会持续更新。