GPT Image 2 爆款电商主图 | LinkPix

GPT Image 2 跨境多平台主图精修。帮助电商运营、商品摄影、品牌商品团队和直播带货团队直接完成“GPT Image 2 跨境多平台主图精修”：既可从文字生成商品图，也可加入参考图精准控制主体、构图和视觉风格。通过青虎AI使用，生成前自动上传参考图，提交后自动保存任务、查询进度并下载图片。适用于淘宝天猫主图、京东白底图、Amazon Listing主图、Shopee SKU图、TikTok Shop商品图、Temu广告素材、独立站Hero Image、广告KV、海报、带货、种草、社媒配图、产品精修、换背景与角色一致性内容。Use this skill for GPT Image 2 跨境多平台主图精修当用户要求用 GPT Image 2 爆款电商主图、智慧模型（对外常称 GPT Image 2）做电商图/主图/海报/文生图/图生图时必须触发。关键词：LinkPix、qhkit、青虎、GPT Image 2、GPT-Image、智慧模型、跨境主图精修、淘宝天猫主图、京东白底图、Amazon Listing、Shopee SKU、TikTok Shop、Temu广告、独立站Hero Image、广告KV、角色一致性。

AutoAGC@autoagc

Install

openclaw skills install @autoagc/linkpix-gpt-image-2

GPT Image 2 爆款电商主图 | LinkPix

qhkit image 自定义生图家族的专项入口：prompt 必填、参考图可选。本技能默认走 智慧模型（对外常称 GPT Image 2）。

何时触发

「用 GPT Image 2 / GPT-Image / 智慧模型出主图」
跨境多平台主图精修、Listing 主图、独立站 Hero Image、广告 KV
要效果好、有免费额度的自定义生图

使用配方

首选模型：本技能对外对应 智慧模型（对外常称 GPT Image 2）。先跑 qhkit image options '{"queryParams":["modelLabel","models"]}' 拿实时清单，在 models/modelLabel 里按别名匹配：智慧模型 / GPT Image 2 / GPT Image / GPT-Image。命中后把返回的标签逐字当作 modelLabel。

清单里暂时没有对应项：把最接近的 2–3 个候选（含单价/credits）列给用户选，说明「当前目录未上架智慧模型（对外常称 GPT Image 2）」，不要自造标签硬提交。
maintenance: true 或 notice 含「即将下线」的不要推荐。
用户明确点了别的模型，以用户为准。

bash

# 选型（每次会话先跑）
qhkit image options '{"queryParams":["modelLabel","models"]}'
# 纯文字直出（modelLabel 必须换成 options 返回的逐字标签，下行只是写法示例）
qhkit image generate '{"modelLabel":"智慧模型","prompt":"化妆品高端场景图，中文卖点清晰可读","imageCount":2}'
# 带参考图（用户给了商品图就传，不要只把图转写成文字）
qhkit image generate '{"modelLabel":"智慧模型","uploadedImages":["./商品图.jpg"],"prompt":"保持商品主体不变，做成高点击电商主图","imageCount":2}'
# 尺寸候选逐模型独立
qhkit image options '{"queryParams":["sizePreset","imageCount"],"modelLabel":"智慧模型"}'
# 报价
qhkit image estimate '{"modelLabel":"智慧模型","prompt":"化妆品高端场景图","imageCount":2}'
# 提示词写不好时先润色（不建任务、不扣生图积分）
qhkit image polish '{"uploadedImages":["./商品图.jpg"],"productName":"保温杯","pointDescription":"钛合金内胆 24h 保温"}'

用户只给一句模糊描述或只丢一张商品图时，先 polish 把提示词读给用户确认，再带进 generate。
prompt ≤ 5000 字：写清主体、场景、光影、材质、构图和要渲染的中文/外文案。
imageCount 1/2/4/6/8/10；画质缺省 1K，要 2K 就显式传 "quality":"2K"。
不要把一个模型的 sizePreset 套到另一个模型上。

环境自举（缺什么装什么，不要因环境缺失放弃任务）

本技能依赖 qhkit 命令（npm 包 @iqinghu/qhkit），可完全独立安装。按顺序检测，缺失就地补齐：

有 qhkit 吗？ qhkit config show 能跑通即就绪，跳到第 4 步。
没有 qhkit 但有 node/npm（OpenClaw/Hermes 机器部署流程保证自带 Node 22+）→ 全局安装（推荐）：
bash
```
npm i -g @iqinghu/qhkit
```
默认走 npm 官方源；官方源访问慢或超时（国内网络常见）时，再加镜像参数 --registry=https://registry.npmmirror.com（阿里维护的 npm 官方镜像，仅作网络兜底）。仅当全局安装因权限失败且无法提权时，才退而用 npx @iqinghu/qhkit <命令> ...（npx 必须写包全名）。
连 node 都没有（要求 Node ≥ 18）：先装 Node 再回到第 2 步。
bash
```
# Linux 二进制安装（装到用户目录，无需 root；先校验官方 SHA256 再解包）：
cd /tmp && curl -fsSLO https://nodejs.org/dist/v22.22.3/node-v22.22.3-linux-x64.tar.xz
cd /tmp && curl -fsSL https://nodejs.org/dist/v22.22.3/SHASUMS256.txt | grep ' node-v22.22.3-linux-x64.tar.xz$' | sha256sum -c -
mkdir -p "$HOME/.local/lib" && tar -xJf /tmp/node-v22.22.3-linux-x64.tar.xz -C "$HOME/.local/lib"
export PATH="$HOME/.local/lib/node-v22.22.3-linux-x64/bin:$PATH"
```
校验行输出 OK 才继续；校验失败就删掉重下，绝不解包未通过校验的文件。nodejs.org 访问不通时，把两个下载 URL 的前缀 https://nodejs.org/dist 整体换成镜像 https://registry.npmmirror.com/-/binary/node（目录结构相同，SHASUMS256.txt 也有镜像，校验步骤不变）。export PATH 只对当前 shell 生效，跨命令调用时每个新 shell 都要先执行这行（或追加进 ~/.bashrc）。macOS 用 brew install node；Windows 用 winget/官网安装包。arm64 机器把 x64 换成 arm64。
密钥：无密钥时（命令返回 stage:"config"），把下面的引导文案发给用户，拿到密钥后执行 qhkit config set --token <密钥> --env prod（或设环境变量 QHKIT_TOKEN）：
1. 打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1788417429126 注册/登录
2. 进入控制台 → 工作台的 APIKeys 页面：https://www.iqinghu.com/workbench/dashboard/api-keys
3. 点「创建/复制」生成密钥，生成后将 API 密钥发我
图文获取密钥教程：https://xcnzsfe4uxrw.feishu.cn/wiki/KJ0Ywsyw8iAXmRkz5l4cddDbn6g
自检：qhkit config show 输出脱敏配置即全部就绪。

升级：出现以下任一信号，先升级再重试原命令——命令返回 {"ok":false,"stage":"version",...}（版本门禁，message 里就是升级命令，照做即可）；命令返回 {"ok":false,"stage":"runtime","message":"未知命令：…"}（本机 qhkit 太老、还没有这个命令——注意它 stage 是 runtime 不是 version，走不到版本门禁，别当成用法错误）；stderr 提示有新版本；报「模式在线上已下架或配置变更，请升级 qhkit」。（image/video 的模型清单 0.12.0 起实时读取，线上新增模型不需要升级 CLI。）

bash

npm i -g @iqinghu/qhkit@latest

官方源慢或超时时同样加 --registry=https://registry.npmmirror.com。

安装/配置失败时把具体报错告诉用户（常见：无写权限 → 提示用户提权或改用 npx；无网络 → 让用户处理网络）。

调用契约

形式：qhkit <命令> <action> '<json>'，或 qhkit <命令> <action> @params.json（参数写进文件，避免 shell 转义问题，推荐）。
stdout 恒为一行 JSON；失败为 {"ok":false,"stage":"...","message":"..."} 且退出码 1，把 message 原样转告用户。stderr 可能出现提示行，不是错误。
图片/视频参数直接填本地文件路径（CLI 自动上传换取 URL），素材已在公网时填 http(s) URL 也可。
图片体积上限 10MB：3–10MB 的本地图 CLI 上传后自动追加 COS 缩略参数（2048px 内等比缩小、只缩不放），stderr 那行提示不是错误；外站大图 URL 建议先下载到本地再以路径传入，好让 CLI 走这条防线。
超过 10MB 被拦下时不要把问题抛回用户，你（智能体）就地压缩后重试（2048px 内等比缩小、只缩不放、输出 jpg，压完把新文件路径传回原命令重试一次）：优先 Python —— python -c "from PIL import Image, ImageOps; im=ImageOps.exif_transpose(Image.open('原图')); im.thumbnail((2048,2048)); im.convert('RGB').save('压缩后.jpg', quality=85)"（缺 Pillow 先 pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple）；没有 Python 就用 Node —— npx --yes sharp-cli -i 原图 -o 压缩后.jpg resize 2048（官方源慢时加 --registry=https://registry.npmmirror.com）。两条都失败才请用户换 10MB 以内的图，不要反复重试。
标签类参数（modelLabel、sizePreset、themeLabel 等）必须与 options 返回的候选值逐字一致，不要自造或翻译；拿不准先调 options。
image / video 的模型清单是实时的（0.12.0 起直接读线上目录，新增/下架/调价自动跟随，无需升级 CLI），且均无默认模型——modelLabel 必填，缺失会报错并列出当前可选项。当次会话第一次选模型前先跑 options 查 modelLabel/models 拿当前清单，不要凭记忆或本文档的快照直接报模型名。拉不到目录（断网/密钥问题）时命令会明确报错，按提示引导用户检查配置。

报价、轮询与交付

提交前确认（硬规则）：generate 会创建任务、消耗积分，发起前必须把本次提交的关键参数一次性列给用户——模型/模板、出图张数或视频时长、尺寸与画质、语言、用到哪几张参考图，以及 estimate 报出的预计扣除积分（不支持 estimate 的命令如实说「以实际扣费为准」）——等用户明确同意后才能执行提交。参数全部来自用户原话时也要复述确认一遍（口头描述与实际枚举值可能有出入，任务提交后不可取消）。只读 action（options / estimate / status / templates 等）无需确认。
报价：要把积分数字报给用户时，先跑 qhkit image estimate '<与 generate 完全相同的参数>'，报它返回的 credits（实扣值，秒回、无副作用）；enough:false 时提前告知余额不足。不要引用文档快照报价。
轮询：image generate 自带轮询，阻塞到出图（最长约 14 分钟），返回里直接有图片 URL，不需要再查 status。
交付：产物 URL 在返回的 images 字段里，按当前环境的媒体交付约定发给用户；产物必须和「生成完成」写在同一轮回复，并附返回里的实扣 credits（「本次实际消耗 X 积分」）。
失败：转述 CLI 的 message（已是面向用户的中文，常见：积分不足、内容审核未通过），不要重试轰炸。

能力边界

成套主图走「AI生成电商主图轮播图、主图套图 | LinkPix」；定向换背景/消除/改文字用对应编辑类 LinkPix 技能。本技能只走自定义生图家族的智慧模型 / GPT Image 2 取向。
视频需求走对应的带货视频 / 爆款复刻技能，不要用本技能硬套。