sudocode-gpt-image-2-gen

图片生成技能，当用户需要生成图片、视觉信息图、创建图像、编辑/修改/调整已有图片时使用此技能。基于 SudoCode 平台(https://sudocode.us)的 GPT Image 2 模型图片生成服务。该模型支持精确的尺寸/画质控制（含4K），按token计费。关键点：使用 /v1/images/generations 和 /v1/images/edits 端点；有显式 size 参数；有 quality 参数；使用 multipart/form-data 上传参考图；b64_json 为纯 base64 无前缀。

图片生成与编辑（GPT Image 2 官方正式版）

基于基于 SudoCode 平台的 GPT Image 2 模型实现图片生成技能，可以通过自然语言帮助用户生成图片，支持 Node.js 和 Python 两种运行环境。该模型支持精确的尺寸/画质控制（含 4K）。

使用指引

遵循以下步骤：

第1步：分析需求与参数提取

1. 明确意图：区分用户是需要【文生图】（生成新图片）还是【图生图】（编辑/修改现有图片）或【多图融合】。

2. 提示词（Prompt）分析：

   • 使用用户原始完整输入：把用户输入的原始完整问题需求描述（原文）直接作为 -p 提示词的主体，避免自行改写、总结或二次创作，防止细节丢失。
   • 需要补充时先确认：如果信息不足（例如缺少风格、主体数量、镜头语言、场景细节、文字内容、禁止元素等），先向用户提问确认；用户确认后，再把补充内容以"追加"的方式拼接到原始提示词后。
   • 样例：
     • 用户输入："帮我生成一张猫的图片，风格要可爱一点。"
     • 正例说明：直接使用用户输入作为提示词：-p "帮我生成一张猫的图片，风格要可爱一点。"
     • 反例说明：擅自改写为"生成一张可爱风格的猫的图片"会丢失用户原始输入的细节和语气。
     • 如果需要补充细节（例如颜色、背景等），先提问确认："你希望猫是什么颜色的？背景有什么要求吗？"用户回答后，再追加到提示词中：-p "帮我生成一张猫的图片，风格要可爱一点。猫是橘色的，背景是草地。"

3. 关键参数整理：

   • Prompt（必需）：提示词分析后的最终提示词（默认=用户原始完整且一致的输入；仅在用户确认后才追加补充信息）。
   • Filename（可选）：输出图片文件名/路径(需包含文件随机标识，避免重复)。不传则脚本会自动生成带时间戳的文件名。建议根据内容生成合理文件名（例如 cat_in_garden.png），避免使用通用名。
   • Size（可选）：输出尺寸。
     • 预设值：1024x1024、1536x1024、1024x1536、2048x2048、2048x1152、3840x2160、2160x3840
     • 也可使用自定义尺寸（满足：最大边≤3840、两边16倍数、比例≤3:1、总像素0.65–8.3MP）
     • 默认由模型自适应（auto）
   • Quality（可选）：画质档位。low（草图/批量）、medium（日常）、high（终稿/精细文字）、auto（默认）
   • Output Format（可选）：png（默认）、jpeg、webp
   • Output Compression（可选）：输出压缩率（0-100），仅jpeg/webp生效
   • 注意：该模型使用官方正式版端点，与官逆版gpt-image-2-all不同。

第2步：环境检查与命令执行

1. 检查环境：确认 SUDOCODE_API_KEY 环境变量是否已设置（通常假定已设置，若运行失败再提示用户）���

2. 构建并运行命令：

   • 优先尝试 Node.js 版本：如果环境有 Node（node 命令可用），优先使用 scripts/generate_image.js（零依赖，参数与 Python 保持一致）。
   • Node 不可用再用 Python 版本：使用 scripts/generate_image.py。

   文生图命令模板（优先 Node.js）：

   bash

   node scripts/generate_image.js -p "{prompt}" -f "{filename}" [-s {size}] [-q {quality}] [-o {output_format}]
   

   图生图命令模板（优先 Node.js）：

   bash

   node scripts/generate_image.js -p "{edit_instruction}" -i "{input_path}" -f "{output_filename}" [-s {size}] [-q {quality}]
   

   多图融合命令模板（优先 Node.js）：

   bash

   node scripts/generate_image.js -p "融合图1和图2的风格" -i ref1.png ref2.png -f "merged.png" [-s {size}] [-q {quality}]
   

   （可选）Python 版本命令模板（Node 不可用时）：

   bash

   python scripts/generate_image.py -p "{prompt}" -f "{filename}" [-s {size}] [-q {quality}] [-o {output_format}]
   python scripts/generate_image.py -p "{edit_instruction}" -i "{input_path}" -f "{output_filename}" [-s {size}] [-q {quality}]
   

⏱️ 长时间任务处理策略

1. 任务前提示

执行前必须告知用户：

• "图片生成已启动，预计需要120-150秒，请耐心等待"

2. 🎨 最佳实践示例

"图片生成中，预计120-150秒完成...\n⏳ 正在生成...\n（high + 2K/4K 复杂场景可能需要更长时间，请耐心等待）"

第3步：结果反馈

1. 执行反馈：等待终端命令执行完毕。
2. 成功：告知用户图片已生成，并指出保存路径。
3. 失败：
   • 若提示 API Key 缺失，请指导用户设置环境变量。
   • 若提示网络错误，建议用户检查网络或稍后重试。

命令行使用样例

生成新图片

bash

python scripts/generate_image.py -p "图片描述文本" -f "output.png" [-s {size}] [-q {quality}] [-o {output_format}]

示例：

bash

# 基础生成
python scripts/generate_image.py -p "一只可爱的橘猫在草地上玩耍" -f "cat.png"

# 指定尺寸和画质
python scripts/generate_image.py -p "日落山脉风景" -f "sunset.png" -s "2048x1152" -q "high"

# 竖版高清图片（适合手机壁纸）
python scripts/generate_image.py -p "城市夜景" -f "city.png" -s "2160x3840" -q "high"

# 输出为JPEG
python scripts/generate_image.py -p "风景照片" -f "landscape.jpg" -s "3840x2160" -q "high" -o "jpeg"

（可选）Node.js 版本示例：

bash

# 基础生成
node scripts/generate_image.js -p "一只可爱的橘猫在草地上玩耍" -f "cat.png"

# 指定尺寸和画质
node scripts/generate_image.js -p "日落山脉风景" -f "sunset.png" -s "2048x1152" -q "high"

编辑已有图片

bash

python scripts/generate_image.py -p "编辑指令" -f "output.png" -i "path/to/input.png" [-s {size}] [-q {quality}]

示例：

bash

# 修改风格
python scripts/generate_image.py -p "将图片转换成水彩画风格" -f "watercolor.png" -i "original.png"

# 添加元素
python scripts/generate_image.py -p "在天空添加彩虹" -f "rainbow.png" -i "landscape.png" -q "high"

# 替换背景
python scripts/generate_image.py -p "将背景换成海滩" -f "beach-bg.png" -i "portrait.png" -s "2048x2048"

（可选）Node.js 版本示例：

bash

# 修改风格
node scripts/generate_image.js -p "将图片转换成水彩画风格" -f "watercolor.png" -i "original.png"

# 多��参考图融合（最多5张）
node scripts/generate_image.js -p "把图1的人物放进图2的场景" -i ref1.png ref2.png -f "merged.png"

附加资源

• 尺寸与比例控制文档：references/size-guide.md

命令行参数说明

Python 与 Node.js 版本参数保持一致（短参数与长参数等价）。

参数	必填	说明
-p / --prompt	是	图片描述（文生图）或编辑指令（图生图）。保留用户原始完整输入。
-f / --filename	否	输出图片路径/文件名；不传则自动生成带时间戳的文件名。
-s / --size	否	输出尺寸：1024x1024 / 1536x1024 / 1024x1536 / 2048x2048 / 2048x1152 / 3840x2160 / 2160x3840 或自定义尺寸。
-q / --quality	否	画质档位：low / medium / high / auto（默认auto）。
-o / --output-format	否	输出格式：png（默认）/ jpeg / webp。
-c / --output-compression	否	输出压缩率（0-100），仅jpeg/webp生效。
-i / --input-image	否	图生图输入图片路径；可传多张（最多5张）。传入该参数即进入编辑模式。

尺寸说明

预设尺寸

尺寸	比例	适用场景
1024x1024	1:1	头像、Instagram帖子
1536x1024	3:2	标准横版
1024x1536	2:3	标准竖版
2048x2048	1:1	高清方图
2048x1152	16:9	横版视频封面、桌面壁纸
3840x2160	16:9	4K超高清
2160x3840	9:16	竖版4K

自定义尺寸

可使用任意合法自定义尺寸，需满足：

• 最大边 ≤ 3840
• 两边都能被16整除
• 比例 ≤ 3:1
• 总像素 0.65–8.3MP

画质说明

画质	说明	适用场景
low	草图/批量生成	快速预览、多次迭代
medium	日常	普通使用
high	终稿/精细文字	最终输出、包含文字的图像
auto	默认	由模型决定

输出格式说明

格式	说明	适用场景
png	无压缩，透明背景	需要透明背景、保留最佳画质
jpeg	有压缩	照片、存储空间敏感
webp	现代格式	Web使用、平衡画质与大小

注意：b64_json字段是纯base64，不含 data:image/...;base64, 前缀。客户端需要：

• 写文件：base64.b64decode(b64_str) → 写入磁盘
• 浏览器渲染：自行拼前缀 data:image/png;base64, + b64

注意事项

• API密钥必须设置，可通过环境变量或命令行参数提供
• 图片生成时间：约120-150秒，high + 2K/4K 复杂场景可能需要更长时间
• 编辑图片时，使用multipart/form-data上传参考图
• 确保输出目录有写入权限
• 按token计费（非按张）

API Key设置与获取

如何获取API Key

如果你还没有 API 密钥，请前往 https://sudocode.us 获取或管理 API Key。

获取步骤：

1. 访问 https://sudocode.us
2. 注册/登录你的账号
3. 在控制台中创建API密钥
4. 复制密钥并设置环境变量或在命令行中使用

设置API Key

脚本按以下顺序查找API密钥：

1. --api-key 命令行参数（临时使用）
2. SUDOCODE_API_KEY 环境变量（推荐）

设置环境变量（推荐）：

bash

# Linux/Mac
export SUDOCODE_API_KEY="your-api-key-here"

# Windows CMD
我的电脑高级设置中设置环境变量或者执行set SUDOCODE_API_KEY=your-api-key-here

# Windows PowerShell
在我的电脑中设置环境变量:$env:SUDOCODE_API_KEY="your-api-key-here"

命令行参数方式（临时）：

bash

python scripts/generate_image.py -p "一只猫" -k "your-api-key-here"

API端点说明

文生图端点：POST /v1/images/generations

文生图端点，使用JSON格式请求。

图生图端点：POST /v1/images/edits

图生图端点，使用multipart/form-data格式请求。上传参考图（最多5张）+ 指令进行单图改图、多图融合。

参考图顺序有意义，prompt中可用"图1/图2/图3"指代。

模型信息

• 模型名：gpt-image-2
• 出图速度：约 120-150秒（4K复杂场景可能需要更长时间）
• 输出分辨率：1024x1024 / 1536x1024 / 1024x1536 / 2048x2048 / 2048x1152 / 3840x2160 / 2160x3840 或自定义
• 默认响应格式：b64_json（纯base64，无前缀）
• 画质档位：low / medium / high / auto
• 输出格式：png / jpeg / webp
• 支持能力：文生图、单图编辑、多图融合
• 计费方式：按token计费

gpt-image-2（官转）vs gpt-image-2-all（官逆）对比

特性	gpt-image-2	gpt-image-2-all
性质	官方正式版	官方逆向版
计费	按token	统一$0.03/张
端点	/v1/images/generations, /v1/images/edits	/v1/chat/completions
上传参考图	multipart form-data	base64 data URL
下载图片	b64_json（纯base64）	url或b64_json（带前缀）
多图融合	image[]数组最多5张	chat多个image_url
尺寸控制	显式size参数	prompt描述
速度	约120-150秒	约60-300秒

作者介绍