夜雨聆风“帮我做张图”听着很简单。真放进一个项目里，问题很快就多了。
这是新生成，还是在原图上改？用户给的图片是编辑对象，还是只拿来参考风格？图要放进网站，最后保存到哪里？透明背景是真的需要 alpha，还是白底也行？一批图是同一个提示词的多个版本，还是十个不同资产？
OpenAI Codex 里的 imagegen Skill[1] 主要在管这些决定。
它不是一个独立的生图产品。实际生成由 Codex 内置 image_gen 能力完成；Skill 负责判断什么时候用、怎样提需求、怎么编辑和保存，必要时才退到 Python CLI。
1. 第一个判断：这件事该不该用生图
Skill 明确列了适用场景：
照片和插画
产品图和封面
网站主视觉
游戏素材
UI mockup
信息图
透明背景抠图
已有图片编辑也列了不该用的场景。
如果项目已经有一套 SVG 图标，要补一个同风格图标，直接改矢量文件更稳。简单流程图、线框图和可编辑 UI，用 HTML、CSS、SVG 或 canvas 做，往往比生成一张位图更合适。
工具叫 imagegen，也不必把所有视觉任务都扔给生图模型。先把这条边界守住，后面少返工。
2. 第二个判断：生成还是编辑
用户给了一张图，也有两种完全不同的意思。
一种是：
把这张产品图的背景换成白色，产品本身不要变。这是 edit。Skill 要求把不许变化的东西写成 invariants，例如产品形状、标签文字和构图都保持原样。
另一种是：
参考这张图的留白和配色，重新做一张文章封面。这是 generate。原图只提供风格和构图参考，不是被修改的对象。
Skill 会让 Agent 给每张输入图标明角色：
edit target
style reference
supporting insert这比笼统一句“参考一下这张图”清楚得多。
3. 默认走内置工具，CLI 只是 fallback
当前 Skill 有两条执行路径。
普通生成和编辑，默认调用 Codex 内置的 image_gen。项目需要图片时，生成完成后还要把文件移到工作区，并更新实际引用。不能让网页引用一个只存在于 Codex 临时生成目录里的文件。
另一条是 scripts/image_gen.py。它提供三个子命令：
generate
edit
generate-batchCLI 需要 OPENAI_API_KEY，允许明确控制模型、尺寸、质量、输出格式和输入文件。Skill 规定，普通请求不能因为想控制文件名或尺寸就偷偷换到 CLI；只有用户明确要求 API、CLI 或特定模型路径时才走。
这个脚本不是图片算法本身。它用 OpenAI Python SDK 调用 Images API，再把返回结果写到本地。
4. 透明背景为什么绕了一步
内置工具没有直接暴露真正的透明背景参数。Skill 的默认做法是先生成纯色抠图背景，比如一整块 #00ff00，然后调用本地 remove_chroma_key.py 去色并生成 alpha。
流程是：
在纯色背景上生成主体
→ 检测边缘背景色
→ 生成透明通道
→ 去掉绿色溢色
→ 检查四角是否透明、主体是否完整头发、烟雾、玻璃、液体和半透明材质很难靠色键抠干净。遇到这些情况，Skill 不允许静默换模型，而是要说明真正的原生透明需要 CLI 路径和相应模型，再由用户决定。
这段规则稍显繁琐，不过它把“看着像透明”和“文件确实有 alpha 通道”分开了。
5. Prompt 不是越长越好
Skill 提供了一套提示词骨架：
用途
资产类型
主要要求
场景
主体
风格
构图
光线
配色
准确文字
必须保留
必须避免但它也要求按原需求的具体程度补充。
用户已经把构图、文字和限制说得很细，就只做整理，不擅自加品牌、人物或故事。用户只说“做个咖啡杯封面”，才适当补充画面比例、留白和光线。
批量生成也有一条细分：同一提示词的多个版本可以算 variants；十张用途不同的资产，要分别写十个 prompt，不能用一个 n=10 糊过去。
6. 怎么用
Image Gen 是 Codex 内置能力，不需要另外安装一个独立产品。它的官方 Skill 样例在：
https://github.com/openai/codex/tree/main/codex-rs/skills/src/assets/samples/imagegen在项目里可以这样交代：
使用 imagegen 为这篇文章生成一张 2.35:1 封面。
参考我提供的图片，只参考白底、黑字和绿色强调线。
标题必须是“视频提示词先给素材安排工作”。
生成前先保存 prompt。
生成后把最终文件放进项目 imgs 目录，并检查中文文字。编辑现有图片时，把不许改变的部分单独写出来，效果通常比反复强调“尽量保持”好。
7. 如果自己写一个图片 Skill
不要只放一页 prompt 技巧。至少补上四层：
- 1. 路由：什么任务该生图，什么任务该用 SVG、HTML 或现有设计系统。
- 2. 输入角色：每张图是编辑对象还是参考图。
- 3. 交付：尺寸、格式、保存路径、覆盖规则和项目引用。
- 4. 验收：文字、主体、构图、透明通道和禁止项怎么检查。
再把不同用途的 prompt 模板放到 references。主 Skill 只保留通用决定，避免每次生成一张封面都加载几十页例子。
8. 我的判断
我以前容易把生图 Skill 理解成“怎样把提示词写漂亮”。读完这份文件才发现，prompt 只占一部分。
项目里更麻烦的，是选错工具、把参考图当成编辑图、改掉不该动的主体、生成完找不到文件，或者透明背景只在白色预览里看着透明。
imagegen Skill 把这些杂事写成了规则。它没有让模型凭空多一双审美更好的眼睛，但能少掉不少交付时才发现的小毛病。对一个真正要进网站、文章或产品的图片来说，这比多加几个风格形容词实在。
引用与来源
[1] imagegen Skill
https://github.com/openai/codex/tree/main/codex-rs/skills/src/assets/samples/imagegen