OpenAI 官方 cookbook 没告诉你的事:这个 1047 星 Skill 把 162 类场景的 prompt 套路全拆了 ✍ Jason Zhu🕐 2026-05-01📦 8.2 KB 🟢 已读 𝕏 文章列表 文章评测了 GitHub 上热门项目 gpt_image_2_skill,该项目整理了 GPT-Image-2 在 162 个真实场景下的 Prompt,并封装为 Claude Code/Codex 的 Agentic Skill 和 CLI 工具。与官方 Cookbook 不同,该项目提供了可即用的 12 大类 Prompt 工艺品,并内置了 19 节沉淀生产经验的工艺手册,有效解决了 Prompt 工程中的落地难题。 OpenAIGPT-Image-2Prompt工程AgentSkillClaudeCodexCLI工具推荐AI绘画 # OpenAI 官方 cookbook 没告诉你的事 这个 1047 星 Skill 把 162 类场景的 prompt 套路全拆了 **作者**: Jason Zhu **日期**: 2026-05-01T04:54:26.000Z **来源**: [https://x.com/GoSailGlobal/status/2050076357296824737](https://x.com/GoSailGlobal/status/2050076357296824737) ---  GitHub 上有个叫 wuyoscar 的作者,4 月 22 号推了一个叫 gpt_image_2_skill 的项目,8 天 1047 颗星 111 个 fork。它做的事情很简单,把 GPT-Image-2 在研究图、海报、UI 稿、游戏 HUD、动漫、像素、等距、产品图、手写水墨等 12 大类共 162 个真实场景的 prompt 全部整理出来,配齐 162 张参考图。同时打包成 Claude Code / Codex 的 Agentic Skill 和一行命令的 CLI(gpt-image -p)。 ## 这个 skill 解决的真问题:cookbook 是教法,这是 162 个工艺品 OpenAI 官方有一份 GPT Image prompting cookbook,1004 行的 markdown,把基础参数、edits 模式、UI 稿写法、科学可视化的语法讲得很全。问题是它教的是方法论,不是「我现在要做一个 9:16 的城市夜景海报,prompt 怎么写」。 这两件事之间有一道墙。会查 cookbook 跟会出图差三个月的踩坑。gpt_image_2_skill 把这堵墙拆了。每个 prompt 都对应一个具体落地场景(学术论文 figure、Instagram product mockup、像素风游戏角色四方向贴图、小红书风营销海报…),抄下来改一行就能用。 更重要的是,repo 把 OpenAI 官方那份 1004 行 cookbook 完整收录到 references/openai-cookbook.md,作为 skill 的「按需加载知识库」存在。当你问 Agent "怎么写 mask 修图 prompt" 的时候,它会自动去翻这份本地文件,不需要联网,也不占用户上下文。 ## 162 个 prompt 按 12 大类组织,按需加载不爆 token 整套 prompt 库的设计点全在「按需加载」三个字。  这是它跟普通 prompt 大全 repo 最不一样的地方。普通 repo 是一份 5000 行的 README,丢给 Agent 直接爆 context。这个 skill 把 162 个 prompt 拆成 12 个分类文件(gallery-anime-and-manga.md、gallery-ui-ux-mockups.md、gallery-research-paper-figures.md…),加一个 routing index gallery.md。 Agent 接到「我要做一张论文 figure」的请求,先读 routing index 找到正确分类,再只加载 gallery-research-paper-figures.md 这一个文件。其他 11 个分类的 prompt 完全不进上下文。 12 个分类按主题分得很合理:动漫与漫画、游戏、复古与赛博朋克、电影与动画、角色设计、字体与海报、插画、水彩、水墨与中式、像素艺术、等距、产品与食品。基本覆盖了现在 AI 出图的所有主流付费场景。 ## 真正的护城河是 19 节 prompt 工艺手册 prompt 库本身是显性资产,谁都能抄走。这个 repo 真正难复制的是 references/craft.md 这份 19 节工艺手册。  19 节里包含 Scale-first 用法、JSON 和 config 风格 prompt、多面板 board、UI spec、数据图语法、edit invariants、reference workflows、密集文字渲染,还有每个 category 的 mini-schema。这些都是直接从生产经验沉淀下来的「这种场景这种写法行,那种写法不行」的经验。 举几个具体例子。要让 GPT-Image-2 在图里渲染中文文字,文字必须用直引号 "" 包起来不能是中文引号;多面板拼图要先声明 panel 结构再写每格内容;photorealistic 比 real photograph 在 GPT-Image-2 里效果更稳,但 iPhone photo 这种说法又特别有用。这些细节在 OpenAI 官方 cookbook 里都没写,全是作者自己跑出来的工艺。 craft.md 是这个 repo 在 Top 1% 的真正原因。前一篇文章里那 0.983 基尼系数说的就是这件事,能进 Top 1% 的 Skill 一定在某个具体维度有别人抄不走的内功。这份 19 节工艺手册就是 wuyoscar 的护城河。 ## CLI 一行命令的设计 除了 skill,repo 还附带一个 CLI 工具 gpt-image。装好之后任何一个 prompt 都可以直接 gpt-image -p "..." --size portrait --quality high -f out.png 出图。 设计上有 3 个值得抄的细节。 第一个是把 --quality 当 budget knob 用。同一个 prompt,low 给 cheap draft 用来跑大量变体,medium 给 style probing,high 留给最终海报、中文渲染、密集文字。作者明确建议「先 low 跑十几张选 1 张,再用 high 出终稿」,这是真实生产流程总结出来的省钱套路。 第二个是 reference image 的多输入支持。-i ref1.png -i ref2.png 可以同时带多张参考图,外加一个 mask 进 inpaint。这种多 reference 编辑能力是 GPT-Image-2 比上一代最大的提升点,CLI 把它做成了一行参数。 第三个是 exit codes 设计。0 成功,1 是 API 报错(完整响应 echo 到 stderr),2 是参数错或 API key 缺失。这是给把 CLI 嵌入 shell pipeline 的用户准备的,看似小事但能省下大量 debug 时间。 ## 跟同类工具的核心差别 市面上 GPT-Image-2 相关的 prompt repo 很多,大多数停留在「prompt 大全」阶段。这个 repo 的差异化做得很清楚。  普通 prompt repo 给的是「素材」,要靠用户自己去匹配场景。这个 skill 给的是「场景到 prompt」的映射。普通 repo 一份 README 一刀切,这个 skill 按分类拆成 12 个文件按需加载。普通 repo 只有 prompt 没有工艺,这个 skill 把 19 节工艺手册放在 craft.md 里作为系统级知识。 最后一个差别是双 surface。同一套知识库,既能作为 Claude Code / Codex 的 Skill 自动调用,也能作为 CLI 直接命令行用。这种「同一份知识,两种调用接口」的设计是未来 AI Tool 的标准形态。 ## 30 秒装上跑起来 Claude Code 用户: /plugin marketplace add wuyoscar/gpt_image_2_skill /plugin install gpt-image@wuyoscar-skills Codex 用户用内置的 $skill-installer 装,命令是 $skill-installer install https://github.com/wuyoscar/gpt_image_2_skill/tree/main/skills/gpt-image。 CLI 用户一行:uvx --from git+https://github.com/wuyoscar/gpt_image_2_skill gpt-image -p "a cat astronaut"。装完读 OPENAI_API_KEY 环境变量或 ~/.env 自动跑。 第一次用建议先去 README 那个 prompt 画廊,挑一个跟你想做的最像的场景,把 prompt 抄下来在自己业务里改 1 到 2 个变量跑一次,比看十篇 GPT-Image-2 教程都直观。 ## 一句话抓重点 gpt_image_2_skill 这个项目证明了 GPT-Image-2 这一代图像模型真正的瓶颈不在模型本身,在 prompt 工程。模型能力上限被 OpenAI 锁死了,但每个用户实际能用出多少效果,差距至少 5 倍。 162 个 prompt 是显性的,19 节工艺手册是隐性的,1004 行本地 cookbook 是底层的。三件套加在一起,给所有想用 GPT-Image-2 出图的人省了至少 3 个月的踩坑。前一篇文章里那 67,196 个 AI Agent 项目的 Top 1%,wuyoscar 这个 8 天就进了。 仓库地址 github.com/wuyoscar/gpt_image_2_skill,文档英文中文双版,CC BY 4.0 协议,商业使用也行。 ## 相关链接 - [Jason Zhu](https://x.com/GoSailGlobal) - [@GoSailGlobal](https://x.com/GoSailGlobal) - [330](https://x.com/GoSailGlobal/status/2050076357296824737/analytics) - [$skill](https://x.com/search?q=%24skill&src=cashtag_click) - [$skill](https://x.com/search?q=%24skill&src=cashtag_click) - [https://github.com/wuyoscar/gpt_image_2_skill/tree/main/skills/gpt-image](https://github.com/wuyoscar/gpt_image_2_skill/tree/main/skills/gpt-image) - [https://github.com/wuyoscar/gpt_image_2_skill](https://github.com/wuyoscar/gpt_image_2_skill) - [github.com/wuyoscar/gpt_image_2_skill](https://github.com/wuyoscar/gpt_image_2_skill) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [12:54 PM · May 1, 2026](https://x.com/GoSailGlobal/status/2050076357296824737) - [330 Views](https://x.com/GoSailGlobal/status/2050076357296824737/analytics) --- *导出时间: 2026/5/1 15:00:02*
从 从选题到写作再到发布,我把几十个 skill 串成了一条自动流水线 作者分享了自己如何利用 Hermes、Codex 和 Claude 中的数十个 Skill,搭建了一条从素材抓取、选题分析、风格润色到图文排版的内容自动生成流水线。文章详细介绍了自动化流程的设计思路、遇到的痛点以及如何通过拆分 Prompt 保持文风一致性,同时也反思了人机协作中人工审核与决策的重要性。 技术 › Skill ✍ 得否🕐 2026-07-23 自动化工作流AI写作AgentHermesCodexClaude效率工具内容生产prompt工程人机协作
从 从0到1速通Codex终极保姆教程 本文是一份关于OpenAI Codex的详细保姆级教程。作者介绍了Codex的安装、界面设置、模型选择、AGENTS.md配置以及Skills插件系统的使用。通过实战演示,文章手把手教你如何使用Codex从零开发网页和App,展示了其作为顶级Agent产品的强大自动化开发能力和批注修改功能。 技术 › Codex ✍ 数字生命卡兹克🕐 2026-05-27 CodexOpenAIAgent教程自动化开发网页开发App开发Skill插件AIGC
C Codex CLI 内存机制详解 文章深入解析了 OpenAI Codex CLI 的内存架构,该工具通过本地 Markdown 文件异步生成和汇总记忆。文章详细介绍了记忆的写入与加载流程,指出其缺乏向量数据库、仅依赖关键词匹配及受限于本地文件系统等局限。最后,文章引入 Mem0 作为解决方案,通过 MCP 协议提供跨机器、跨工具的持久化智能记忆层,解决原生功能在扩展性和同步方面的不足。 技术 › OpenAI ✍ mem0🕐 2026-05-14 CodexCli内存管理MCPAgentMem0架构设计开发工具OpenAILLM
C Codex CLI /goal 模式详解:OpenAI 官方 Ralph Loop 的自主迭代引擎 文章详细介绍了 OpenAI 在 Codex CLI v0.128.0 中引入的实验性功能 /goal。该功能基于 Ralph Loop 理念,使 Codex 能从单次对话转变为自主规划、持续迭代、自我修正的代理,直至完成高层次目标。文章对比了 /goal 模式与正常模式的区别,列举了适用场景如长周期重构和无人值守开发,并指出该模式能显著提升任务完成度和工程质量,但需注意 Token 消耗。 技术 › Codex ✍ 雪踏乌云🕐 2026-05-03 OpenAICodexAgent开发工具自动化Ralph LoopCLIAI编程迭代DevOps
我 我们正处于AGI的前夜 文章回顾了AI从ChatGPT到通用Agent的演进路径。作者指出2025年11月Coding Agent越过奇点,2026年通用Agent工具爆发,标志着AGI前夜已至。文章探讨了“Token即生产力”的核心命题,并分析了算力、云平台及存储基础设施在AI时代的投资确定性。 技术 › Agent ✍ Yiran🕐 2026-05-02 AGIAgentClaudeCodex投资生产力Coding AgentAI发展ClawdbotOpenAI
本 本周 7 个热门 GitHub 项目推荐 本文汇总了本周 GitHub 上热门的 7 个 AI 与编程工具项目,包括 Andrej Karpathy 的编码规范、OpenAI 多 Agent 框架、Claude Code 优化与替代工具、上下文压缩解决方案、代码库语义搜索插件、电脑通用控制 Agent 以及开源 AI 聊天客户端。 技术 › 工具与效率 ✍ 一🕐 2026-04-28 GitHub开源ClaudeAI编程AgentOpenAIVSCode工具推荐
G GPT-image-2全量开放!狂刷几百张后,我整理了13个必看案例! 本文作者分享了GPT-image-2全量开放后的实测体验,整理了13个高质量应用案例,涵盖中文书法、图鉴拆解、科普百科、电商设计、健身计划等领域。文章详细介绍了该工具在中文渲染、Agent化工作流及极简Prompt方面的突破,并提供了通用提示词模板,展示了AI在图文生成与设计领域的强大潜力。 技术 › OpenAI ✍ Larus Canus🕐 2026-04-22 GPT-image-2AI绘画提示词Agent图文生成OpenAI案例分享设计模板中文渲染
提 提升 Claude 100倍效能的 30 个 MCP 服务器清单 文章指出 95% 的用户仅将 Claude 作为聊天机器人使用,忽略了 MCP (Model Context Protocol) 带来的巨大潜力。MCP 服务器能让 Claude 直接连接数据库、管理 GitHub、部署代码,从对话助手转变为全能员工。文章详细解释了 MCP 与 Skills 的区别,并精选了 30 个值得安装的 MCP 服务器,涵盖开发代码、数据库、云基础设施及生产力工具等领域。 技术 › Agent ✍ The Smart Ape🕐 2026-04-17 ClaudeMCPModel Context ProtocolAgent工具推荐效率提升AI工具OpenAI
深 深入解读 Harness Engineering:AI 工程的第三次范式转移 Anthropic 和 OpenAI 几乎同时发布关于 Harness Engineering 的文章,引发 AI 社区热议。本文梳理了从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演变,解析了 Anthropic 的“生成器+评估器”循环架构与 OpenAI 的“百万行代码零手写”分层实践,并结合多位博主的观点,探讨了 Agent 时代工程师角色的转变与未来工程实践的方向。 技术 › Harness Engineering ✍ Jason Zhu🕐 2026-03-31 AI工程AgentAnthropicOpenAI范式转移ClaudeCodex架构设计自动化开发者工具
C Claude Skills 构建指南精华解读:打造专属 AI 技能 本文深入解读了 Anthropic 官方发布的 Claude Skills 构建指南。文章指出,Skills 允许用户将重复的指令、工作流和规范打包成文件夹,让 Claude 学会并长期复用。核心结构包含 SKILL.md 说明书及可选资源。文中详细介绍了三层加载机制、三大典型用法(文档生成、流程自动化、MCP 增强)以及从零创建 Skill 的实操建议,旨在通过封装经验提升 AI 交互效率。 技术 › LLM ✍ 出海去孵化器🕐 2026-02-12 ClaudeSkillAnthropicLLMAgent指南教程Prompt工程工具效率AI应用
B BestBlogs 早报|实现周期骤缩后,创业者如何重选问题 本期早报探讨了 AI 智能体缩短实现周期后,创业者的机遇与挑战。文章涵盖 Sam Altman 对创业窗口的判断、GPT-5.6 的效率工程实践,以及如何通过 Skill Harness 将模型能力封装为可维护的产品功能。 技术 › Skill ✍ ginobefun🕐 2026-07-30 GPT-5.6Agent创业效率工程ProductHarnessSkillLLMOpenAI
装 装完 Codex 不知道干什么?这 6 个 GitHub Skills 让你做视频搞钱 文章介绍了 6 个适用于 Codex 的 GitHub Skills,涵盖动效生成、视频剪辑、批量制作、AI 生成及中文剪辑等工具,帮助用户构建自动化视频工作流以提升效率。 技术 › Codex ✍ Kay🕐 2026-07-30 Codex视频制作AgentSkill自动化HyperFramesRemotionAI剪辑工作流