如果你在 GitHub 上刷图像生成类项目最近多半会看到一个很有意思的趋势整理 GPT-Image-2 实战案例的仓库正在快速涨星。其中一个项目已经拿到 18,645 个 Star并且把 532 个实战案例按场景、提示词、参数和踩坑经验整理成了一套可以直接照着抄的参考资料。这个数字本身就说明了一件事大家缺的其实不是模型而是把模型用进业务的方法。模型文档只会告诉你有哪些参数不会告诉你提示词怎么组合才不翻车社区帖子能给你灵感但没法保证能复现。而一个 18,645 Star 的案例库等于把“别人已经验证过的路”标了出来。这篇文章我想拆三件事第一GPT-Image-2 到底解决了什么问题为什么值得关注第二这个高 Star 案例项目究竟整理了什么应该怎么读第三如何把案例里的提示词方法论落到真实开发场景包括很多人踩过的“AI 生成前端设计图再切图”这条路径。读完你至少能做到四件事看懂这类项目的价值、跑通 GPT-Image-2 的基础调用、写出比默认模板稳定得多的提示词、避开 AI 切图直接上生产的坑。1. 这篇文章真正要解决的问题先说一个很多团队都会遇到的局面GPT-Image 系列的 API 门槛低到什么程度一个POST请求、一个model参数、一段prompt几分钟就能出图。但真把它接入业务的时候问题一个接一个冒出来。第一个问题是“提示词不可复制”。同一个需求有人写出来的提示词能让模型稳定输出有人写出来的提示词三天两头翻车。官方文档只给你参数说明不会告诉你“要控制中文排版时应该怎么说”“要保持两张图风格一致时应该怎么约束”。第二个问题是“没有评测标准”。普通文生图模型你只需要看“好不好看”但业务场景里你要看“文字对不对”“布局是否符合规范”“能否批量产出”。没有一套可以反复使用的提示词模板团队里的每次生成都是碰运气。第三个问题是“设计与工程断层”。比如网上经常有人尝试用 GPT-Image-2 生成前端设计图然后切图、写页面。听起来很顺畅实际跑下来会发现切出来的图边缘对不齐、圆角阴影被切断、没有图层信息和命名语义根本没法直接当设计稿交付。这些坑官方文档不会告诉你。所以才需要案例库。一个整理了 532 个实战案例、拿下 18,645 Star 的项目解决的本质问题是把“模型能力”翻译成“业务场景”把不可控的随机生成变成可复用的工程实践。如果你是这几类人这篇文章值得读AI 应用开发者正在把图像生成接入自己的产品前端或全栈开发想用 AI 做设计图生成、素材批量生产技术负责人需要评估 GPT-Image-2 能不能用在团队工作流里提示词工程师或内容运营需要一套更稳定的出图方法论。2. GPT-Image-2 是什么从“画一张图”到“改一张图”要理解 GPT-Image-2 这类模型的价值首先要分清它和传统文生图工具的区别。传统文生图模型的核心交互是“一句话生成一张图”生成完就结束了。你想改布局、改文字、改局部颜色要么重新抽卡碰运气要么把图放进 Photoshop 手动处理。GPT-Image-2 代表的是另一类多模态图像生成模型它能看图、能画图、能改图而且支持多轮对话式的迭代修改。你给它一张图说“把主色调从蓝色改成紫色底部按钮向右移动 20 像素”它能在保持整体布局的前提下完成修改。这个能力的本质变化是图像生成从“一次性创作”变成了“可对话的协作工具”。需要说明的是OpenAI 官方模型标识和账号权限会随版本调整社区里习惯把最新一代称为 GPT-Image-2部分文档里你也会看到 gpt-image-1 的使用方式。两者共享同一套 API 形态本文讲到的提示词方法论在两个代际上都成立。具体代码里model字段怎么填建议以你账号实际可用的模型名为准。从 GPT-Image-1 到 GPT-Image-2迭代方向基本可以归纳为三点文字渲染更准确。包括中英文混排、字体风格、字号层级这是做 UI、海报、电商图最刚需的能力。多轮编辑一致性更好。连续修改多轮之后图片整体风格、构图不会漂移。业务可控性更强。可以通过更精细的指令控制布局、比例、色彩方案而不是只能“凭感觉”。下面用一张表对比几类主流图像生成方案模型/工具文字渲染对话式编辑可控性来源主要适用场景Midjourney较弱有限风格指令与参数艺术概念、氛围图Stable Diffusion 系列一般需要工作流提示词 ControlNet LoRA本地批量、风格定制DALL·E 3一般较弱自然语言快速创意发散GPT-Image-1/GPT-Image-2较强支持多轮自然语言 案例模板UI、海报、电商图、局部编辑为什么 GPT-Image-2 特别适合“案例学习”因为它把可控性主要押注在自然语言上。传统模型里 seed、CFG、采样器这些偏算法侧的参数在 GPT-Image-2 里被“描述性语言”部分替代。这意味着一个写得好提示词可以被直接复制、修改、复用而不需要理解底层扩散模型原理。案例库之所以能存在正是因为这个前提。3. 18,645 Star 的项目到底整理了些什么这类项目的第一直觉是“又是个 prompt 合集”但真正有价值的案例库并不是简单堆截图而是把“模型能力怎么用在业务里”这件事讲透。从公开的项目结构来看一个成熟的 GPT-Image-2 案例库通常长这样gpt-image-2-cases/ ├── README.md ├── docs/ │ ├── 00-quickstart.md # 快速开始 │ └── 01-methodology.md # 提示词方法论 ├── cases/ │ ├── 001-saas-dashboard/ │ │ ├── prompt.txt # 完整提示词 │ │ ├── params.json # 模型参数 │ │ ├── before.png # 原始图编辑类案例 │ │ └── after.png # 效果图 │ ├── 002-ecommerce-product/ │ ├── 003-game-assets/ │ └── ... └── scripts/ ├── generate_image.py └── batch_generate.py532 个案例通常不是随机堆在一起的而是按业务场景分门别类。比较常见的分类包括UI 与产品设计SaaS 看板、登录页、移动端界面电商与营销商品图、活动海报、社交媒体配图品牌素材Logo 概念、图标、字体排版创意内容插画、游戏资产、3D 概念图图像编辑换背景、改风格、局部修复、模特服装替换。一个值得复用的案例至少要包含六样东西业务场景、完整提示词、生成参数、效果图、适用边界、踩坑提醒。如果仓库只贴了效果图和一句 prompt那它的参考价值要大打折扣。为什么这个项目能拿到 18,645 个 Star说白了“抄作业”是刚需。开发者看到别人用同一个模型跑出了可用的业务结果最想知道的是“这玩意儿具体怎么写的”。星标数高说明大量的人点进来之后觉得内容确实值得收藏但这个数字只是“被认可”的证明不是“照着做就一定能成功”的保证。所以拿到一个高 Star 案例库正确的打开方式不是从头到尾刷一遍而是三步走先读 README 和方法论文档搞清楚这个库的分类逻辑挑 3 到 5 个和你业务最接近的案例逐个复现确认能跑通把案例里的提示词拆出来理解每一句话在控制什么然后改成自己的模板。4. 环境准备与前置条件复现案例前先把运行环境准备好。这里不依赖具体项目仓库的代码结构核心是三个部分Python 环境、OpenAI 官方 SDK、API Key。前置条件清单Python 3.9 及以上版本OpenAI 官方 Python SDK示例基于 openai 1.x 的 API 形态Pillow 库用于图片保存、裁剪和尺寸检查一个可用的 OpenAI API Key并且账号开通了目标模型的访问权限。先创建虚拟环境并安装依赖。下面命令中的仓库地址是占位符实际操作时替换为你找到的项目地址或者跳过拉取仓库直接新建一个自己的脚本目录# 拉取案例仓库将地址替换为目标项目的真实仓库地址 git clone https://github.com/owner/gpt-image-2-cases.git cd gpt-image-2-cases # 创建虚拟环境避免污染全局 Python python3 -m venv .venv source .venv/bin/activate # 安装依赖openai 官方 SDK、Pillow 用于图像处理 pip install openai pillow然后配置 API Key。不要硬编码在代码里使用环境变量更安全export OPENAI_API_KEYsk-你的密钥 # Windows PowerShell 下使用 # $env:OPENAI_API_KEYsk-你的密钥依赖清单如下依赖用途说明openai调用图像生成接口请安装最新版pillow图片处理保存、裁剪、验证尺寸python-dotenv可选读取 .env 文件团队协作时方便管理密钥如果没有 API Key也不要跳过这篇笔记。案例库里的提示词部分本身就有学习价值你可以在官方 Playground 里手动验证同样的提示词或者等账号权限开通后再回来复现。务必注意不要把 API Key 提交到 Git 仓库。建议在.gitignore里加上.env并把密钥放入.env文件。无论项目多大密钥泄露的代价都远高于一时的便利。5. 从 532 个案例里提炼的提示词方法论案例看多了会发现好提示词和差提示词之间的差距通常不是“文采”而是“结构化”。下面这套三段式写法是从大量案例里反复出现的高频模式可以当作自己的默认模板。5.1 提示词三段式写法一个稳定的 GPT-Image-2 提示词建议包含三个部分主体与内容要画什么画面里有哪些元素。布局与风格元素怎么排什么视觉风格什么配色。约束与输出画布比例、文字要求、禁止出现的东西。举个示例我们要生成一个 SaaS 数据看板的前端设计图一个现代 SaaS 数据看板的 Web 前端界面设计图。 布局要求左侧固定导航栏顶部白色页头中间内容区包含三个 KPI 卡片和一张趋势折线图。 风格要求浅色主题圆角卡片蓝紫渐变主色中文字体清晰准确。 画布要求横版 16:9高清无水印。拆开看每一句的作用“左侧固定导航栏顶部白色页头”控制布局“三个 KPI 卡片和一张趋势折线图”控制信息结构“浅色主题圆角卡片蓝紫渐变主色”控制视觉规范“中文字体清晰准确”专治 GPT 系列容易出“乱码中文”的老毛病“高清无水印”是常见的兜底约束。5.2 文生图案例的代码实现下面这段代码把上面的提示词变成一次真实的 API 调用# 文件路径scripts/generate_image.py import os import base64 from openai import OpenAI client OpenAI(api_keyos.getenv(OPENAI_API_KEY)) resp client.images.generate( modelgpt-image-2, # 如果账号未开放该模型可先切换为 gpt-image-1 prompt( 一个现代 SaaS 数据看板的 Web 前端界面设计图。 布局要求左侧固定导航栏顶部白色页头 中间内容区包含三个 KPI 卡片和一张趋势折线图。 风格要求浅色主题圆角卡片蓝紫渐变主色中文字体清晰准确。 画布要求横版 16:9高清无水印。 ), size1536x1024, qualityhigh, n1, ) # gpt-image 系列默认返回 base64 编码的图片数据 img_bytes base64.b64decode(resp.data[0].b64_json) with open(output/dashboard.png, wb) as f: f.write(img_bytes) print(图片已保存到 output/dashboard.png)需要解释几个细节model字段的取值以你的账号实际可用的模型为准不确定时先查一下官方文档或用gpt-image-1验证同一套流程size使用官方支持的尺寸1536x1024适合横版界面设计quality参数在出预览稿时可以用low节省成本交付稿再切到highgpt-image 系列在images.generate接口默认返回b64_json所以代码里直接做 base64 解码保存。5.3 图生图编辑案例的写法编辑类提示词和文生图不一样核心是先描述“保持什么”再描述“改什么”。否则模型容易把整张图重画一遍。# 文件路径scripts/edit_image.py import os from openai import OpenAI client OpenAI(api_keyos.getenv(OPENAI_API_KEY)) resp client.images.edit( modelgpt-image-2, imageopen(output/dashboard.png, rb), prompt( 保持整体布局和内容不变 把主色调从蓝色改为紫色 把顶部标题改成‘数据总览 2025’。 ), size1536x1024, ) img_bytes base64.b64decode(resp.data[0].b64_json) with open(output/dashboard_purple.png, wb) as f: f.write(img_bytes) print(编辑完成已保存到 output/dashboard_purple.png)编辑类场景特别要注意需要精确控制修改范围时最好给模型一张带透明通道的 PNG 作为蒙版把要修改的区域标出来。否则模型会根据自己的理解重绘结果可能超出预期。5.4 参数与提示词的控制边界参数作用建议prompt生成或编辑指令使用三段式主体、布局风格、约束输出size输出尺寸使用官方支持值如 1024x1024、1536x1024quality质量档位low 用于快速预览high 用于最终交付n单次生成数量建议 1批量场景用脚本循环控制output_format输出格式png 利于后处理jpeg 体积更小需要清醒的一点是GPT-Image 系列不是 Stable Diffusion它没有严格的 negative prompt 参数机制。你想排除某些元素主要靠描述性语言兜底比如“不要出现文字水印”“不要出现人物”。这类约束能提高成功率但不能保证 100% 生效。所以面向生产的生成任务最好保留人工抽检环节。5.5 三类最常见的失败提示词太空泛“画一个好看的网站首页”。模型不知道你要什么布局、什么风格、什么文字。信息过载一条提示词塞了 20 个需求模型只能抓取最突出的几个特征其他全部丢失。只写目标不写约束“生成一个登录页面要精致”。缺少对配色、尺寸、文字的具体约束结果不可控。从案例库学提示词本质就是学“如何把模糊需求翻译成模型能执行的结构化指令”。6. 实战用案例方法论跑通“前端设计图生成 切图”“用 GPT-Image-2 生成前端设计图然后再切图”是网上讨论热度很高的场景但也是翻车重灾区。下面把这条链路完整跑一遍并且说清楚哪些环节可以自动化、哪些环节必须人工介入。6.1 为什么这个场景最受欢迎传统前端拿设计图需要设计师出稿、走 Figma 协作流程。而 GPT-Image-2 可以直接生成界面设计图十几秒出一版改需求成本极低。对于个人开发者、小团队、产品原型验证来说这是肉眼可见的效率提升。但它也有一个隐藏前提模型输出的是位图不是可编辑的源文件。6.2 第一步生成设计图沿用 5.2 的生成代码先把设计图跑出来。这里建议用更“贴近真实界面”的提示词一个深色主题的 Web 登录页面设计图。 布局居中卡片式布局顶部是产品 Logo 和标题“欢迎回来” 中间是用户名输入框和密码输入框底部是绿色渐变登录按钮。 风格暗色背景卡片圆角 12px中文字体清晰准确。 画布横版 16:9无背景装饰元素干扰。生成后保存为output/login.png先肉眼检查一遍文字是否准确、布局是否符合预期。6.2 第二步检查图片基础信息用一行命令确认图片尺寸和格式python -c from PIL import Image; imImage.open(output/login.png); print(im.size, im.mode)预期输出类似(1536, 1024) RGB如果尺寸不是你期望的要么修改size参数重新生成要么在本地等比缩放。这里提醒一句图像生成模型输出的尺寸组合有限不要指望它能输出任意像素尺寸。6.3 第三步按布局区域切图假设我们想按登录页布局把图切成“背景”“卡片”“标题区”“输入区”“按钮区”可以用 Pillow 手工裁剪# 文件路径scripts/slice_image.py from PIL import Image import os os.makedirs(output/slices, exist_okTrue) img Image.open(output/login.png) w, h img.size print(f原图尺寸: {w}x{h}) # 示例按常见登录页布局切出 5 个区域 regions { background: (0, 0, w, h), # 整张背景 card: (368, 162, w - 368, h - 162), # 居中卡片区 title: (500, 220, w - 500, 320), # 标题区 input_area: (500, 360, w - 500, 620), # 输入框区 button: (500, 680, w - 500, 740), # 按钮区 } for name, box in regions.items(): img.crop(box).save(foutput/slices/{name}.png) print(切图完成结果在 output/slices 目录)这段代码里的坐标是写死的因为不同设计图的布局差异巨大。真实的切图流程里坐标要么靠人工标注要么借助图像识别判断内容区域没法“一键通用”。6.4 为什么 AI 切图不能直接进生产很多人在这一步开始怀疑人生切出来的图要么边缘多了一像素白边要么圆角卡片被切成了方角要么不同区域的阴影直接被截断。原因在于 AI 生成的位图天生就没有“工程结构”没有图层信息每个元素的位置不可编程访问没有命名语义你切出来的文件叫什么全靠自己起没有矢量路径放大、改间距、换颜色都会糊没有严格的网格对齐模型画出来的界面更多是“视觉像”不是“精确到像素”。所以切出来的图怎么用两个场景比较合适一是做原型演示给团队看视觉方向二是作为静态素材放进文档或 PPT。真正要交付的前端页面更推荐把 AI 设计图当视觉参考用 HTML/CSS 重新实现。这反而比手工修复切图更快、更可维护。6.5 工程化建议批量生成任务如果你需要批量生成多张设计探索稿建议把提示词放到 JSON 配置文件里用脚本统一跑[ { name: login-page, prompt: 深色主题登录页设计图居中卡片布局中文字体清晰准确16:9 横版无装饰元素干扰。, size: 1536x1024, quality: high }, { name: dashboard, prompt: 浅色主题数据看板设计图左侧导航顶部页头三个 KPI 卡片和一张折线图中文字体清晰准确16:9 横版。, size: 1536x1024, quality: high } ]批量生成脚本如下# 文件路径scripts/batch_generate.py import json import base64 import os from openai import OpenAI client OpenAI(api_keyos.getenv(OPENAI_API_KEY)) with open(prompts.json, encodingutf-8) as f: tasks json.load(f) for i, task in enumerate(tasks): resp client.images.generate( model 
长河君 · 2026/9/1 8:02:18 · 阅读 1.2k GPT-Image-2实战案例库：提示词方法论与前端设计图生成
如果你在 GitHub 上刷图像生成类项目最近多半会看到一个很有意思的趋势整理 GPT-Image-2 实战案例的仓库正在快速涨星。其中一个项目已经拿到 18,645 个 Star并且把 532 个实战案例按场景、提示词、参数和踩坑经验整理成了一套可以直接照着抄的参考资料。这个数字本身就说明了一件事大家缺的其实不是模型而是把模型用进业务的方法。模型文档只会告诉你有哪些参数不会告诉你提示词怎么组合才不翻车社区帖子能给你灵感但没法保证能复现。而一个 18,645 Star 的案例库等于把“别人已经验证过的路”标了出来。这篇文章我想拆三件事第一GPT-Image-2 到底解决了什么问题为什么值得关注第二这个高 Star 案例项目究竟整理了什么应该怎么读第三如何把案例里的提示词方法论落到真实开发场景包括很多人踩过的“AI 生成前端设计图再切图”这条路径。读完你至少能做到四件事看懂这类项目的价值、跑通 GPT-Image-2 的基础调用、写出比默认模板稳定得多的提示词、避开 AI 切图直接上生产的坑。1. 这篇文章真正要解决的问题先说一个很多团队都会遇到的局面GPT-Image 系列的 API 门槛低到什么程度一个POST请求、一个model参数、一段prompt几分钟就能出图。但真把它接入业务的时候问题一个接一个冒出来。第一个问题是“提示词不可复制”。同一个需求有人写出来的提示词能让模型稳定输出有人写出来的提示词三天两头翻车。官方文档只给你参数说明不会告诉你“要控制中文排版时应该怎么说”“要保持两张图风格一致时应该怎么约束”。第二个问题是“没有评测标准”。普通文生图模型你只需要看“好不好看”但业务场景里你要看“文字对不对”“布局是否符合规范”“能否批量产出”。没有一套可以反复使用的提示词模板团队里的每次生成都是碰运气。第三个问题是“设计与工程断层”。比如网上经常有人尝试用 GPT-Image-2 生成前端设计图然后切图、写页面。听起来很顺畅实际跑下来会发现切出来的图边缘对不齐、圆角阴影被切断、没有图层信息和命名语义根本没法直接当设计稿交付。这些坑官方文档不会告诉你。所以才需要案例库。一个整理了 532 个实战案例、拿下 18,645 Star 的项目解决的本质问题是把“模型能力”翻译成“业务场景”把不可控的随机生成变成可复用的工程实践。如果你是这几类人这篇文章值得读AI 应用开发者正在把图像生成接入自己的产品前端或全栈开发想用 AI 做设计图生成、素材批量生产技术负责人需要评估 GPT-Image-2 能不能用在团队工作流里提示词工程师或内容运营需要一套更稳定的出图方法论。2. GPT-Image-2 是什么从“画一张图”到“改一张图”要理解 GPT-Image-2 这类模型的价值首先要分清它和传统文生图工具的区别。传统文生图模型的核心交互是“一句话生成一张图”生成完就结束了。你想改布局、改文字、改局部颜色要么重新抽卡碰运气要么把图放进 Photoshop 手动处理。GPT-Image-2 代表的是另一类多模态图像生成模型它能看图、能画图、能改图而且支持多轮对话式的迭代修改。你给它一张图说“把主色调从蓝色改成紫色底部按钮向右移动 20 像素”它能在保持整体布局的前提下完成修改。这个能力的本质变化是图像生成从“一次性创作”变成了“可对话的协作工具”。需要说明的是OpenAI 官方模型标识和账号权限会随版本调整社区里习惯把最新一代称为 GPT-Image-2部分文档里你也会看到 gpt-image-1 的使用方式。两者共享同一套 API 形态本文讲到的提示词方法论在两个代际上都成立。具体代码里model字段怎么填建议以你账号实际可用的模型名为准。从 GPT-Image-1 到 GPT-Image-2迭代方向基本可以归纳为三点文字渲染更准确。包括中英文混排、字体风格、字号层级这是做 UI、海报、电商图最刚需的能力。多轮编辑一致性更好。连续修改多轮之后图片整体风格、构图不会漂移。业务可控性更强。可以通过更精细的指令控制布局、比例、色彩方案而不是只能“凭感觉”。下面用一张表对比几类主流图像生成方案模型/工具文字渲染对话式编辑可控性来源主要适用场景Midjourney较弱有限风格指令与参数艺术概念、氛围图Stable Diffusion 系列一般需要工作流提示词 ControlNet LoRA本地批量、风格定制DALL·E 3一般较弱自然语言快速创意发散GPT-Image-1/GPT-Image-2较强支持多轮自然语言 案例模板UI、海报、电商图、局部编辑为什么 GPT-Image-2 特别适合“案例学习”因为它把可控性主要押注在自然语言上。传统模型里 seed、CFG、采样器这些偏算法侧的参数在 GPT-Image-2 里被“描述性语言”部分替代。这意味着一个写得好提示词可以被直接复制、修改、复用而不需要理解底层扩散模型原理。案例库之所以能存在正是因为这个前提。3. 18,645 Star 的项目到底整理了些什么这类项目的第一直觉是“又是个 prompt 合集”但真正有价值的案例库并不是简单堆截图而是把“模型能力怎么用在业务里”这件事讲透。从公开的项目结构来看一个成熟的 GPT-Image-2 案例库通常长这样gpt-image-2-cases/ ├── README.md ├── docs/ │ ├── 00-quickstart.md # 快速开始 │ └── 01-methodology.md # 提示词方法论 ├── cases/ │ ├── 001-saas-dashboard/ │ │ ├── prompt.txt # 完整提示词 │ │ ├── params.json # 模型参数 │ │ ├── before.png # 原始图编辑类案例 │ │ └── after.png # 效果图 │ ├── 002-ecommerce-product/ │ ├── 003-game-assets/ │ └── ... └── scripts/ ├── generate_image.py └── batch_generate.py532 个案例通常不是随机堆在一起的而是按业务场景分门别类。比较常见的分类包括UI 与产品设计SaaS 看板、登录页、移动端界面电商与营销商品图、活动海报、社交媒体配图品牌素材Logo 概念、图标、字体排版创意内容插画、游戏资产、3D 概念图图像编辑换背景、改风格、局部修复、模特服装替换。一个值得复用的案例至少要包含六样东西业务场景、完整提示词、生成参数、效果图、适用边界、踩坑提醒。如果仓库只贴了效果图和一句 prompt那它的参考价值要大打折扣。为什么这个项目能拿到 18,645 个 Star说白了“抄作业”是刚需。开发者看到别人用同一个模型跑出了可用的业务结果最想知道的是“这玩意儿具体怎么写的”。星标数高说明大量的人点进来之后觉得内容确实值得收藏但这个数字只是“被认可”的证明不是“照着做就一定能成功”的保证。所以拿到一个高 Star 案例库正确的打开方式不是从头到尾刷一遍而是三步走先读 README 和方法论文档搞清楚这个库的分类逻辑挑 3 到 5 个和你业务最接近的案例逐个复现确认能跑通把案例里的提示词拆出来理解每一句话在控制什么然后改成自己的模板。4. 环境准备与前置条件复现案例前先把运行环境准备好。这里不依赖具体项目仓库的代码结构核心是三个部分Python 环境、OpenAI 官方 SDK、API Key。前置条件清单Python 3.9 及以上版本OpenAI 官方 Python SDK示例基于 openai 1.x 的 API 形态Pillow 库用于图片保存、裁剪和尺寸检查一个可用的 OpenAI API Key并且账号开通了目标模型的访问权限。先创建虚拟环境并安装依赖。下面命令中的仓库地址是占位符实际操作时替换为你找到的项目地址或者跳过拉取仓库直接新建一个自己的脚本目录# 拉取案例仓库将地址替换为目标项目的真实仓库地址 git clone https://github.com/owner/gpt-image-2-cases.git cd gpt-image-2-cases # 创建虚拟环境避免污染全局 Python python3 -m venv .venv source .venv/bin/activate # 安装依赖openai 官方 SDK、Pillow 用于图像处理 pip install openai pillow然后配置 API Key。不要硬编码在代码里使用环境变量更安全export OPENAI_API_KEYsk-你的密钥 # Windows PowerShell 下使用 # $env:OPENAI_API_KEYsk-你的密钥依赖清单如下依赖用途说明openai调用图像生成接口请安装最新版pillow图片处理保存、裁剪、验证尺寸python-dotenv可选读取 .env 文件团队协作时方便管理密钥如果没有 API Key也不要跳过这篇笔记。案例库里的提示词部分本身就有学习价值你可以在官方 Playground 里手动验证同样的提示词或者等账号权限开通后再回来复现。务必注意不要把 API Key 提交到 Git 仓库。建议在.gitignore里加上.env并把密钥放入.env文件。无论项目多大密钥泄露的代价都远高于一时的便利。5. 从 532 个案例里提炼的提示词方法论案例看多了会发现好提示词和差提示词之间的差距通常不是“文采”而是“结构化”。下面这套三段式写法是从大量案例里反复出现的高频模式可以当作自己的默认模板。5.1 提示词三段式写法一个稳定的 GPT-Image-2 提示词建议包含三个部分主体与内容要画什么画面里有哪些元素。布局与风格元素怎么排什么视觉风格什么配色。约束与输出画布比例、文字要求、禁止出现的东西。举个示例我们要生成一个 SaaS 数据看板的前端设计图一个现代 SaaS 数据看板的 Web 前端界面设计图。 布局要求左侧固定导航栏顶部白色页头中间内容区包含三个 KPI 卡片和一张趋势折线图。 风格要求浅色主题圆角卡片蓝紫渐变主色中文字体清晰准确。 画布要求横版 16:9高清无水印。拆开看每一句的作用“左侧固定导航栏顶部白色页头”控制布局“三个 KPI 卡片和一张趋势折线图”控制信息结构“浅色主题圆角卡片蓝紫渐变主色”控制视觉规范“中文字体清晰准确”专治 GPT 系列容易出“乱码中文”的老毛病“高清无水印”是常见的兜底约束。5.2 文生图案例的代码实现下面这段代码把上面的提示词变成一次真实的 API 调用# 文件路径scripts/generate_image.py import os import base64 from openai import OpenAI client OpenAI(api_keyos.getenv(OPENAI_API_KEY)) resp client.images.generate( modelgpt-image-2, # 如果账号未开放该模型可先切换为 gpt-image-1 prompt( 一个现代 SaaS 数据看板的 Web 前端界面设计图。 布局要求左侧固定导航栏顶部白色页头 中间内容区包含三个 KPI 卡片和一张趋势折线图。 风格要求浅色主题圆角卡片蓝紫渐变主色中文字体清晰准确。 画布要求横版 16:9高清无水印。 ), size1536x1024, qualityhigh, n1, ) # gpt-image 系列默认返回 base64 编码的图片数据 img_bytes base64.b64decode(resp.data[0].b64_json) with open(output/dashboard.png, wb) as f: f.write(img_bytes) print(图片已保存到 output/dashboard.png)需要解释几个细节model字段的取值以你的账号实际可用的模型为准不确定时先查一下官方文档或用gpt-image-1验证同一套流程size使用官方支持的尺寸1536x1024适合横版界面设计quality参数在出预览稿时可以用low节省成本交付稿再切到highgpt-image 系列在images.generate接口默认返回b64_json所以代码里直接做 base64 解码保存。5.3 图生图编辑案例的写法编辑类提示词和文生图不一样核心是先描述“保持什么”再描述“改什么”。否则模型容易把整张图重画一遍。# 文件路径scripts/edit_image.py import os from openai import OpenAI client OpenAI(api_keyos.getenv(OPENAI_API_KEY)) resp client.images.edit( modelgpt-image-2, imageopen(output/dashboard.png, rb), prompt( 保持整体布局和内容不变 把主色调从蓝色改为紫色 把顶部标题改成‘数据总览 2025’。 ), size1536x1024, ) img_bytes base64.b64decode(resp.data[0].b64_json) with open(output/dashboard_purple.png, wb) as f: f.write(img_bytes) print(编辑完成已保存到 output/dashboard_purple.png)编辑类场景特别要注意需要精确控制修改范围时最好给模型一张带透明通道的 PNG 作为蒙版把要修改的区域标出来。否则模型会根据自己的理解重绘结果可能超出预期。5.4 参数与提示词的控制边界参数作用建议prompt生成或编辑指令使用三段式主体、布局风格、约束输出size输出尺寸使用官方支持值如 1024x1024、1536x1024quality质量档位low 用于快速预览high 用于最终交付n单次生成数量建议 1批量场景用脚本循环控制output_format输出格式png 利于后处理jpeg 体积更小需要清醒的一点是GPT-Image 系列不是 Stable Diffusion它没有严格的 negative prompt 参数机制。你想排除某些元素主要靠描述性语言兜底比如“不要出现文字水印”“不要出现人物”。这类约束能提高成功率但不能保证 100% 生效。所以面向生产的生成任务最好保留人工抽检环节。5.5 三类最常见的失败提示词太空泛“画一个好看的网站首页”。模型不知道你要什么布局、什么风格、什么文字。信息过载一条提示词塞了 20 个需求模型只能抓取最突出的几个特征其他全部丢失。只写目标不写约束“生成一个登录页面要精致”。缺少对配色、尺寸、文字的具体约束结果不可控。从案例库学提示词本质就是学“如何把模糊需求翻译成模型能执行的结构化指令”。6. 实战用案例方法论跑通“前端设计图生成 切图”“用 GPT-Image-2 生成前端设计图然后再切图”是网上讨论热度很高的场景但也是翻车重灾区。下面把这条链路完整跑一遍并且说清楚哪些环节可以自动化、哪些环节必须人工介入。6.1 为什么这个场景最受欢迎传统前端拿设计图需要设计师出稿、走 Figma 协作流程。而 GPT-Image-2 可以直接生成界面设计图十几秒出一版改需求成本极低。对于个人开发者、小团队、产品原型验证来说这是肉眼可见的效率提升。但它也有一个隐藏前提模型输出的是位图不是可编辑的源文件。6.2 第一步生成设计图沿用 5.2 的生成代码先把设计图跑出来。这里建议用更“贴近真实界面”的提示词一个深色主题的 Web 登录页面设计图。 布局居中卡片式布局顶部是产品 Logo 和标题“欢迎回来” 中间是用户名输入框和密码输入框底部是绿色渐变登录按钮。 风格暗色背景卡片圆角 12px中文字体清晰准确。 画布横版 16:9无背景装饰元素干扰。生成后保存为output/login.png先肉眼检查一遍文字是否准确、布局是否符合预期。6.2 第二步检查图片基础信息用一行命令确认图片尺寸和格式python -c from PIL import Image; imImage.open(output/login.png); print(im.size, im.mode)预期输出类似(1536, 1024) RGB如果尺寸不是你期望的要么修改size参数重新生成要么在本地等比缩放。这里提醒一句图像生成模型输出的尺寸组合有限不要指望它能输出任意像素尺寸。6.3 第三步按布局区域切图假设我们想按登录页布局把图切成“背景”“卡片”“标题区”“输入区”“按钮区”可以用 Pillow 手工裁剪# 文件路径scripts/slice_image.py from PIL import Image import os os.makedirs(output/slices, exist_okTrue) img Image.open(output/login.png) w, h img.size print(f原图尺寸: {w}x{h}) # 示例按常见登录页布局切出 5 个区域 regions { background: (0, 0, w, h), # 整张背景 card: (368, 162, w - 368, h - 162), # 居中卡片区 title: (500, 220, w - 500, 320), # 标题区 input_area: (500, 360, w - 500, 620), # 输入框区 button: (500, 680, w - 500, 740), # 按钮区 } for name, box in regions.items(): img.crop(box).save(foutput/slices/{name}.png) print(切图完成结果在 output/slices 目录)这段代码里的坐标是写死的因为不同设计图的布局差异巨大。真实的切图流程里坐标要么靠人工标注要么借助图像识别判断内容区域没法“一键通用”。6.4 为什么 AI 切图不能直接进生产很多人在这一步开始怀疑人生切出来的图要么边缘多了一像素白边要么圆角卡片被切成了方角要么不同区域的阴影直接被截断。原因在于 AI 生成的位图天生就没有“工程结构”没有图层信息每个元素的位置不可编程访问没有命名语义你切出来的文件叫什么全靠自己起没有矢量路径放大、改间距、换颜色都会糊没有严格的网格对齐模型画出来的界面更多是“视觉像”不是“精确到像素”。所以切出来的图怎么用两个场景比较合适一是做原型演示给团队看视觉方向二是作为静态素材放进文档或 PPT。真正要交付的前端页面更推荐把 AI 设计图当视觉参考用 HTML/CSS 重新实现。这反而比手工修复切图更快、更可维护。6.5 工程化建议批量生成任务如果你需要批量生成多张设计探索稿建议把提示词放到 JSON 配置文件里用脚本统一跑[ { name: login-page, prompt: 深色主题登录页设计图居中卡片布局中文字体清晰准确16:9 横版无装饰元素干扰。, size: 1536x1024, quality: high }, { name: dashboard, prompt: 浅色主题数据看板设计图左侧导航顶部页头三个 KPI 卡片和一张折线图中文字体清晰准确16:9 横版。, size: 1536x1024, quality: high } ]批量生成脚本如下# 文件路径scripts/batch_generate.py import json import base64 import os from openai import OpenAI client OpenAI(api_keyos.getenv(OPENAI_API_KEY)) with open(prompts.json, encodingutf-8) as f: tasks json.load(f) for i, task in enumerate(tasks): resp client.images.generate( model