元峰AI笔记 · Agent与自动化

我给龙虾装了个 GPT-Image 2.0 Skill，现在设计像呼吸一样简单

最近一周时间，OpenAI 发布了 GPTImage 2.0，相信大家都被它刷屏了。

我给龙虾装了个 GPT-Image 2.0 Skill，现在设计像呼吸一样简单

图片展示的是GPT-Image 2.0 Skill武装龙虾的宣传图。画面中，一只戴着VR眼镜、胸前有“GPT 2.0”标识的红色龙虾站在左侧，背景为紫色调，有“GPT-Image 2.0 Skill 武装龙虾”字样。中间是GPT的标志。右侧是一台电脑屏幕，显示着未来风格的图像设计界面。底部有“设计再也不用等”字样，以及“高效生成”“创意无限”“一键实现”“专业品质”等标识。该图与文档中作者决定将GPT-Image 2.0安装到OpenClaw以提升设计能力的内容

最近一周时间，OpenAI 发布了 GPT-Image 2.0，相信大家都被它刷屏了。

我第一时间试了一下。

然后我做了一个决定：必须把它安装到我的 OpenClaw 里。

为什么？因为这不是一个"图更漂亮"的升级，只因为它太强了。

验证排名有多强

看到 GPT image 2 在 LMArena 的排名得分——1512 ，领先第二名Nano Banana 242 分——我有点怀疑。

图片为arena.ai发布的Text-to-Image Arena OpenAIRanks #1: GPT-Image-2排行榜，显示GPT Image 2（Medium）以1512分排名首位，领先第二名Nano Banana 242分。排名前15的模型中，GPT Image 2、Nano Banana 2、Nano Banana Pro（2k）等均在列。该图与上文提到的GPT-Image 2在LMArena的排名得分1512相呼应，直观呈现其在文本转图像领域中的排名情况。

数字好看，但实际能用吗？

我打开 ChatGPT，先试了一个最直接的场景。

画一个 Sam 在抖音直播间带货 GPT 的图片，比例为 9:16

图片展示的是一个直播间场景，画面中一位男士手持手机，手机屏幕上显示“GPT”。画面左侧有“直播专属福利”等信息，右侧有“GPT Plus会员（官方订阅）”的购买选项，显示价格为99元。画面左上角显示“Sam Altman”为全站第1名，右上角有“10万+”关注标识。该图片与上文提到的“我打开ChatGPT，先试了一个最直接的场景”相呼应，展示了使用GPT模型生成的直播场景效果。

很快，一张完整的直播间场景就出来了。直播场景逼真，奥特曼人物自然，整个画面看起来像是真实的直播截图。

这一刻我就知道，这个模型不一样。

图片是GPT Image 2.0正式上线的宣传海报。背景为紫色渐变，左侧有“全新升级”“更强能力，更美图像，更懂你的创意”等文字，右侧是戴眼镜的卡通人物。下方展示了室内设计、科幻场景、产品摄影等案例，如室内沙发、科幻城市、香水等。底部有“更懂你的提示词”“释放想象力，创造无限可能”等字样，还列出了更丰富的提示词、更精准的风格、多语言支持等功能。该图片与上下文介绍的GPT Image 2.0模型在场景生成和文本渲染上的表现相呼应。

再试试文本渲染

既然场景生成这么强，我想看看它在文本渲染上的表现。

生成一张高级餐厅菜单海报
- 餐厅名称："Ember & Oak"
- 12 道菜品，包含名称和价格
- 风格：优雅、极简、金色点缀
- 文字必须清晰可读
- 宽高比：3:4

图片 addCriterion图片展示了“Ember & Oak”餐厅的菜单海报。海报背景为黑色，顶部有餐厅名称及“MODERN CUISINE, ROOTED IN FIRE & NATURE”的字样。菜单分为左右两部分，左侧有7道菜品，如Seared Scallop、Hamachi Crudo等，每道菜配有图片及价格；右侧有6道菜品，如Grilled Octopus、Duck Breast等，同样配有图片及价格。底部有“SEASONAL INGREDIENTS”“THOrottle SOURCING”“MEMORABLE EXPERIENCES”字样。该图片与上下文“再试试文本渲染”相关，展示了模型在文本渲染方面的表现。

很快，我看到了一张完整的、文字清晰的、可以直接印刷的菜单海报。

没有错别字。没有模糊的标签。没有"重复生成"的痛苦抽卡。

这是我用过的所有图像生成模型里，第一次看到这样的结果。

人物形象生成

既然文本渲染这么强，我想看看它在人物形象生成上的表现。

再帮我画一个 18 岁中国美女吃香蕉的图，配文是，香蕉已经不香了，还是 GPT image 2 香🤔，9:16 的比例

图片展示了一位年轻女性，她扎着高马尾，戴着金色耳环，穿着黑白相间的上衣，手持一根香蕉。画面下方有黄色背景的黑色文字“香蕉已经不香了 addCriterion图片内容描述有误

图片中是一张人物

人物形象逼真，表情自然，文字排版完美。这不仅仅是生成了一张图，而是生成了一个完整的、可以直接用于营销的内容。

多人物融合和一致性

如果我一次生成多张图，它能保持人物的一致性吗？我上传了两张参考图片。一张我自己的图，一张AI美女的图。

图片展示了小峰子机器人与用户的一次对话界面。用户上传了两张参考图片 自动生成的图片，一张是弹吉他的男子，一张是弹钢琴的女子。用户给它一个提示词，要求基于这两张图片重新生成一张合影，两人在演唱会现场一起演奏，比例为9:16。图片与上下文紧密相关，直观呈现了用户 addCriterion()函数

然后我给它一个提示词：

帮我基于刚刚上传的两张图片，重新生成一张合影，他俩在演唱会现场，一起演奏。比例为9:16

图片展示了一位男士和一位女士在舞台上表演的场景。男士身穿 addCriterion addCriterion addCriterion图片展示了一位男士和一位女士在舞台上表演的场景。男士手持吉他，身着黑色西装，站在麦克风前；女士身着白色长裙，坐在钢琴旁，双手轻抚琴键。背景中灯光璀璨，营造出演唱会现场的氛围。该图片与上文提到的“我 addCriterion图片展示了一位男士和一位女士在舞台上表演的场景。男士手持吉他，身着黑色西装，站在麦克风前；女士 addCriterion 自动生成多张图时保持人物一致性”相关，用于说明GPT-Image 2.0能理解参考图片中的人物特征，并在新场景中保持一致性，画面看起来像是真实的演唱会现场。

两个人物的特征都被保留了，在同一个场景中自然地出现，演奏的姿态逼真，整个画面看起来像是真实的演唱会现场。

GPT-Image 2.0 能够理解参考图片中的人物特征，并在新的场景中保持一致性。这对做内容创作、品牌宣传、社交媒体素材的人来说，是一个革命性的改变。

太强了，我决定让龙虾也用上它

但这还不够。

我开始想，如果每次都要手动打开 ChatGPT，写提示词，等待生成，这个流程还是太重了。特别是当我发现这个工具这么强的时候，我就在想——能不能让龙虾自动帮我干这件事？

一个简单的办法，可以把 GPT-Image 2.0 安装到 OpenClaw 龙虾里。

它变成 OpenClaw 的一个 Skill。这样我就不用每次都只要口述要画的图，OpenClaw 可以在我需要的时候自动调用它，生成我想要的图。

龙虾里的 Skill，每天帮我快速出图

现在我的龙虾里已经跑起来了这个 Skill，每天都在帮我生成图片。

每天早上的新闻日报

情报虾每天早上会自动抓取热点新闻，然后调用这个 Skill 生成一张汇总图。

图片展示了OpenClaw龙虾平台的新闻日报界面。左侧为新闻日报内容，包含日期、平台版本号、平台更新内容等信息，如OpenClaw发布2026.4.22 - beta.1版本等。右侧是“OpenClaw今日新闻”板块，有“主仓库版本”“生成类工具更新”“插件SDK baseline更新”等更新点，还展示了“neural - memory”“technical - 10.0”等插件更新情况。图片与上下文紧密相关，直观呈现了龙虾平台新闻日报的样式及内容。

我让它按这个风格出一版 AI 新闻日报的图。

图片展示了与“情报虾”的三段聊天记录截图。左侧截图中用户要求按特定风格出一版今日AI新闻图，并说明了获取内容及排版等要求；中间截图显示“情报虾”给出按固定风格出的今日AI新闻图，用户反馈顶部不要龙虾图，换成AI相关元素；右侧截图是“情报虾”回复开始出图，并展示了新版AI新闻图，顶部改成了AI元素。这些聊天记录与上下文提到的让“情报虾”调用Skill生成AI新闻日报图相呼应。

第一次出来的时候，图片顶部还是有龙虾的图。但这一版是 AI 相关的，不需要龙虾了，我让它换个元素。

图片展示了“今日AI addCriterion今日AI新闻”内容，时间为4月25日。左侧 addCriterion左侧有红色龙虾图标，上方有“今日AI新闻”标题，下方列出10条AI新闻，如OpenAI发布GPT-5.5、谷歌AI AI Agent等。右侧标题为“今日AI新闻”，同样列出10条AI新闻，内容与左侧相同。图片与上下文关系紧密，是龙虾设计生成的AI新闻日报图，展示了AI新闻日报的样式。

结果很有意思——除了顶部的元素有变化，其他的几乎没什么变化。这就是 GPT-Image 2.0 和其他画图模型不一样的地方。它有上下文记忆，能理解我的修改意图，而不是每次都重新生成。

成本几毛钱一张，很快就完成了。以前这种图我要么找设计师，要么自己用工具花半小时。现在就是看一眼的事。

训练营海报

我们团队 5 月份有一期 AI+GEO 的线下训练营。以前每次都要和设计师反复沟通，改配色、改文案、改排版。

现在我把基本信息给到gpt出图，很快就出来了。

图片展示的是ChatGPT生成的AI+GEO线下训练营海报。海报以红色为主色调，背景有城市夜景和动态效果。上方有“必米AI”“AI+GEO”标识，中间大字为“AI时代 流量新入口 addCriterion图片展示的是ChatGPT生成的AI+GEO线下训练营海报。海报以红色为主色调，背景有城市夜景和动态效果。上方有“必米AI”“AI+GEO”标识，中间大字为“AI时代新入口 获客新方法”，下方标注“5天线下实战，从认知到落地，系统掌握AI+GEO获客方法”。底部有日期“2024年5月25日”及“报名通道”等信息。该图片与上下文紧密相关，是作者团队 addCriterion图片展示的是ChatGPT生成的AI+GEO线下训练营海报。海报以

图片为“必火AI AI+GEO线下私教班”宣传海报。图片以红色为主色调，背景有红色光效和城市轮廓。左上角有“必火AI”标志及“让好产品，被AI看见”AI+GEO线下私教班”字样。中间大字“AI时代流量新入口 获客新方法”，下方说明“5天线下实战，从认知到落地，系统掌握掌握AI+GEO获客方法”。底部有时间（5月18日 - 5月22日）、地点（佛山）、适合人群（企业老板/市场运营/品牌负责人、GEO操盘手/创业者）等信息。该图片与上下文介绍的AI+GEO线下训练

图片为必火AI AI addCriterion addCriterionAI+GEO线下私教班的宣传海报。左侧以红色为主色调，写有“欢迎来到必火AI AI+GEO线下私教班”等文字，强调课程面向AI搜索时代，有“ignite”字样及日期“

那一刻我真的有点感动——这就是我想要的工作方式。

（对 AI+GEO 感兴趣的朋友，可以扫上面的码报名。）

公司前台设计

最近我们公司想要把进门的前台重新设计一下。以前是乱糟糟的一团，现在给龙虾一个需求，几分钟之后，设计就出来了。

图片展示了公司前台的设计效果。墙面左侧是红色的“必火AI”标志及“用必火，一定火”等宣传语。右侧黑色背景上悬挂着多块红色证书框，标注着 “AI 培训”“企业咨询” 等业务内容，上方还陈列几座奖杯。前台桌上摆有插着红色挂饰与紫色花卉的花瓶。这与上下文提到的公司重新设计前台相呼应，体现出借助相关工具后，几分钟就产出的简洁且规整的前台设计成果。

来访客户一进门就能看到最新的内容。这种细节，往往能决定第一印象。

看完这几个案例，我是深深体会到了——为什么最近那么多公众号文章标题都是”设计”为关键词。太强了。

如果你也想用上这个 Skill

很多朋友看到这里，肯定想知道——怎样才能让自己的龙虾也能像我这样出图？

其实很简单。我已经把这个 Skill 开源到 GitHub 上了，你可以直接安装。

请安装 放心API 画图技能，帮我使用 gpt-image-2 模型画图。
技能地址：https://github.com/metafeng/fangxin-image-gen

第二步：然后去 放心API网站拿一个AZ分组的 key

  1. 打开 https://fangxinapi.com 注册 / 登录。
  2. 在控制台创建 API Key（一串以 sk- 开头的字符）。
  3. 建议优先使用 AZ 分组下面的 key，出图稳定性明显更好；其他分组容易超时或者中途断连。

图片展示了fangxinai.comcom控制台的令牌管理页面。左侧有“令牌管理”选项，右侧显示令牌列表，包括Codex和Claude Code，状态均为已启用，剩余额度/总额度为无限额度，分组分别为Codex 1x和ClaudeCode 2x，密钥部分有部分星号遮挡。页面中有红色箭头指向“添加令牌”和“复制所选令牌”按钮。该图片与文档中新建令牌，创建API key的操作步骤相关，用于说明令牌管理页面及添加令牌的操作位置。

新建令牌，创建API key

图片展示 addCriterion“名称”处，提示“名称自己自定义”；在“令牌分组”下，优先选择“AZ分组”；“无额度限制”开关已打开；底部有“提交”和“取消”按钮。该图片与文档中“新建令牌，创建API key”部分内容对应，展示了在创建令牌时，需在令牌“名称”处自定义名称、优先选择“AZ分组”等操作步骤，以及提交和取消按钮的位置。

点击复制到密钥

例如：sk-xxxxxxxxx（替换为自己的）

图片展示的是一个API控制台的令牌管理界面，其中“GPT出图”令牌已启用，分组为AZ，剩余额度无限，密钥为sk-umf*******uR。该令牌右侧有复制密钥的操作按钮，箭头指向此按钮。结合上下文，此图用于说明在使用龙虾的GPT - Image 2.0 Skill时，新建令牌创建API key后，点击复制到密钥的操作步骤，与后续将key写入.env并给到龙虾的操作相衔接。

第三步：key 写进 .env

然后把你的key给到龙虾（替换成你自己的 key）：

FANGXIN_API_KEY=sk-xxxxxxxx

图片展示了在小红书AI中与AI助手的对话界面。助手回复称已将用户的安全key安全写入指定文件，并询问是否还有其他问题。图片中突出显示了“FANGXIN_API_KEY”这一关键信息，其后有“1条回复”标识。该图片与文档中“新建令牌，创建API key”及“key写进.env”等内容相关，是将API key写入.env文件后，AI助手回复的示例，直观呈现了API key的展示形式。

写完保存，下次调用脚本就会自动加载。
装好之后直接用大白话描述你想要什么，AI 会自己挑接口、配参数。下面是一些示例。

帮我画一个 18 岁中国美女吃香蕉的图，配文是，香蕉已经不香了，还是 GPT image 2 香🤔，9:16 的比例

图片展示了一段与AI小嘈子<的 自动生成图片技能的对话。用户请求龙虾画一个18岁中国美女吃香蕉的图，配文是“香蕉已经不香了，还是GPT image 2香”。龙虾回复图在跑，随后给出了一版9:16

如果遇到生成到了但是不返回图片的情况，你就直接和龙虾对话，让他给你图片。可能多反复聊几次，就发图片到聊天窗口里面了。

图片展示了在OpenAI大模型中使用GPT-Image 2.0 Skill设计的示例。用户询问如何制作多图合成海报，AI回复并生成了相关图片。图片中箭头指向“给图片发我”按钮，提示用户点击该按钮，若AI未自动发送图片，可直接对话让其发送。下方显示AI生成的红色飞机图片，还有一段AI的回复内容。此图与上下文紧密相关，直观呈现了使用该Skill设计时的交互及结果

最后想说的

我一直觉得，真正成熟的 AI 使用者，不是那种最会喊口号的人。而是那种愿意花时间把系统打磨好的人。

因为工具的价值，不在于第一次用的时候多惊艳，而在于你三个月后、半年后、甚至一年后，还能不能继续放心地把事情交给它。

GPT-Image 2.0 也是一样。

它本身很强，但真正的价值，是当你把它放进龙虾里，让它和其他 Agent 联动，形成一条完整的内容生产流水线的时候。

那时候，你才能真正感受到什么叫"生产力的质变"。

这就是为什么我说"这么好的口粮，必须让龙虾先吃"。

好的工具，不应该只是用。应该吃透它，变成自己的能力。