awesome-gpt-image-2 | 把 GPT Image 2 提示词整理成可复用的 Prompt-as-Code

awesome-gpt-image-2 是一个面向 GPT Image 2 的开源提示词案例库、模板库和 Agent Skill。它把社区里零散的生图案例整理成可浏览、可复制、可复用的 Prompt-as-Code 资产，并提供一个可以筛选案例、复制完整提示词、查看模板和进行生成测试的站点。它不是 GPT Image 2 模型本身，也不是一个保证在本地直接完成生图的推理框架；它解决的是“如何找到结构清楚、能够复用和迭代的提示词”。

awesome-gpt-image-2 Prompt-as-Code 提示词案例库封面

本文依据仓库 main 分支和 README 在 2026 年 9 月 3 日的可见内容整理。README 的总览徽章显示 544 个案例、20+ 套工业级模板；GitHub 页面当时约有 27,313 个 stars、2,650 个 forks，最近一次推送时间为 2026 年 8 月 30 日。stars、案例数量和站点内容都会变化，下面把它们视为核对时的快照，而不是稳定 API。

它整理的不是一堆提示词，而是一套 Prompt-as-Code 资产

普通提示词往往停留在一段自然语言：主体是什么、想要什么风格、画面要有多大。awesome-gpt-image-2 试图把这段话拆成可以反复修改的结构。仓库的案例和技能说明会关注主体与任务、构图与布局、视觉风格与材质、文字与标签要求、画幅与输出格式，以及约束和负面细节。这样做的价值不在于把提示词写得更长，而在于让团队能明确知道“改哪个变量会影响哪一层结果”。

例如，同一个信息图模板可以保留版式层级和信息流，只替换主题、色板、数据标签与品牌语气；同一个产品展示模板可以保留镜头、材质和留白，只替换产品对象。对脚本或 Agent 来说，这些字段也比一整段不可分割的散文更容易注入变量、保存版本和复盘。

GPT Image 2 Gallery 官方站点预览 — 仓库 README 中的 GPT Image 2 Gallery 站点预览：可浏览案例、筛选风格与场景并复制提示词。截图中的界面文案和案例数字会随项目更新而变化，本文不把截图数字当作当前统计。来源：https://github.com/freestylefly/awesome-gpt-image-2/blob/main/data/images/site-preview.png

案例库按输出任务组织，先找相近结构再改主题

README 把案例分成 13 个方向，覆盖 UI 与界面、图表与信息图、海报与字体、产品与电商、品牌与 Logo、建筑与空间、摄影与写实、插画与艺术、角色与人物、场景与叙事、历史与中国古典主题、文档与出版以及其他用途。总览页显示 544 个案例，适合把它当成检索入口：先按最终交付物选择类别，再查看相近案例的构图、镜头、材质和文字约束，而不是从“好看的风格词”开始盲试。

这种分类也能帮助建立团队自己的提示词索引。UI 任务要优先看组件层级、状态和屏幕比例；信息图任务要看阅读顺序、图例和标签密度；电商任务要看产品主体、背景留白和卖点层次；人物或场景任务则要把姿态、视线、环境和叙事动作写成可检查的约束。仓库的案例是参考样本，不代表所有任务都能直接套用。

模板页把“结构”和“风格”分开

项目提供 20+ 套工业级模板，模板方向与案例分类相互对应。模板的作用是给出一张可填充的骨架：要生成什么、元素如何排列、哪些文字必须准确、输出比例是什么、哪些细节需要避免。使用时可以先从案例页理解视觉结果，再回到模板页抽取结构，最后把业务变量填入自己的提示词。这样得到的提示词更像一份可评审的生产规格，而不只是一次性的灵感记录。

目标输出 → 选择模板类别 → 读取结构字段 → 填入主题与品牌变量 → 校对文字/比例/约束 → 生成与复盘

对于需要批量产出的团队，建议把模板文本放进版本库，并为每次修改记录输入变量、模型入口、输出比例和人工修订点。仓库提供的是可复用的起点，质量仍取决于模型版本、输入素材、文字校对和后续设计检查。

Agent Skill：让 Codex 或 Claude Code 读取这套风格库

仓库内置的 agents/skills/gpt-image-2-style-library 是一个独立 Agent Skill，技能包当前清单版本为 1.0.4，许可同样为 MIT。它会根据用户语言和目标输出识别模板类别，再匹配视觉风格标签、场景标签和相近案例，最后按主体、布局、风格、文字、比例、约束等区块输出可复制提示词。技能本身负责选择和组装提示词，不等于替宿主 Agent 配置模型密钥或完成远程生成。

README 给出的安装方式之一是：

npx skills add freestylefly/awesome-gpt-image-2 --skill gpt-image-2-style-library --agent claude-code codex --global --yes --copy

也可以先安装公开的 npm 技能包：

npm install -g gpt-image-2-style-library

安装后运行 gpt-image-2-style-library install all。技能参考文件由仓库的 data/style-library.json 生成；维护者修改案例或模板后，需要重新运行 npm run generate:style-skill，本地安装测试则使用 npm run install:skill。如果只复制旧的 SKILL.md，Agent 看到的分类和案例可能已经落后于网站。

可视化网站与“生成测试”是两个层次

在线站点 https://gpt-image2.canghe.ai/ 提供大图预览、完整提示词复制、按风格和场景筛选，以及跳回 GitHub 源案例的入口。README 还说明，登录后可以进入生成测试；站点使用 Supabase Auth/Postgres 保存认证与数据，并通过 Vercel Function 代理 GPT Image 2 API。静态案例浏览、技能安装和托管生成入口可以分别使用，不需要为了阅读案例就配置服务端密钥。

如果要自建站点或接入生成测试，需要按 README 配置 VITE_SUPABASE_URL、VITE_SUPABASE_ANON_KEY 等前端变量，以及仅供服务端使用的 SUPABASE_SERVICE_ROLE_KEY、API 密钥和支付相关变量。服务端密钥不能写入前端构建产物，也不应把“站点能打开”误认为“自己的 API 配置已经可用”。本文没有在本机执行仓库的 Vite 构建或远程生图，不把这些路径写成实测结果。

从案例到自己的生产流程

先定义交付物。明确是 UI、信息图、海报、电商图、文档还是叙事画面，并确定画幅和输出格式。
找相近案例。优先比较结构、镜头和信息层级，复制能解释结果的字段，而不是只摘取几个形容词。
映射业务变量。把主题、数据、产品卖点、品牌色、必须出现的文字和禁用元素分别填入主体、布局、材质、文字与约束区块。
锁定提示词版本。记录所用模板、案例 ID、模型入口、比例和修改日期，方便回到同一基线复现。
做人工检查。重点复核文字准确性、数字、Logo 比例、信息层级、版权来源和平台规范；模型生成的画面仍需要设计与事实审核。

第三方来源、商业使用与 MIT 许可

仓库采用 MIT License，仓库代码和在该许可范围内发布的项目内容可以按许可证使用、修改和再分发，并应保留许可声明。README 同时说明，案例中的部分提示词和图片来自公开社区或第三方资料，项目不主张拥有这些第三方内容的所有权，也不保证它们天然具备商业使用权。仓库会尽量保留原始来源并遵循诸如 CC BY 4.0 的来源条款，但使用者仍需逐项核对原作者授权、署名要求和生成平台规则。

“仓库是 MIT”不能推导出“案例图片、人物肖像、品牌元素和第三方提示词都可以直接商用”。如果要把案例用于广告、客户交付或训练数据，应保留来源记录，取得必要授权，并对输出中的商标、人物和受版权保护的素材做单独审查。

维护状态与适用人群

仓库默认分支为 main，根目录站点包的 package.json 版本为 1.0.0 且标记为私有；截至核对日没有 GitHub Release。它更适合提示词研究者、AI 视觉设计师、需要批量出图的内容团队，以及希望让 Agent 复用视觉规范的开发者。若目标是部署模型服务、管理 GPU 推理或获得稳定的商业素材授权，应该把它与模型 API、工作流平台和素材授权流程一起评估，而不是把案例库当成完整生产基础设施。