awesome-gpt-image-2：GPT-Image2 提示词模板库，544 个案例接入生图工作流

awesome-gpt-image-2 GPT-Image2 结构化提示词模板库

awesome-gpt-image-2 是一个面向 OpenAI GPT-Image2 的提示词案例与模板仓库，作者是 GitHub 用户 freestylefly（微信公众号「苍何」）。仓库建于 2026 年 4 月下旬，截至 2026 年 9 月中旬已积累三万多 Star，首页徽章标注的案例数为 544 个，另有二十多套按场景归类的提示词模板，整体以 MIT 协议开源。

它想解决的问题不是「怎么写出一张好看的图」，而是「怎么让同一套写法反复产出同一类图」。仓库自己把这套思路概括为 Prompt as Code，意思是把散落在社区里的单条提示词压缩成结构化资产，让脚本和 Agent 能够重复调用。

结构化模板与提示词大全的差别

市面上大多数提示词合集的做法是堆砌风格词，把「4K」「电影感」「虚幻引擎」一类词叠在一起碰运气。这个仓库走的是另一条路：先把画面拆成主体、材质、光照、版式、文字层级等几个固定槽位，再让使用者往槽位里填自己的业务变量。

图：仓库配套 Skill 给出的提示词组装顺序，六个块依次填完再交给模型

以 UI 界面模板为例，常规版本长这样：

为[产品类型]生成一张[平台，如 iOS/Android/Web]界面图。
核心功能：[功能点A]、[功能点B]、[功能点C]。
视觉风格：[极简/科技/拟物]，主色[颜色]，强调色[颜色]。
布局：[顶部导航/双栏/卡片流]，信息层级清晰，留白充足。
输出：高保真UI截图，文字清晰可读，比例[9:16/16:9]。

每个类别还配了一份 JSON 版本，仓库把它标为「推荐给 Agent 调用」：

{
  "type": "UI Screenshot",
  "platform": "iOS",
  "product": "Fitness App",
  "layout": "Card-based feed with bottom tab bar",
  "style": {
    "theme": "Dark Mode",
    "primary_color": "Neon Green",
    "typography": "Clean sans-serif"
  },
  "content": {
    "header": "Today's Activity",
    "cards": [
      {"title": "Running", "data": "5.2 km", "button": "Start"},
      {"title": "Calories", "data": "340 kcal"}
    ]
  },
  "constraints": "High fidelity, readable text, 9:16 aspect ratio"
}

两个版本的复用成本差别不小。文本模板拿到脚本里还要做一轮字符串拼接和转义，JSON 模板则可以直接当成参数对象传给生成函数，改一个字段就换一批图。做批量产出的场景，JSON 那一版是更省事的入口。

十三个类别与随附的避坑条目

模板按场景分成十三类，覆盖 UI 与界面、图表与信息可视化、海报与排版、商品与电商、品牌与标志、建筑与空间、摄影与写实、插画与艺术、人物与角色、场景与叙事、历史与古风题材、文档与出版物，以及归拢杂项的其他应用场景。案例侧的分布并不均匀，摄影与写实有 78 个案例，插画与艺术 59 个，文档与出版物只有 11 个。

每一类模板后面都跟着一段避坑说明，这部分比模板本身更值得先读。摄影类建议用 f/1.4 代替「浅景深」、用 50mm 代替「半身照」，理由是模型对参数的响应比对形容词稳定；插画类提醒不要直接写大师姓名，否则模型容易照搬对方代表作的构图，改成描述笔触特征更安全；Logo 类要求强制写明「纯白背景」，方便后期抠图。信息图那一类的要求是锁死模块数量和图表类型，并且控制文案长度——大段正文塞进画面，排版几乎必然失控。

图：仓库案例 1「城市生命系统图谱」，中英双语标注加十一个编号模块（图源：项目仓库）

Agent Skill 与安装方式

仓库把选模板这件事本身也打包成了一个 Agent Skill，名为 gpt-image-2-style-library，数据源是仓库里的 data/style-library.json，和可视化站点共用同一份风格库。它的工作流程是先判断目标产出类型，再按模板类别、风格标签、场景标签、相近案例的顺序匹配，最终按六个块组装出可直接复制的提示词，并附上所选模板名和参考案例编号。

面向 Claude Code、Codex、Cursor 等工具，官方推荐用 skills 包安装：

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

Claude Code 用户也可以直接走插件市场，在会话里执行：

/plugin marketplace add freestylefly/awesome-gpt-image-2
/plugin install gpt-image-2-style-library@awesome-gpt-image-2

另一条路是 npm CLI，装完再把技能同步进本地各个 Agent 目录：

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

install all 会写入 ~/.codex/skills、~/.claude/skills 和 ~/.agents/skills 这几个常用目录，装完需要重启 Agent 会话才能生效。调用时按自然语言说明意图即可，例如让它用这个技能生成一份关于某主题的信息图提示词。想了解 Skill 这种扩展形态怎么工作，可以先看frontend-design Skill 入门里的完整拆解。

可视化站点与生成入口

图：配套站点 GPT-Image2 Gallery 的首页（图源：项目官网截图）

仓库配了一个在线站点 gpt-image2.canghe.ai，把案例画廊做成了产品形态：可以放大预览、一键复制完整提示词、按风格或场景筛选，也能从案例跳回 GitHub 上的原始条目。登录之后还能直接在站内测试生成，走的是平台额度加服务端 API 密钥；用户填入自己的 APIMart 浏览器端密钥也可以，密钥不上传服务器。

案例图和提示词原文都托管在 GitHub 仓库里，国内网络直连 raw.githubusercontent.com 时图片加载并不稳定，浏览案例用这个站点会顺手得多，翻仓库 Markdown 反而容易卡在图片上。仓库赞助位标注 APIMart 的 GPT-Image-2 价格为每张 0.006 美元起，按当前汇率粗算约合人民币四分多一张——这是赞助商自述口径，实际计费以各平台页面为准。

GPT Image 2.5 对比专区

仓库近期加了一个 GPT Image 2.5 专区，对应 OpenAI 的两个新模型：Sunburst 面向图像生成与精确编辑，Flare 面向快速高质量的日常出图。专区里放了四组同提示词对比（案例 532 的柠檬广告、527 的里约微缩景观、523 的曼哈顿水彩、510 的比熊犬店铺图标），每组保留原画廊图，再用完整原提示词重新生成一次，不带参考图，页面提供可拖动分隔条和并排两种查看方式。

这部分要留意仓库自己的说明：原始生成条件和确切的工具模型 ID 尚未核实，演示性质的示例另行标注。把它当成风格差异的直观参照可以，当成模型评测结论则不合适。这个专区独立运行，原有的案例、模板、Skill 和生成工具不受影响，本次更新也没有加入 2.5 的实时生成能力。

适合谁，以及授权边界

这个仓库的收益人群比较明确。做批量出图的开发者能直接把 JSON 模板接进脚本；需要成套视觉素材的独立开发者可以先照案例找方向，再回模板页填变量；设计入门者读避坑条目的收获，可能比读模板更大。只想复制一条提示词换一张成品图的用户，翻 544 个案例的画廊反而是负担，站内的 Awesome Prompts 提示词库那类按用途平铺的合集更省事。

和同类项目比，差别在抽象层级上。站内介绍过的 Nano Banana 提示词库是按案例逐条罗列，本项目在案例之上多加了一层模板抽象，代价是上手要先读一遍模板结构。这套「先定协议再填参数」的思路并不限于生图，文本侧的写法可以参考Claude 提示词工程的十个核心技巧。

授权这一条需要单独说明。MIT 协议覆盖的是仓库自身的代码和整理成果，不等于其中的图和提示词都能随意商用。仓库在声明页写明，整理过程中参考了 YouMind 与 OpenNana 的公开提示词库内容，涉及第三方内容时遵循来源仓库声明、CC BY 4.0 等许可及对应平台规则。案例里包含大量来自公开社区的示例图，其中有人物写实和摄影类内容，用于商业投放前需要自行确认授权边界。学习其中的控制逻辑没有障碍，直接拿生成结果对外发布则要另作判断。