GPT Image 2

这是一个面向 GPT Image 2 的聚焦型技能，在 3 种运行环境下都能用，但行为差异显著。第一步必须先确定当前运行模式。

它只做两类图像任务：

• 生成图片：POST /images/generations
• 编辑图片：POST /images/edits

本文件保留：运行模式、技能结构、环境变量、保存 / 命名规则、模板索引、模式感知工作流。详细模板全部放在 references/，分层组织：

• 一级：分类目录
• 二级：单模板 Markdown 文件

运行模式（必读，做任何事之前先确定）

本 Skill 自带一个轻量探测脚本，先跑一次，再根据结果决定怎么干活：

node skills/gpt-image-2/scripts/check-mode.js
# 想拿结构化结果给上层程序用：
node skills/gpt-image-2/scripts/check-mode.js --json

输出会给出 mode = A / A? / B-or-C 以及 recommendation。三个模式定义如下：

Mode A · Garden 本地生图

触发条件：环境变量 ENABLE_GARDEN_IMAGEGEN 为真（1 / true / yes / on）且 存在 OPENAI_API_KEY。

行为：完整端到端跑通"选模板 → 写 prompt → 调用脚本 → 出图落盘"。

• 用 scripts/generate.js 文本生图、scripts/edit.js 编辑现有图。
• prompt 默认落盘到 garden-gpt-image-2/prompt/、图片落盘到 garden-gpt-image-2/image/。
• 这是最强的模式：你是图像工具的"持有者"。

Mode B · Host-Native 委托宿主出图

触发条件：未启用 Garden（ENABLE_GARDEN_IMAGEGEN 未设置 / 为假），但当前宿主 Agent 自带图像生成工具或图像 MCP。

典型识别信号（你应该自检）：

• 你的工具集里出现 image_generation / imagegen / dalle / nano_banana / mcp__*image* / make_image / 类似名字
• 用户在 ChatGPT / Codex / Gemini / Cursor 等支持原生出图的客户端中调用本 Skill
• 用户显式说"用你自己的工具出图"

行为：本 Skill 退化成提示词工程指引——

1. 仍按"选模板 → 填字段 → 渲染最终 prompt"的流程走。
2. 不要调用 node scripts/generate.js（没有 API key、必失败）。
3. 直接调用宿主自带的图像工具，把渲染好的 prompt 作为输入。
4. 如用户希望可顺手把 prompt 文件保存到 garden-gpt-image-2/prompt/，但图片去向由宿主决定，不强制。

Mode C · Advisor 纯提示词顾问

触发条件：未启用 Garden，且宿主 Agent 也没有任何图像生成工具。

行为：本 Skill 退化为"高质量 prompt 撰写顾问"——

1. 按"选模板 → 填字段 → 渲染最终 prompt"流程走，缺信息就问用户。
2. 把最终 prompt 直接打印给用户 + 保存一份到 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md。
3. 附一句简短的"如何使用"建议（如：丢进 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 自己后端 / 第三方 GPT Image 2 网关）。
4. 不要假装出图成功。明确告知用户："已生成可直接复用的高质量 prompt，请用你的图像工具执行。"

模式决策表

模式不确定时

• 如果你判断不清自己是 B 还是 C，直接问用户一句："是用你环境里的图像工具出图，还是只要我写好提示词？"
• Mode A 调脚本失败（401 / 网络 / 配额）→ 报错并询问"切到 B / C 吗？"

用户输入工具

当此技能需要向用户提问时，遵循以下规则：

1. 优先使用当前运行时提供的用户输入工具。
2. 如果没有对应工具，则用简短的纯文本编号问题提问。
3. 能合并的问题尽量一次问完。

技能结构

• scripts/check-mode.js：先跑这个，检测运行模式（A / B / C）
• scripts/generate.js：文本生图（仅 Mode A 使用）
• scripts/edit.js：基于原图 / 遮罩改图（仅 Mode A 使用）
• scripts/shared.js：共享请求、保存、环境变量读取逻辑
• references/：分层结构化提示词模板（A / B / C 三模式都用）

环境变量

按以下顺序读取配置：

1. CLI 参数
2. process.env
3. <cwd>/.env
4. <cwd>/.gateway.env
5. ~/.gateway.env

核心变量：

• ENABLE_GARDEN_IMAGEGEN — 模式开关。1 / true / yes / on 时启用 Mode A；未设置或其它值则进入 Mode B / C。
• OPENAI_API_KEY — Mode A 必需；B / C 不需要。
• OPENAI_BASE_URL — 默认 https://api.openai.com/v1，可指向第三方兼容网关。
• OPENAI_IMAGE_MODEL — 默认 gpt-image-2，可换成网关支持的型号（如 gpt-image-1 / dall-e-3）。

默认实现按 OpenAI 兼容接口工作，不写死任何第三方网关。

默认输出目录

如果用户没有明确指定输出路径，统一使用当前工作区下的：

• 提示词目录：garden-gpt-image-2/prompt/（A / B / C 三种模式都建议用，方便复用与版本管理）
• 图片目录：garden-gpt-image-2/image/（仅 Mode A 使用；Mode B 由宿主决定，Mode C 不产生图）

如果目录不存在，脚本（Mode A）必须自动创建；Mode B / C 在写 prompt 前手动 mkdir -p。

默认命名规则

如果用户没有明确指定文件名，脚本应自动生成与当前任务相关的文件名，并追加当前时间戳，避免重名。

命名规则：

• 提示词：garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md
• 图片：garden-gpt-image-2/image/<task-slug>-<timestamp>.png

其中：

• <task-slug>：根据当前用户要求自动提取一个相关短名称
• <timestamp>：当前时间戳，例如 20260424-153045

示例：

• garden-gpt-image-2/prompt/live-commerce-ui-20260424-153045.md
• garden-gpt-image-2/image/live-commerce-ui-20260424-153045.png
• garden-gpt-image-2/prompt/vr-headset-exploded-view-20260424-153102.md
• garden-gpt-image-2/image/vr-headset-exploded-view-20260424-153102.png

Prompt 保存规则

通用规则（适用三种模式）：

1. 如果用户显式给了 prompt 文件路径，可直接使用该文件作为输入。
2. 如果用户直接给的是文本 prompt，也要先把最终 prompt 保存到 garden-gpt-image-2/prompt/。
3. 如果用户显式指定了 --prompt-output，则尊重用户指定路径。
4. 否则使用默认命名规则自动保存。

图片保存规则（仅 Mode A）

1. 如果用户显式指定了 --image 或 --output，则尊重用户指定路径。
2. 否则默认保存到 garden-gpt-image-2/image/。
3. 文件名应和当前任务语义相关，并附加时间戳。

Mode B 由宿主图像工具决定保存方式；Mode C 不产生图片。

快速用法

0. 检测运行模式（任何任务的第一步）

node skills/gpt-image-2/scripts/check-mode.js

输出会告诉你当前是 Mode A / B / C，决定后续是否调用 generate.js / edit.js。下面 1~4 仅在 Mode A 下使用。

1. 文本生图（Mode A）

node skills/gpt-image-2/scripts/generate.js \
  --prompt "A cute baby sea otter" \
  --size 1024x1024 \
  --quality high

2. 用提示词文件生图（Mode A）

node skills/gpt-image-2/scripts/generate.js \
  --promptfile garden-gpt-image-2/prompt/poster-20260424-153045.md

3. 编辑已有图片（Mode A）

node skills/gpt-image-2/scripts/edit.js \
  --image assets/source.png \
  --prompt "Replace the background with a clean studio scene"

4. 带遮罩的局部编辑（Mode A）

node skills/gpt-image-2/scripts/edit.js \
  --image assets/source.png \
  --mask assets/mask.png \
  --prompt "Replace only the masked area with a glass vase"

5. Mode B / C 的"用法"

没有命令行入口——本 Skill 此时只是提示词工程指南：

• Mode B：渲染好最终 prompt → 调用宿主自带的 image_generation 类工具（参数中传入 prompt）→ 拿到图。
• Mode C：渲染好最终 prompt → 保存到 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md → 把内容直接展示给用户 → 提示用户在哪些图像工具中可以直接复用。

JSON 模板工作方式

当 references/ 中提供 JSON 模板时，按下面规则使用：

1. 先从 SKILL.md 找到最贴近的分类目录。
2. 再定位到具体模板文件。
3. 模板中的 {argument ...} 表示可替换参数。
4. 用户明确提供的值，直接填入。
5. 用户没有提供，但模板标了 default 的，默认可以先用默认值。
6. 如果缺失信息会显著影响结果，主动询问用户。
7. 用户也可以明确说“你随机生成”，这时可以保留默认值或在模板允许范围内合理随机化。

询问规则

当模板缺少关键变量时，不要笼统地问“你想要什么风格？”。应当根据模板字段精确提问。

例如直播 UI 模板缺少主体时，应优先问：

• 主播是谁？
• 用真人照片、名人名字、人物描述，还是完全随机生成？

缺少商品信息时应问：

• 商品名称是什么？
• 商品价格是否指定？
• 是否希望我自动补全评论和礼物内容？

模板索引

按任务类型只读取最贴近的具体模板文件，不要一次性全读整个 references/。

1. 方法论总文档

先读：

• references/prompt-writing.md

适用于：

• 你还没决定怎么构造 JSON 模板
• 你需要判断哪些字段该问、哪些字段可默认、哪些字段可随机
• 你需要把案例抽象成可复用模板

2. UI Mockups (references/ui-mockups/)

适合各种“界面 + 内容”的样机视觉。当前已落地：

• live-commerce-ui.md — 电商直播带货截图样机（主播 + 聊天区 + 礼物区 + 商品卡）
• social-interface-mockup.md — 社交平台动态详情页样机（Twitter/X、小红书、微博、Threads 等）
• product-card-overlay.md — 落地页 hero / 详情页主图（人物 + 商品 + 卖点 + 价格）
• chat-interface-scene.md — 聊天 / 对话界面样机（iMessage、微信、群聊、AI 助手）
• short-video-cover-ui.md — 短视频封面 / 直播缩略图（YouTube、抖音、B 站、VTuber stream）
• landing-page-case-study.md — 深色 SaaS / 营销 case study 长页面 UI mockup（多 section + 滚动叙事 + 数据卡 + CTA）

3. Product Visuals (references/product-visuals/)

适合“以商品为视觉中心”的图。当前已落地：

• exploded-view-poster.md — 产品爆炸视图海报（主体垂直堆叠 + callout + 顶部 logo + 底部品牌区）
• white-background-product.md — 电商纯白底主图（单品 / 多角度 / 极简营销叠层）
• premium-studio-product.md — 高级影棚商业产品图（杂志广告级氛围）
• packaging-showcase.md — 礼盒 / 包装展示图（外盒 + 内容物展示）
• lifestyle-product-scene.md — 生活方式产品场景图（商品出现在真实场景中）
• ecommerce-marketing-board.md — 中式电商超复合销售看板（主图 + 详情页 + 卖点 + 使用步骤 + 场景 + TVC 分镜组合一图）

4. Maps (references/maps/)

适合“地图类视觉”（信息图已抽离到独立分类 17）。当前已落地：

• food-map.md — 城市美食手绘地图（编号点位 + 图例 + 中心吉祥物）
• travel-route-map.md — 旅行路线图（多日行程 / 单日 city walk / 户外路线）
• illustrated-city-map.md — 城市风貌插画地图（地标 + 江山 + 文化元素）
• store-distribution-map.md — 品牌门店 / 服务覆盖分布图
• itinerary-day-trip-map.md — 一日游 split 海报（左 parchment 行程卡 + 右奇幻写实地图，5-7 站点严格对齐）

5. Slides & Visual Docs (references/slides-and-visual-docs/)

适合“一页讲清楚一件事”的视觉文档。当前已落地：

• dense-explainer-slides.md — Irasutoya × 霞关混合高密度讲解 Slide
• policy-style-slide.md — 政策 / 政府公告 / 白皮书风格说明 Slide
• visual-report-page.md — 商业报告执行摘要 / 投资人简报 / 年报概览页
• educational-diagram-slide.md — 教学示意图（概念 / 机制 / 流程分解）

6. Poster & Campaigns (references/poster-and-campaigns/)

适合“品牌主视觉 + campaign + banner + 杂志封面”。当前已落地：

• brand-poster.md — 品牌主海报（产品 / 人物 / 纯文字主张）
• campaign-kv.md — Campaign Key Visual + 衍生 layout 系统
• banner-hero.md — Web hero / 落地页 / app banner（横向构图 + CTA）
• editorial-cover.md — 杂志 / 期刊 / 出版物封面
• biomimetic-concept-poster.md — 仿生工业设计概念海报（自然原型 → 演化条 → hero render → 多视图技术图）
• vintage-editorial-infographic.md — 复古档案 / 1940s 编辑式信息图海报（人物 + 公式 + 时间轴 + 模型，Bell Labs 风）
• character-catalog-poster.md — 同一角色多版本信息图海报（星座 / 元素 / 朝代 / 人格系列卡片）
• lineup-comparison-poster.md — 系列产品 lineup 对比信息图海报（30+ SKU 同图 + 图例 + 等级 key）

7. Portraits & Characters (references/portraits-and-characters/)

适合“人物视觉”。当前已落地：

• professional-portrait.md — 职业级商务肖像（LinkedIn / 团队页 / 媒体配图）
• founder-portrait.md — 创始人媒体大片肖像（戏剧灯光 + 留标题位）
• virtual-host.md — VTuber / 虚拟主播个人卡 + 直播预览
• character-sheet.md — 角色综合设定稿（三视图 + 表情 + 服装 + 配色板）
• pose-reference-sheet.md — N×N 姿势 / 动作字典参考表（同一角色多姿势，舞蹈 / 战斗 / 健身）

8. Scenes & Illustrations (references/scenes-and-illustrations/)

适合 “氛围 + 故事 + 情绪” 的插画类视觉。当前已落地：

• healing-scene.md — 治愈系日常 / 季节场景插画
• concept-scene.md — 电影感概念大场景 / IP key art
• picture-book-scene.md — 童书 / 绘本内页 / 节日卡片
• minimalist-mood-scene.md — 极简留白氛围图 / 文学性壁纸

9. Editing Workflows (references/editing-workflows/)

适合“基于现有图片做编辑”的图改任务（对应 scripts/edit.js）。当前已落地：

• background-replacement.md — 背景替换（商品 / 人像 / 户外 / 棚景）
• local-object-replacement.md — 局部对象替换（配合或不配合蒙版）
• object-removal.md — 杂物 / 路人 / 电线 / 瑕疵去除
• product-retouching.md — 产品精修（光泽 / 标签 / 阴影 / 瑕疵）
• portrait-local-edit.md — 人像局部修改（发型 / 服装 / 妆容 / 配饰）

10. Avatars & Profile (references/avatars-and-profile/)

适合“风格化头像 / 人设 / 网格 / 贴纸 / 系列肖像”等"个人形象"类视觉。当前已落地：

• style-transfer-selfie.md — 把参考图人物转成 cosplay / 哥特 / 复古胶片 / 偶像写真等任意风格
• character-grid-portrait.md — 同一角色 n×n 网格肖像（多职业 / 多表情 / 多朝代 / 多风格）
• themed-3d-icon.md — Kawaii 3D / Minecraft / 拟物 3D 应用图标式头像
• sticker-set.md — 贴纸套装 / 表情包合集（独立元素 + 描边 + 标签）
• cultural-portrait-series.md — 朝代 / 神话 / 文学 / 民族系列肖像

11. Storyboards & Sequences (references/storyboards-and-sequences/)

适合“多分镜 / 漫画 / 关系图 / 流程步骤”等"叙事性序列"类视觉。当前已落地：

• four-panel-comic.md — 4 格漫画 / 讽刺漫画 / 段子漫画（起承转合 + 对话气泡）
• manga-spread-page.md — 单页 / 跨页漫画分镜（不规则格子 + 对话 + 心声）
• anime-key-visual.md — 单图动漫 KV / 轻小说封面 / IP 海报
• character-relationship-diagram.md — 角色关系图海报（卡片 + 关系连线 + 图例）
• recipe-process-flowchart.md — 食谱 / 教程 / 流程步骤图（编号 + 插图 + 说明）
• product-tvc-storyboard.md — 产品 TVC 商业广告分镜板（9-panel 实拍质感 + 镜头描述 + 时长）
• cinematic-storyboard-grid.md — 电影感叙事分镜 contact sheet（3×4 / 4×4，连续叙事 + cinematic still）
• process-photo-board.md — 真人 cinematic 流程板（装备穿戴 / 化妆 / 训练 / 操作分解，编号 + 步骤递进）

12. Grids & Collages (references/grids-and-collages/)

适合“多面板网格 / 拼贴 / 立项 board”类视觉。当前已落地：

• banner-grid-2x2.md — 2×2 营销 banner 套装（一次出 4 张统一系列设计）
• lookbook-grid.md — 7 日 lookbook / 9 宫 self-care / TOP N 清单图
• mixed-style-multi-panel.md — 多风格混合拼贴（同一主体不同画风演绎）
• anime-pitch-board.md — 动漫 / 游戏 / 影视立项 pitch board（KV + 角色 + 世界观 + 文案）
• ad-banner-multi-grid.md — 多行业 / 多主题混合广告 banner 网格（每格独立行业 + 风格 + 文案）

13. Branding & Packaging (references/branding-and-packaging/)

适合“品牌识别系统 / 吉祥物 / 包装设计”类视觉。当前已落地：

• brand-identity-board.md — 品牌识别系统板（logo + 配色 + 字体 + 应用 mockup）
• mascot-brand-kit.md — 吉祥物多面板品牌识别套装（主形象 + 三视图 + 表情 + 应用）
• cosmetic-packaging.md — 化妆品 / 护肤品 单瓶 / 系列 / 礼盒包装
• beverage-label-design.md — 饮料 / 食品 / 调味品标签设计（国潮 / 日式 / 西式）
• full-mascot-brand-doc.md — 18+ 模块大型品牌识别 + 吉祥物全流程文档（DNA / moodboard / 草图 / 线稿 / 3D / 配色 / 材质 / 应用一图概览）
• character-merch-board.md — IP 角色 + 周边 / 包装 / 海报 / 社交 profile 多元素综合品牌板

14. Typography & Text Layout (references/typography-and-text-layout/)

适合“字面优先 / 双语版式”等"以文字为主视觉"的类型。当前已落地：

• title-safe-poster.md — 大字主张型海报（日式高能量 / 瑞士极简 / 复古印刷）
• bilingual-layout-visual.md — 中英 / 中日双语版式视觉（文化 / 学术 / 跨文化品牌）

15. Assets & Props (references/assets-and-props/)

适合“图标集 / 游戏截图”等"成套素材 / 游戏资产"类视觉。当前已落地：

• retro-skeuomorphic-icons.md — 拟物 / Y2K / 像素 图标集（成套统一风格）
• game-screenshot-mockup.md — 游戏内截图 mockup（HUD + 字幕 + 任务面板）

16. Academic Figures (references/academic-figures/)

适合“论文 / 顶会投稿 / 学术海报 / 答辩 PPT / 开题答辩 / 期刊投稿 Graphical Abstract”的配图。整体偏白底 + 出版物字体 + 几何精确 + 低饱和工程色（深蓝 / 灰蓝 / 黑灰为主，≤3 主色）+ 可单色印刷。严格禁止虚构定量数据（数值 / 等值线 / 色标范围 / 公式）。

CS / CV / ML 方向：

• method-pipeline-overview.md — 方法总览图 / pipeline figure（多 stage 块 + 数据流；变体 4 提供工程类左/中/右 三段式技术路线图）
• neural-network-architecture.md — 神经网络架构图（layer 块 + tensor shape + 跳连）
• qualitative-comparison-grid.md — 多方法 qualitative 对比网格（行 = 样本，列 = 方法）

工程 / 自然科学 / 答辩通用：

• scientific-schematic.md — 概念 / 原理 / 实验装置示意图（自由度高，自然语言模板）
• mechanism-diagram.md — 机理示意图 / 因果链路 / 转化路径（中心对象 + 多阶段转化 + 结果区；含三段式因果链 / 循环自激发 / 多分支竞争 三种变体）
• multi-condition-comparison.md — 多工况 / 多条件结果对比图（同一对象在不同 condition 下的并列结果，2×2 / 1×N / M×N；强调 panel 间严格统一）
• publication-chart.md — publication-ready 数据图表（bar / line / scatter / heatmap / box）

总览 / 摘要 / 答辩首页：

• graphical-abstract.md — 期刊投稿 Graphical Abstract / 图形摘要（横向 4 段式 / 中心展开 / 方形 / 竖版四种变体）
• research-overview-poster.md — 开题 / 答辩 / 汇报首页研究总览图（上中下三层 + 五模块；含中心辐射 / 左右双栏 / 极简 三种变体）

选择策略：CS/CV/ML 论文首选 method-pipeline-overview + qualitative-comparison-grid；工程 / 能源 / 化工 / 材料方向首选 method-pipeline-overview 变体 4 + mechanism-diagram + multi-condition-comparison；投稿期刊摘要图用 graphical-abstract；答辩 PPT 首页用 research-overview-poster。

17. Infographics (references/infographics/)

适合“信息图 / 高密度科普 / 手绘信息图 / KPI 仪表盘”等"信息可视化大图"。当前已落地：

• legend-heavy-infographic.md — 高图例密度科普 / 因果链 / 演化 / 解剖图（双语）
• hand-drawn-infographic.md — 手绘风信息图（macaron / morandi / 黑板 / 牛皮纸；自然语言模板）
• bento-grid-infographic.md — 便当格模块化信息图（高密度多模块 widget 排布）
• comparison-infographic.md — 二元 / 多元对比信息图（A vs B / 套餐档位 / 误区 vs 正解）
• step-by-step-infographic.md — 步骤教程信息图（插画感、温暖；非工程流程图）
• kpi-dashboard-infographic.md — KPI 仪表盘式信息图（年度回顾 / Wrapped / 业务 dashboard）

18. Technical Diagrams (references/technical-diagrams/)

适合“系统架构 / 流程 / 时序 / 状态机 / ER / 思维导图 / 网络拓扑”等工程示意图。统一暗色 grid 背景 + 等宽字体 + 角色编码配色，每个模板都附 light 变体。

⚠️ 注意：本目录生成的是 PNG 位图，不是可编辑 SVG；需要可编辑请改用 mermaid / draw.io / excalidraw / Figma。当前已落地：

• system-architecture.md — 系统架构图（前端 + 后端 + DB + 缓存 + 队列 + 外部）
• flowchart-decision.md — 流程图 / 决策图（BPMN 形状语义 + Yes/No 分支）
• sequence-diagram.md — 时序图（actor + lifeline + 消息箭头 + 激活条）
• state-machine.md — 状态机 / 生命周期图（state + transition + guard / action）
• er-diagram.md — ER 图 / 数据模型图（实体 + 字段 + PK/FK + crow's foot 关系）
• mind-map-tech.md — 技术主题思维导图（中央 + 放射式分支）
• network-topology.md — 网络拓扑图（设备 glyph + zone / VPC + 带宽 / 协议标）

提示词工作流（模式感知）

无论 A / B / C，前 6 步是共用的；区别只在第 7-8 步如何"出图"。

1. 跑 check-mode.js 确定模式（A / B / C）。
2. 判断任务是生图还是改图。
3. 识别它属于哪个分类目录（参考下方"模板索引"）。
4. 只读取对应的具体模板文件，不要一次读整个 references/。
5. 严格遵循模板格式：大部分模板用 JSON 主模板（结构化任务首选），少数模板（infographics/hand-drawn-infographic.md、academic-figures/scientific-schematic.md 等）使用「结构化自然语言 + 参数」混合形式，因为强行 JSON 会限制创作自由。
6. 把用户输入映射到模板参数；关键信息不足时主动发起有针对性的澄清问题。

到此 prompt 已渲染好。下面按模式分叉：

7-A. Mode A：把最终 prompt 保存到 garden-gpt-image-2/prompt/，调用 scripts/generate.js 或 scripts/edit.js，图片落到 garden-gpt-image-2/image/。 7-B. Mode B：把最终 prompt 直接传给宿主的图像工具调用；按需保存 prompt 副本到 garden-gpt-image-2/prompt/。 7-C. Mode C：把最终 prompt 保存到 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md，并把完整 prompt 在对话中展示给用户，附一句简短的"如何使用 / 推荐工具"建议。

8. 任务结束后用一句话告诉用户：当前模式是什么、prompt 落在哪、图（如有）落在哪。

重要约束

通用：

• 模板文件中的 JSON 是提示词结构模板，不是 API 请求体模板。
• 三种模式下，最终交给图像模型的都是"渲染后的 prompt 字符串"——可以是拍平的 JSON、可以是结构化自然语言段落，按模板原样使用。
• 除非用户明确要求，否则不要把 SKILL.md 里的"模式说明"复制到最终 prompt 里——那是给 Agent 看的元信息。

仅 Mode A 适用：

• 生成脚本使用 JSON body
• 编辑脚本使用 multipart form data
• 响应优先按 data[0].b64_json 解析，也兼容 data[0].url
• 除非上游接口明确要求，不额外引入特殊 query 参数

何时提问

只在这些信息缺失且会显著影响结果时提问：

• 没有 prompt 目标
• 改图时没有原图
• 主体身份或视觉类型决定结果走向
• 商品 / 价格 / 文案 / UI 文本是画面核心组成部分
• 用户同时表达了多个互相冲突的目标

除此之外，优先自己做合理默认并继续执行。