我把GPT-image-2生成PSD的能力打包成了Skill,免费开源

现在GPT-image-2 的生图能力非常牛逼,但改图依然是AI的痛。

所以像Lovart这样的设计Agent,就出了能直接对AI生成图片编辑的功能

但,我发现,ChatGPT也可以直接完成这件事了。

基本上一句话就能从Image2的图转成多个图层、可以编辑的PSD文件。

但在网页端的体验还是无法落地成生产力。

之前分享过Codex配合Image2的工作流,于是,经过我一顿操作

成功开发了一个可以在Codex里生成Image后再转成PSD的skill

这才是生产力啊!!开源地址在文末。

接下来分享一下过程。

01

ChatGPT 网页端:连上 Photoshop,把合并图拆成图层

ChatGPT,先在设置里打开连接点,把 Photoshop应用链接进来。

ChatGPT 连接 Photoshop 设置入口

连接完成界面

点连接,让 ChatGPT 和 Photoshop 建立通道

然后,新开聊天框生图。

刚好我们下个月6月8日在厦门有场 AI 跨境电商线下大会,需要一张海报。正好让 GPT-image-2 生成了一张。

用 GPT-image-2 生成的厦门大会海报

这时候海报是一张合并图。要改文字或者换底色,直接改不了。

换个思路:先让 GPT 把海报拆成若干张独立图像,底色白色,每张对应 PSD 里的一个图层,再拼成 PSD 文件。

第一步:拆图层

直接用这段提示词:

接下来,我要把这张图改成 PSD 导入 Photoshop 做编辑, 所以需要你先把生成的这张海报拆成若干个图像, 不要改变相对位置,底色为白色。

第二步:选中 Photoshop 应用,生成 PSD

在应用选择里点开 Photoshop。

在 ChatGPT 里选中 Photoshop 应用

然后让 ChatGPT 把拆好的图拼成 PSD:

根据以上拆分的图像拼成 PSD 文件,每个图像对应一个图层, 注意有些是图像,有些是文字。去除白色底。给我 PSD 文件。

跑完能拿到一个 PSD 文件。

ChatGPT 输出的 PSD 文件

导入 Photoshop,看到图层了。

导入 PS 后的图层状态

动图看图层效果

这次拆出来 7 层。

能用,但问题也很明显:标题下面有残影,文字和背景图合在了同一层里没有分开。图比较复杂的话,7 层是网页端的上限。

02

翻了一下对话记录,发现背后是 Python 包在跑

为了搞清楚网页端的极限在哪,我偷瞄了一下 ChatGPT的思考过程。

发现它背后调用的是 Python 的 psd-tools 包。

ChatGPT 背后调用的 Python 实现

也就是说,流程是:生图 → 用 Python 处理图像拆分 → 拼成 PSD。

说白了就是,图层拆得细不细,取决于 Python 脚本怎么写。而网页端是一次性生成,生完就结束,不会回头检查「这个图层拆得对不对」。

然后我想到了 Codex。

Codex 有 reasoning loop------它在跑任务的过程中会检查自己的中间结果,发现问题了会回去修。这个特性用在图像拆分上,理论上能拆出更多图层,质量也更可控。

所以,我尝试把这套流程开发成 Skill。

03

用 Codex 开发 bggg-creator-image2psd Skill:12 层,无残影

打开 Codex,给了一段需求描述,加上网上找到的两个开源项目作参考。

给 Codex 的需求描述与参考项目

一顿操作就开发好了 bggg-creator-image2psd Skill,然后用同样的厦门大会海报测试。

结果出来了。

12 层。

Codex 处理结果:12 个图层

导入 Photoshop。

Codex 结果导入 PS

动图对比效果

标题下面那块残影消失了。文字单独成层,背景、图形元素各自分开。

Codex 在跑任务的过程中,发现拆出的图层有边缘污点,会自动回去调整 Python 脚本的参数,重新处理,直到结果干净为止。这是 reasoning loop 在实际工作中的效果。

Codex 思考过程中自检修正

同一套 Skill,拿跨境电商的素材图也测了一遍,同样能拆。

跨境电商图片拆层结果

04

Skill开源地址

github.com/binggandata...

包括之前开源的饕餮.skill,以及后续的 Skill,都会同步到这个仓库:

github.com/binggandata...

求stars支持

不过有一说一,这个效果还不是很完美,如果有更好的想法欢迎提议!!

相关推荐
真上帝的左手9 小时前
26. AI-Agent-技术架构:Harness、Runtime、Orchestrator、Framework
人工智能·架构·agent·ai编程·智能体
量子客9 小时前
IBM、AMD正式开源「量子纠错解码评估框架」,突破多GPU调度,量子解码吞吐量提升达7.5 倍
开源·量子计算
逐梦苍穹10 小时前
不训练不微调:直接改权重矩阵,给小模型补上新能力
ai编程·codex·claudecode
ndz10 小时前
ModelFold 对话模型订阅:三档怎么选,Claude Code 和 Codex 怎么接
ai编程
ZzT10 小时前
GPT-6.2 API 降价 20%,为什么老代码直接切过去反而更费钱?
openai·ai编程
feasibility.11 小时前
399美元桌面机器人Doly:可爱电子宠物+树莓派开源平台,但不能像ChatGPT那样聊天
机器人·开源·嵌入式·树莓派·diy·桌宠
翼帆12 小时前
我用 AI 复刻了 CodeTank,重温代码坦克
前端·javascript·开源·ai编程·游戏开发·codetank
掘黄金的打工人12 小时前
LangChain 少样本示例 和 动态示例选择
langchain·aigc·ai编程
回家路上绕了弯14 小时前
做错一步不算什么,错了接着干才是事故
ai编程
狂师14 小时前
牛逼!谷歌亲自下场开源的AI自动化神器!
人工智能·开源·测试