Evilom
121 lines
7.6 KiB
Markdown
121 lines
7.6 KiB
Markdown
# F8jiwgDmkiyzLMk5KYecuOjinAg
|
||
|
||
Source: https://dianchukeji.feishu.cn/wiki/F8jiwgDmkiyzLMk5KYecuOjinAg
|
||
|
||
|
||
# 一.工作内容概述
|
||
- 完成皮肤系统逻辑实现
|
||
- 继续探索优化Codex生图工作流
|
||
# 二.Codex生图工作流优化
|
||
## 1.GPT Image-2 即时模式
|
||
今日探索发现：**GPT Image 2 的即时模式（Instant 模式）****可以直接生成带真实透明背景的 PNG 图片**。
|
||
这个发现说明，之前 Skill 中默认采用的“纯色背景 + 后处理抠图”流程，并不是所有情况下都必须执行。如果生成阶段本身就能输出真实透明背景，那么部分后处理抠图步骤就有机会被省略或降级。因此，今天主要围绕以下问题继续对 Skill 进行优化：
|
||
- 不同生图模式在流程中应该如何分工；
|
||
- 是否应优先使用真实透明背景，而不是默认纯色背景；
|
||
- 是否可以接入第三方生图服务；
|
||
- 是否可以通过资产图集提高批量生成效率；
|
||
- 这套 Skill 是否具备迁移到其他 AI Agent 的可能。
|
||
## **2.即时模式和思考模式**
|
||
测试中发现，GPT Image 2 的不同生成模式有明显差异：
|
||
### **即时模式**
|
||
即时模式的优势是：
|
||
- 可以直接生成真实透明背景 PNG
|
||
- 适合图标、按钮、角标、小装饰等简单或中等复杂度素材
|
||
- 可以减少色键抠图带来的边缘损失
|
||
但它也有明显短板：
|
||
- 细节复杂度上限较低；
|
||
- 对复杂结构、复杂角色、角色立绘等控制不稳定；
|
||
- 实测中，在复杂角色立绘等高细节要求的场景下，生成结果可能出现结构简化或细节丢失，稳定性不如思考模式。
|
||
因此，即时模式更适合作为**简单素材生成模式**，不适合作为复杂主视觉资产或角色立绘的默认生成模式。
|
||
|
||
|
||
|
||
### **思考模式**
|
||
思考模式的优势是：
|
||
- 更适合整体效果图；
|
||
- 更适合复杂布局、风格统一、视觉层级控制；
|
||
- 对角色、装饰、整体氛围等复杂内容把控更好。
|
||
但它的问题是：
|
||
- 不能输出真实透明背景 PNG；
|
||
- 如果用于单资产生成，通常仍需要依赖色键抠图或其他后处理方式。
|
||
因此，思考模式更适合作为**整体设计和复杂资产参考模式**。
|
||
|
||
|
||
### **新的模式分工**
|
||
后续流程可以按模式分工：
|
||
- **思考模式：**用于整体效果图、布局参考、风格锚点、复杂角色或关键视觉资产。
|
||
- **即时模式：**用于简单 / 中等复杂度素材生成，尤其是需要真实透明 PNG 的图标、按钮、角标、小装饰等。
|
||
也就是说，后续不应再用同一种生图模式覆盖整个流程，而应根据不同阶段的目标选择不同模式。
|
||
## **3.透明背景策略调整**
|
||
原流程是：
|
||
这种方式对简单 UI 组件有效，例如按钮、资源栏、角标、小图标等。但对于复杂插画、阴影、柔边、粒子、毛发边缘等素材不够稳定，容易出现边缘污染、残边或透明度损失。
|
||
基于即时模式可以直接输出真实透明背景 PNG 的发现，后续策略应调整为：
|
||
这样可以减少复杂边缘在抠图过程中的信息损失，尤其有利于阴影、柔光、半透明高光和粒子边缘的保留。
|
||
需要注意的是，真实透明优先并不代表完全不需要后处理。即使生成原图已经带有真实透明通道，仍然需要继续执行：
|
||
- 尺寸调整；
|
||
- 边缘优化；
|
||
- 透明区域颜色修复；
|
||
- 黑 / 白 / 蓝底预览；
|
||
- 质检；
|
||
- 资源汇总交付。
|
||
也就是说，新的策略不是“取消后处理”，而是：**能直接透明时，跳过抠图；不能直接透明时，再进入色键抠图流程。**
|
||
## 4.生图服务接入机制优化
|
||
为保证流程的模块化，今天进一步引入了“第三方生图服务接入”的思路。也就是说，图片生成不再强绑定某一个固定模型或平台，而是可以通过配置选择不同的生图服务。
|
||
当前结构可以理解为：
|
||
当前新增了 grsai 作为第三方生图服务，并支持两个模型：
|
||
- gpt-image-2：对应即时模式；
|
||
- gpt-image-2-vip：对应思考模式。
|
||
该服务支持：
|
||
- PNG 输出；
|
||
- 透明背景；
|
||
- 参考图输入；
|
||
- 异步结果轮询。
|
||
这样做的好处是：后续如果新增模型，只需要在生图服务注册表中增加配置，并补充对应的调用适配器，不需要对整个工作流进行大规模修改。
|
||
## 5.资产图集作为效率优化方向
|
||
此前测试中，25 个 UI 元素逐个生成耗时较高，说明“单资产逐个生图”的方式不适合高吞吐批量生产。
|
||
因此，后续可以引入“资产图集”的方式：**将功能相近、形式相近、风格一致的小资产放在同一张图中生成，再通过后处理切分成独立 PNG。**
|
||
- **适合使用资产图集的类型包括：**
|
||
- 小图标组；
|
||
- 资源图标组；
|
||
- 角标 / 红点组；
|
||
- 同规格按钮底板组；
|
||
- 小装饰组等。
|
||
- **不适合使用资产图集的类型包括：**
|
||
- 大型面板；
|
||
- 复杂卡片；
|
||
- 主视觉角色；
|
||
- 标题艺术字；
|
||
- 复杂组合组件。
|
||
这类资产通常单个尺寸较大、结构复杂或形状不规则，强行打包会降低可控性和切分稳定性。
|
||
资产图集的优势是：
|
||
- 可以减少生图次数；
|
||
- 可以降低整体耗时；
|
||
- 有助于保持同组资产的风格统一。
|
||
但需要注意：资产图集不能直接作为最终交付物，必须配套明确的切分规则，将其拆分为独立的最小可用单元。切分规则需要明确：
|
||
- 是按行切、按列切，还是自由布局切分；
|
||
- 是使用网格、外接框，还是连通区域识别；
|
||
- 每个切片保留多少透明留白；
|
||
- 哪些图集级装饰不应被切分；
|
||
- 切分后的资源如何命名和写入资源清单。
|
||
## **6.测试验证**
|
||
今天初步测试了改进后的工作流，验证结果如下：
|
||
- 第三方生图服务调用成功；
|
||
- 生成原图确实带有真实透明通道；
|
||
- 后处理流程走的是透明分支，而不是色键抠图分支；
|
||
- 自动质检结果为通过；
|
||
- 最终状态为“需要人工复核”，因为风格、语义、美术一致性仍属于视觉审查项。
|
||
## **7.Skill 迁移与通用化思考**
|
||
由于生图服务已经可以抽象出来，图片生成这部分能力不再强依赖 Codex。因此，这个 Skill 不应只被理解为 Codex 专属 Skill，而可以进一步演化为多 Agent 通用的资源生产管线。
|
||
迁移时需要注意：
|
||
- 像素级质检可以靠 Python 脚本完成；
|
||
- 语义、风格、美术一致性质检**需要 Agent 具备识图能力**；
|
||
- 如果目标 Agent 不支持识图，就只能做到“自动后处理 + 自动技术质检 + 用户视觉复核”。
|
||
## **8.后续探索方向**
|
||
后续继续推进：
|
||
- 验证即时模式在不同复杂度素材上的稳定性；
|
||
- 明确哪些资产适合即时模式，哪些必须走思考模式；
|
||
- 完善资产图集生成与切分规则；
|
||
- 固化质检分流规则；
|
||
- 增加验证模式 / 正式模式；
|
||
- 优化提示词模板化和批量执行；
|
||
- 尝试将该 Skill 迁移到其他 AI Agent 中。 |