影片筆記：12天登顶GitHub趋势榜第一！GPT-Image-2提示词引擎，530个案例逆向拆解

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

本影片深度拆解了 GitHub 上迅速走紅的開源專案 Awesome GPT Image 2，該專案由作者「倉盒」開發，針對 OpenAI 發布的 GPT Image 2 模型，將社區中散落的提示詞進行逆向工程與重寫，轉化為結構化的「工業級模板」與「Agent Skill」。專案核心實踐了 Prompt as Code（提示詞即代碼）的理念，將非結構化的自然語言提示詞轉化為可填空、可復用、可被自動化流程調用的結構化資產（JSON 格式），並通過 NPM、插件市場及可視化網站進行分發。影片同時分析了該專案的商業模式、內容來源的二手性質，以及提示詞庫隨模型更新而過期的「保質期」問題。

核心重點

1. 專案現象與背景：

• 專案名稱：Awesome GPT Image 2。
• 作者：倉盒（逐字稿中亦出現「倉和」）。
• 數據表現：12 天內登上 GitHub 趨勢榜全球第一，獲得 4200 Star，現已超過 18000 Star。
• 核心定位：Prompt as Code（提示詞即代碼），官方描述為「GPT Image 2 工業級提示詞引擎與模板庫」。

1. 基礎模型分析：GPT Image 2：

• 發布時間：4 月 21 日。
• 官方名稱：ChatGPT Images 2.0（逐字稿中亦出現「法式 ChatGPT Images 2.0」）。
• 三大關鍵變化：

1. 內建原生推理能力（先思考布局、邏輯，再繪製）。
2. 文字渲染準確率提升至 99%，支援多語言。
3. 支援最高 2K 分辨率，提升物理仿真與人物一致性。

• 應用邊界擴展：從插畫風景擴展至信息圖、海報、UI、電商詳情頁等文字密集場景。

1. 專案結構與核心價值：

• 痛點：AI 出圖不穩定、不可控、難復現。
• 三層結構：

1. 案例庫：包含 526 個案例，分為 UI、海報、攝影、插畫等 12 大類。
2. 模板庫：提煉出 21 套工業級提示詞母版，支持填空。
3. Agent Skill：打包為 GPT Image 2 Style Library（文中亦提及 GPT Image R Style Library），可通過一行命令安裝至 Cursor、Codex 等工具。

• Prompt as Code 含義：提示詞從散文變為結構化協議，拆分為原子參數（主體、光照、材質等），適合自動化流程與 Agent 調用。

1. 模板實例與避坑指南：

• 常規模板：中文格式，包含中括號填空位（如產品類型、平台、功能點、主色等）。
• JSON 進階母版：給程序使用，結構化為 JSON 對象，便於 Agent 解析與自動化流程。
• 避坑指南（逐字稿中稱為「B坑指南」）：
• UI 類：明確平台與比例，強制文字鎖定，區分平台特徵（如藍鉤、瀑布流）。
• 攝影類：主動添加瑕疵（皮膚紋理、膠片顆粒），使用相機參數（F1.4, 50毫米）。
• 歷史古風：明確朝代，禁用現代元素。
• 建築類：指定視角（人眼視角），光影搭配（室外冷光配室內暖光）。
• 插畫類：提取特徵而非直接使用大師名。

1. 生態布局與爆發原因：

• 分發渠道：NPM (NPX Skills Add)、Cloud Code 插件市場、可視化網站、多語言版本、科技媒體推薦。
• 爆發邏輯：抓住模型發布窗口期，將散落案例結構化，高頻更新。

1. 冷靜評估與風險：

• 內容來源：主要來自 YouMind 和 OpenNANA 社區的公開提示詞，經逆向工程與 AI 重寫，屬二手經驗集。
• 商業化：包含 API 贊助商位、付費社區（9.9 元）、會員制（5 美元/300 credits）。
• 保質期：提示詞庫半衰期短，隨模型更新而過期；護城河在於持續更新。

1. 適用對象與總結：

• 適用人群：自媒体配图、電商詳情頁、活動海報、PPT 製作者、Agent 開發者。
• 安裝方式：NPX Skills 或 Cloud Code 插件市場。
• 核心結論：案例與模板是當下工具，Prompt as Code 的思維（散文變協議）具有長期價值。

詳細大綱

1. 專案背景與現象

• GitHub 趨勢榜全球第一，12 天獲得 4200 Star，現已超過 18000 Star。
• 專案名稱：Awesome GPT Image 2。
• 作者：倉盒。
• 核心定位：Prompt as Code（提示詞即代碼）。
• 官方描述：GPT Image 2 工業級提示詞引擎與模板庫。

2. 基礎模型分析：GPT Image 2

• 發布時間：4 月 21 日。
• 三大關鍵變化：

1. 內建原生推理能力（先思考布局、邏輯，再繪製）。
2. 文字渲染準確率提升至 99%，支援多語言。
3. 支援最高 2K 分辨率，提升物理仿真與人物一致性。

• 應用邊界擴展：從插畫風景擴展至信息圖、海報、UI、電商詳情頁等文字密集場景。

3. 專案結構與核心價值

• 痛點：AI 出圖不穩定、不可控、難復現。
• 三層結構：

1. 案例庫：526 個案例，分為 UI、海報、攝影、插畫等 12 大類。
2. 模板庫：提煉出 21 套工業級提示詞母版，支持填空。
3. Agent Skill：打包為 GPT Image 2 Style Library，可通過一行命令安裝至 Cursor、Codex 等工具。

• Prompt as Code 含義：提示詞從散文變為結構化協議，拆分為原子參數（主體、光照、材質等），適合自動化流程與 Agent 調用。

4. 模板實例解剖

• 常規模板：中文格式，包含中括號填空位（如產品類型、平台、功能點、主色等）。
• JSON 進階母版：給程序使用，結構化為 JSON 對象，便於 Agent 解析與自動化流程。

5. 避坑指南（B坑指南）

• UI 類：明確平台與比例，強制文字鎖定，區分平台特徵（如藍鉤、瀑布流）。
• 攝影類：主動添加瑕疵（皮膚紋理、膠片顆粒），使用相機參數（F1.4, 50毫米）。
• 歷史古風：明確朝代，禁用現代元素。
• 建築類：指定視角（人眼視角），光影搭配（室外冷光配室內暖光）。
• 插畫類：提取特徵而非直接使用大師名。

6. 生態布局與爆發原因

• 分發渠道：NPM (NPX Skills Add)、Cloud Code 插件市場、可視化網站、多語言版本、科技媒體推薦。
• 爆發邏輯：抓住模型發布窗口期，將散落案例結構化，高頻更新。

7. 冷靜評估與風險

• 內容來源：主要來自 YouMind 和 OpenNANA 社區的公開提示詞，經逆向工程與 AI 重寫，屬二手經驗集。
• 商業化：包含 API 贊助商位、付費社區（9.9 元）、會員制（5 美元/300 credits）。
• 保質期：提示詞庫半衰期短，隨模型更新而過期；護城河在於持續更新。

8. 適用對象與總結

• 適用人群：自媒体配图、電商詳情頁、活動海報、PPT 製作者、Agent 開發者。
• 安裝方式：NPX Skills 或 Cloud Code 插件市場。
• 核心結論：案例與模板是當下工具，Prompt as Code 的思維（散文變協議）具有長期價值。

工具 / 模型 / 名詞整理

• 模型/產品：
• GPT Image 2
• ChatGPT Images 2.0（官方名稱）
• GPT Image 2 Style Library
• GPT Image R Style Library（文中提及）
• Dolee（文中提及退役）
• 平台/網站：
• GigHub（文中拼寫，應指 GitHub）
• GitHub 趨勢榜
• YouMind（社區）
• OpenNANA（社區）
• NPM
• Cloud Code（文中提及，疑為 Cursor 或其他 AI 編程工具的誤聽或特定名稱）
• Codex
• Cursor
• X（推特）
• Redmi（文中提及多語言版本，疑為 Redmi 或特定網站名稱誤聽）
• 軟一峰（媒體/周刊名稱，疑為「軟一峰」或類似名稱誤聽）
• 科技愛好者周刊
• 工具/技術：
• NPX Skills Add
• NPX Skills at Freestyle
• JSON
• Agent Skill
• Agent
• API 中轉站
• MIT 協議
• AI Rewritten（徽章標識）

操作流程整理

1. 獲取模型與環境準備：

• 確認使用 GPT Image 2（或 ChatGPT Images 2.0）模型。
• 安裝開發工具，如 Cursor、Codex 或相關 AI 編程環境。

1. 安裝提示詞庫：

• 通過命令行使用 NPX Skills Add 命令安裝。
• 或通過 Cloud Code 插件市場安裝 GPT Image 2 Style Library。
• 安裝命令被描述為「一行命令」（逐字稿中疑為「异形命令」）。

1. 選擇與使用模板：

• 普通用戶/設計師：使用中文格式的常規模板，在括號內填空（如產品類型、平台、功能點、主色等）。
• 開發者/自動化流程：使用結構化為 JSON 對象的進階母版，便於 Agent 解析與自動化流程調用。

1. 生成與優化：

• 根據模板生成圖片。
• 針對不同類別（UI、攝影、古風、建築、插畫）應用特定的「避坑指南」進行優化（如添加瑕疵、明確朝代、指定視角等）。

1. 維護與更新：

• 關注模型更新，因提示詞庫半衰期短，需持續更新以保持有效性。

值得注意的限制或風險

1. 內容來源的二手性質：

• 專案內容主要來自 YouMind 和 OpenNANA 社區的公開提示詞，經逆向工程與 AI 重寫，屬於二手經驗集，並非原始創作。

1. 提示詞庫的「保質期」：

• 提示詞庫半衰期短，隨模型更新而過期。護城河在於持續更新，而非一次性產品。

1. 商業化與成本：

• 包含 API 贊助商位、付費社區（9.9 元）、會員制（5 美元/300 credits）。用戶需注意潛在的付費門檻。

1. 模型依賴性：

• 專案高度依賴 GPT Image 2 模型的特性（如推理能力、文字渲染準確率）。若模型本身發生重大變化，現有模板可能失效。

逐字稿辨識疑點

• GigHub：逐字稿中多次出現，應為 GitHub，但依規則標為疑點。
• 倉和 / 倉盒：作者網名在逐字稿中前後不一致，分別為「倉和」與「倉盒」。
• 法式 ChatGPT Images 2.0：「法式」一詞語意不通，疑為「正式」或「官方」的聽寫錯誤。
• GPT Image 二：文中出現「GPT Image 二」，疑為「GPT Image 2」的聽寫錯誤。
• O 系列：文中提及「把 O 系列的推理能力塞進」，疑為「o1 系列」或特定模型系列的誤聽。
• 為给 / 為給：文中多次出現「為给實圖模型檢查」、「為给自動化流程」，疑為「為給」或「給」的錯字。
• Clock Code：文中提及「裝進 Clock Code」，疑為「Cursor」或「Code」的誤聽。
• B坑指南：文中提及「B坑指南」，疑為「避坑指南」的聽寫錯誤。
• 口语最声猛：文中提及「全倉庫口語最聲猛」，疑為「口語最生猛」或「傳播力最強」的誤聽。
• 提医术：文中提及「可以提医术刪除」，疑為「提技術」或「提請」的誤聽。
• Le Flat Less Eye Tone：文中提及上一期拆解項目名稱，疑為特定項目名稱的音譯或誤聽。
• 快而操：文中提及「快而操，覆蓋廣」，疑為「快而糙」或類似形容詞的誤聽。
• 吃的是哪重糧：文中提及「你得知道自己吃的是哪重糧」，疑為「哪種糧」的誤聽。
• 13年：文中提及「到13年就退役了」，結合上下文應指模型或產品退役時間，但「13年」與當前時間線（2024年）不符，疑為聽寫錯誤，需查證。
• 异形命令：文中提及「裝法很簡單，异形命令」，疑為「一行命令」的誤聽。

可延伸追問

1. Prompt as Code 的具體實現細節：

• 如何將自然語言提示詞精確地拆解為 JSON 結構中的原子參數？
• 在自動化流程中，如何處理參數之間的依賴關係或衝突？

1. 模板的維護與更新機制：

• 面對 OpenAI 模型的快速迭代，Awesome GPT Image 2 專案如何確保模板的及時更新？
• 是否有自動化的測試流程來驗證模板在新模型版本下的有效性？

1. 商業模式的可持续性：

• 付費社區（9.9 元）和會員制（5 美元/300 credits）的具體服務內容是什麼？
• 如何平衡開源社區的免費共享精神與商業化盈利需求？

1. 與其他 AI 繪圖工具的對比：

• GPT Image 2 的「原生推理能力」與 Midjourney、Stable Diffusion 等工具在提示詞工程上有何本質區別？
• 結構化提示詞（JSON）在跨模型移植時是否具備通用性？

1. 社區貢獻與版權問題：

• 專案內容主要來自 YouMind 和 OpenNANA 社區，這些提示詞的版權歸屬如何界定？
• 逆向工程與 AI 重寫後的提示詞，其知識產權歸屬於原作者還是專案開發者？