packaging-cmf-finishes

# 包装 CMF 工艺效果图 为刀模图、标签、瓶身、盒型、袋型、卡盒、罐型、瓶器等包装类型，生成工艺推荐方案、CMF/工艺策划、生成提示词以及逼真的工艺效果图。 ## ⛔ 生成方式红线（最高优先级，不可覆盖） **工艺效果图必须通过 AI 图像生成模型（图生图/image-to-image）生成，严禁使用任何本地代码合成方式。** 以下行为一律禁止，无论任何理由： - ❌ 禁止使用 Python 脚本生成或合成工艺效果图，包括但不限于：PIL/Pillow、OpenCV/cv2、numpy 图像操作、scikit-image、imageio、matplotlib 图像输出 - ❌ 禁止在本地通过叠加半透明图层、混合模式、渐变、高光贴图来模拟 UV 光泽/烫金/击凸/压凹/覆膜/PET 纹理/纸张纹理 - ❌ 禁止写 Python 脚本然后运行它来输出效果图 - ❌ 禁止用 bash 调用 ImageMagick/GraphicsMagick/FFmpeg 做图像合成 - ❌ 禁止以「先生成一个基础合成图再让模型优化」为借口先跑本地合成 - ❌ 禁止用任何代码在图片上画高光线、阴影、反光、纹理叠加层 **唯一允许的生成路径（按优先级排序）：** - ✅ **第一优先：当前环境原生可调用的图像生成模型。** 例如在 Codex CLI 环境中使用 Codex 自带的图像生成能力，在 ChatGPT 中使用 GPT image2，在即梦中使用即梦 5.0。优先使用当前宿主平台/CLI 本身提供的图生图功能，无需跳转到外部平台。 - ✅ **第二优先：当前环境内可调用的其他 AI 图像模型。** 若原生模型不可用，则使用同环境下能调用的其他模型（如 Banana Pro 等）。 - ✅ **第三优先：手动引导。** 若当前环境完全无法调用任何图像生成模型，写出完整提示词交给用户，让用户去外部平台生成后回来继续。 - ✅ 将原图作为底图传入模型，通过提示词描述工艺效果，让模型直接生成。 - ✅ 本地代码仅用于：文件查找、图片尺寸读取、SVG/PDF 渲染为参考图、**刀模线检测与面板拆分**、生成结果的文件复制/移动/重命名。 若所有图像生成模型均不可用或调用失败，应向用户如实报告，**不得降级为本地合成**。询问用户是否改用其他方式或稍后重试。 --- ## 硬性规则 - 凡被称为「原图」「底图」「图2为原图」「第二张图为原图」「base image」「source image」的图片，均视为受保护的原图。必须保留其瓶型/盒型、拍摄角度、标签位置、文字、Logo、版式和画面内容。 - 凡被称为「工艺图」「标注图」「图1红框」「annotation」「marked areas」的图片，仅作为工艺区域映射参考。不得将标注框、箭头、注释、红色外框、遮罩或选区标记渲染到最终效果图中。 - 本地代码仅用于：文件查找、尺寸检查、SVG/PDF 转参考图渲染、刀模线检测与面板拆分、生成结果复制/移动和验证。**本地代码拆分面板是为了给图像模型提供精确纹理输入，不是最终合成。** - **每个 SVG/平面稿都是独立的新包装设计，必须独立分析。** 不得把上一个设计的信息（盒型、材质、工艺、参考图）带到下一个设计中。 - **不得使用不相关的 3D 效果图作为新包装的参考。** 除非用户明确指定了参考图且该参考图确实是同一产品。 - 生成前先确认或推断各图片的角色定位。若角色不明确，在继续之前简要说明你的判断。 - 不得重新设计包装。不得更改产品名称、品牌、比例、颜色、版式、文字层级、瓶型/盒型结构或拍摄视角，除非用户明确要求。 - 保护中文文字和小号法规文字。提示词中应要求图像模型保留原有字体排印，避免出现虚假、变形、拼写错误或随机生成的中文字符。 - **中文文字变形是当前所有图像生成模型的已知局限。** 图生图过程中中文文字极易出现变形、笔画错乱、形近字替换等问题。缓解策略：① 拆分面板让模型将原始文字作为纹理贴图而非重新生成；② 提示词中明确声明「保留原始面板中的中文文字，不重新生成文字」；③ 将每个面板作为精确纹理贴图；④ 若文字变形严重且多次迭代无效，如实向用户说明。不得隐瞒文字变形问题。 - 保持工艺效果物理合理：附着于包装表面、与光线方向一致、克制、可量产，不得出现浮空、发光、溢色或贴纸般的脱离感。 - 不得将工艺效果图冒充为印刷级生产文件。始终将视觉效果指导与印前要求区分开。 - 当图片信息不清晰时，不得凭空编造尺寸、纸张克重、刀模具体含义或生产确定性。应明确指出不确定性，并建议与印刷供应商确认。 - 将刀模/切割/压痕/折叠引导线视为结构元数据，而非印刷内容。除非用户明确说明这些线条属于印刷设计的一部分，否则不得在成品包装上渲染黑色、蓝色、红色或其他颜色的引导线。 - **瓶装包装必须同时考虑两个维度：瓶身工艺 + 标签方案。** 不得只给标签建议而忽略瓶身。瓶身材质（玻璃/PET/亚克力/PP-PE/铝/陶瓷）决定可用的表面工艺范围；标签方式（不干胶/收缩套标/模内标/丝印）必须与瓶身工艺兼容。若用户未提供瓶身/标签信息，主动使用 `references/selection-questions.md` 的 G/H/I/J 选项询问。 - **软包装必须遵守柔性物理约束。** 自立袋、三边封袋、八边封袋、拉链袋、吸嘴袋、纸巾枕式包装等均为柔性复合膜材质，不得推荐击凸/压凹/厚重UV等硬盒工艺。核心工艺逻辑为哑亮对比+烫金烫银+镭射膜+功能附件（拉链/吸嘴/易撕口/挂孔/开窗）。热封边（5-10mm）是工艺禁区。袋子效果图必须展示自然褶皱和内容物填充的膨胀形态，不得做成硬盒般的棱角分明。若用户未提供袋型/材质/功能信息，主动使用 `references/selection-questions.md` 的 K/L/M 选项询问。 - ⛔ **物理尺寸是强制前置条件。图像模型无法从像素/pt 推断真实物理尺寸。在所有生成任务中，若用户未提供包装的实际物理尺寸（mm），必须停下来向用户询问，不得继续生成。** 跳过此步骤会导致比例错误、结构变形、3D 折叠形态失真。询问格式和默认值参见步骤 5d。此规则优先级高于「用户发了文件就直接生成」原则——尺寸缺失时唯一正确的做法是先确认尺寸再生成。 --- ## 🎨 视觉效果质量标准（最高优先级，所有生成必须遵守） **目标：设计作品集级别的干净、清爽视觉效果。** 效果图必须看起来像 Behance/Dribbble/Pinterest 上专业包装设计师发布的作品，而不是廉价的淘宝电商样机。 ### 必须做到的「干净感」 - **背景**：纯净的浅色背景（纯白 #FFFFFF、极浅灰 #F5F5F5、或极浅冷灰白）。背景必须均匀、无脏污、无渐变污渍、无暗角。大量留白/负空间围绕包装主体。 - **光线**：明亮、均匀、通透的影棚光。使用大型柔光箱 + 白色反光板的经典产品摄影布光。光线干净利落，无黄色/蓝色色偏。高光洁白不灰暗，阴影柔和通透不脏。 - **阴影**：产品阴影必须是干净柔和的地面投影（soft drop shadow），浅灰色、边缘自然过渡。禁止浑浊的黑色阴影、多重阴影缠绕、阴影中出现噪点或色块。 - **色彩**：包装颜色必须纯正、准确、饱和度适中。无灰蒙蒙的色调覆盖，无莫名的暖黄/冷蓝色偏，无 HDR 过度处理感。白色必须是真正的白色，不是米白或灰白。 - **清晰度**：包装边缘锐利清晰，材质纹理细腻可见但不喧宾夺主。产品与背景分离干净，没有半透明的边缘晕染或抠图残留感。 - **画面整体**：一眼看去就是专业设计作品的质感——克制的、干净的、有呼吸感的。像设计网站首页的精选作品，不像工厂车间的实拍样机。 ### 必须避免的「脏感」 - ❌ 灰蒙蒙的画面色调（像蒙了一层灰纱布） - ❌ 脏污的阴影（发黑、发黄、有噪点、边缘毛糙） - ❌ 色彩偏移（整体偏暖黄/偏冷蓝/偏灰绿） - ❌ 过度 HDR 处理（暗部死黑、高光溢出、画面沉重） - ❌ 噪点/颗粒感（除非明确要求特种纸纹理） - ❌ 背景脏污或不均匀（渐变污渍、暗角、杂色块） - ❌ 过度锐化导致的边缘白边或锯齿 - ❌ 廉价样机感（低分辨率纹理、塑料感材质、假光影） - ❌ 过度饱和或欠饱和（颜色不纯正） - ❌ 混沌的暗部细节（阴影区域糊成一团） ### 风格参考关键词（必须嵌入所有生成提示词） ``` clean studio lighting, bright and airy, soft diffused shadows, pristine white background, product photography for design portfolio, Behance showcase quality, minimalist presentation, generous negative space, crisp edges, pure colors, no color cast, no muddy shadows, no HDR over-processing, commercial product photography with natural light feel ``` ### 色彩纯净度要求 - 白色区域：RGB 不低于 (245, 245, 245)，最亮处接近 (255, 255, 255) - 灰色区域：中性灰，RGB 三通道差值不超过 3 - 阴影区域：保持色彩信息，不死黑（RGB 最低通道不低于 15-20） - 高光区域：保持纹理细节，不过曝（RGB 最高通道不持续等于 255） --- ## 必须执行的工作流程 **⚡ 核心原则：用户发文件过来就是要看效果图的。分析→拆面板→生成效果图是一个不可中断的流水线。不要在中间停下来只输出文档。** **但物理尺寸是唯一的例外——见步骤 0。** --- ### ⛔ 步骤 0：物理尺寸确认（最高优先级，任何模式都必须执行） **此步骤优先级高于一切。无论访问模式如何（包括完全访问/自动批准/auto-approve/never ask 模式），物理尺寸确认是绝对前置条件。不确认尺寸，不得生成。** 执行逻辑： 1. 在分析图片角色和包装类型后，**立即**检查用户是否提供了实际物理尺寸（mm）。 2. 若用户已提供尺寸 → 记录尺寸，进入步骤 1 继续执行。 3. 若用户未提供尺寸且未说「按常规来」→ **唯一允许的操作：停下来，向用户询问尺寸。禁止生成图像、禁止写提示词、禁止调用任何图像生成工具。** 4. 若用户说「按常规来」或「你推荐」→ 使用步骤 5d 中的默认尺寸表，选择匹配产品品类的默认值，告知用户所选默认值后再继续。 **禁止的绕过行为（以下任何一项触发即视为违规）：** - ❌ 根据「经验」或「常识」推测尺寸并继续生成 - ❌ 从图片像素数推断 mm 尺寸（不同设计稿 dpi 不同，映射不可靠） - ❌ 用「应该是常见尺寸」为理由跳过询问 - ❌ 在用户回复中提取到类似数字就当作尺寸确认（必须明确是包装尺寸） - ❌ 在未确认尺寸的情况下调用图像生成工具（包括 image_gen、codex exec、seedream 等） - ❌ 认为「完全访问模式」就可以跳过尺寸询问——此规则覆盖所有访问模式 **询问模板**（根据包装类型自动选择）： ``` 在生成效果图之前，需要确认包装的实际物理尺寸： {根据盒型/瓶装/袋型使用对应的询问模板，参见步骤 5d} 请提供尺寸（mm），或回复「按常规来」使用默认尺寸。 ``` --- ### 1. 首先分析输入内容 - 识别每张图片的角色：受保护原图/底图、工艺标注图、平面稿、刀模图、3D 效果图、材质参考、工艺参考或造型参考。 - **若输入是全新的 SVG/平面稿，它就是受保护原图。** 不要用其他图片混淆它的角色。 - 若输入为 SVG/PDF/AI 或其他矢量类刀模文件，优先进行矢量预处理： - 读取 viewBox/页面尺寸，提取画板宽高和比例 - 识别切割/压痕/折叠/描边颜色（蓝色=折线 cls-2，黑色=切割线 cls-3 等） - 渲染一张高分辨率参考 PNG（2x 分辨率） - 识别包装结构：瓶身、标签、盒型、袋型、卡盒、罐型、瓶盖、接缝、折叠、圆角、可见正面、侧面或环绕区域。 - **若为瓶装包装**，额外识别：瓶身材质（玻璃/PET/亚克力/PP-PE/铝/陶瓷/不确定）、瓶身现有表面处理（透明/蒙砂/喷涂/电镀/本色）、瓶盖/泵头类型、标签方式（不干胶/收缩套标/模内标/直接丝印/热转印）。 - **若为软包装/袋型**，额外识别：袋型（自立袋/三边封袋/八边封袋/拉链袋/吸嘴袋/枕式包装/不确定）、复合膜材质（铝箔/镀铝/PET+PE/OPP+CPP/MATT OPP/牛皮纸+PE/纯PE/不确定）、功能附件（拉链/吸嘴+盖/易撕口/挂孔/开窗/无）、热封边位置。 - 对于刀模图或平面结构，识别可能的盒型：天地盖盒、反向插锁盒、插口盒、锁底盒、飞机盒、抽屉盒、书型盒、手提盒、异形盒、纸袋、瓶标、收缩套标、袋型，或标注不确定。 - 对于刀模图，尽可能识别可见元素：切割线、压痕/折叠线、糊口、插舌、盖面板、底面板、底部结构、窗口、挂孔、出血、安全边距、正面板、侧面板、背面板。 - 识别文字敏感区域：中文标题、Logo、品牌名、条形码、二维码、营养成分表、配料表、法规文案、用法用量说明、小号文字。 - 识别可能的工艺区域：Logo、主视觉、产品名、图标、图案、边框、背景、装饰线条、卖点标识。 - 若刀模/结构不清晰，如实说明，避免过度自信的结构判断。 ### 2. 仅澄清影响物理正确性的问题 - **若用户已经提供了图片文件、材质/工艺需求、物理尺寸、输出位置，直接进入步骤 3→4→5 生成效果图，不要停下来问问题，不要只输出文档。** - **物理尺寸已在步骤 0 处理。** 如果执行到了步骤 2，说明尺寸已经确认完毕。步骤 2 不再重复询问尺寸。 - 若没有工艺标注图或明确工艺指令，询问工艺区域。 - 若未说明目标，默认视为视觉效果方案，直接生成效果图。 - 当产品品类、定位诉求、品牌风格会实质性影响材质/工艺推荐时，主动询问。 - 若用户已提供材质/工艺，直接继续，无需额外提问。 - 若用户要求推荐但未指定材质/工艺，提供简洁的多选选项后直接按用户选择生成。使用 `references/selection-questions.md`。 ### 3. 生成提示词前先规划工艺 - 映射 区域 → 材质/工艺 → 强度。 - 主要工艺控制在 1–3 种，除非用户要求展示级综合方案。 - 信息面板和小号文字区域尽量不做处理以保持可读性，除非用户要求。 - 根据结构类型应用相应推荐。选择盒型材质/工艺时参考 `references/structure-recommendations.md`。 ### 4. 输出顾问级交付物（与生成并行，不阻塞出图） - **此步骤和步骤 5 同时进行，不要等文档写完再出图。** 先启动图生图（步骤 5），在等待生成结果时补充 CMF 方案说明。 - 提供图片识别结果、推荐材质方案、工艺分布表、效果图提示词、反向提示词、印前注意事项和交付文件建议。 - 使用 `references/output-format.md` 作为输出结构规范。 - 若用户仅需要提示词/方案策划，生成完提示词和工艺方案后即停止，不生成图片。 ### 5. ⭐ 拆面板 + 生成（核心流水线，不可跳过任何一步） **⚠️ 如果跳过拆面板直接把整张平铺图传给模型，结果必然失败——内容会变、比例会错、文字会乱码。拆面板不是可选策略，是强制步骤。** **5a. 渲染 SVG 为平铺 PNG** ```bash python3 -c " import ctypes.util, os, sys _orig = ctypes.util.find_library def _patched(n): for p in [f'/opt/homebrew/lib/lib{n}.dylib', f'/opt/homebrew/lib/{n}.dylib', f'/opt/homebrew/lib/lib{n}.2.dylib']: if os.path.exists(p): return p return _orig(n) ctypes.util.find_library = _patched import cairosvg cairosvg.svg2png(url='SVG文件路径', write_to='/tmp/flat_render.png', output_width=W, output_height=H) print(f'Rendered: {os.path.getsize(\"/tmp/flat_render.png\")} bytes') " ``` **5b. 从 SVG XML 直接解析刀模线坐标（不要用 OpenCV 检测，渲染后线条会失真）** ```bash python3 << 'PYEOF' import re, os, cv2, numpy as np svg_path = 'SVG文件路径' with open(svg_path, 'r') as f: content = f.read() # 1. 从 XML 直接提取 cls-2（蓝色折线）和 cls-3（黑色切割线）的坐标 # 比 OpenCV HoughLines 准确 100 倍，不受渲染抗锯齿影响 all_h, all_v = [], [] for m in re.finditer(r'class="([^"]*)"\s+d="([^"]*)"', content): cls, d = m.group(1), m.group(2) if 'cls-2' not in cls and 'cls-3' not in cls: continue # 提取路径中的所有坐标点 coords = re.findall(r'([\d.]+)[,\s]+([\d.]+)', d) if len(coords) < 2: continue pts = [(float(c[0]), float(c[1])) for c in coords] xs = [p[0] for p in pts] ys = [p[1] for p in pts] w, h = max(xs)-min(xs), max(ys)-min(ys) # 判断是水平线还是垂直线（或接近的折线段） if w < 5 and h > 20: # 垂直线 → 收集 X 坐标 all_v.append(int(np.mean(xs))) elif h < 5 and w > 20: # 水平线 → 收集 Y 坐标 all_h.append(int(np.mean(ys))) # 2. 聚类去重 def cluster(vals, thresh=30): if not vals: return [] vals = sorted(vals) clusters, cur = [], [vals[0]] for v in vals[1:]: if v - cur[-1] < thresh: cur.append(v) else: clusters.append(int(np.mean(cur))); cur = [v] clusters.append(int(np.mean(cur))) return clusters h_lines = cluster(all_h, 40) v_lines = cluster(all_v, 40) # 3. 读取 viewBox 获取画板边界 vb_match = re.search(r'viewBox="([^"]+)"', content) if vb_match: vb_parts = [float(x) for x in vb_match.group(1).split()] vb_w, vb_h = vb_parts[2], vb_parts[3] else: vb_w, vb_h = 1000, 800 print(f"viewBox: {vb_w:.0f}x{vb_h:.0f}") print(f"SVG 解析: {len(h_lines)} 条水平线, {len(v_lines)} 条垂直线") # 4. 如果 SVG 解析线不够，用等分回退 if len(h_lines) < 2: rows = 3 if vb_h < 600 else 4 h_lines = [int(vb_h * i / rows) for i in range(rows+1)] print(f" 水平线不足，回退为 {rows} 行等分") if len(v_lines) < 2: cols = 3 if vb_w < 600 else 4 v_lines = [int(vb_w * i / cols) for i in range(cols+1)] print(f" 垂直线不足，回退为 {cols} 列等分") print(f"最终网格: {len(h_lines)-1} 行 x {len(v_lines)-1} 列") print(f"H: {h_lines}") print(f"V: {v_lines}") # 5. 计算面板尺寸（viewBox pt） panel_w = v_lines[1] - v_lines[0] if len(v_lines) > 1 else 0 panel_h = h_lines[1] - h_lines[0] if len(h_lines) > 1 else 0 print(f"面板尺寸(viewBox): {panel_w:.0f} x {panel_h:.0f} pt, 比例: {panel_w/panel_h:.3f}") # 6. 加载渲染后的平铺 PNG 并裁剪面板 img = cv2.imread('/tmp/flat_render.png') img_h, img_w = img.shape[:2] scale_x = img_w / vb_w scale_y = img_h / vb_h out_dir = '/tmp/box_panels' os.makedirs(out_dir, exist_ok=True) diagram = img.copy() font = cv2.FONT_HERSHEY_SIMPLEX row_labels = 'ABCDEFGH' panel_count = 0 for row in range(len(h_lines)-1): for col in range(len(v_lines)-1): # viewBox 坐标 → 图片像素坐标 x1 = int(v_lines[col] * scale_x) y1 = int(h_lines[row] * scale_y) x2 = int(v_lines[col+1] * scale_x) y2 = int(h_lines[row+1] * scale_y) panel = img[y1:y2, x1:x2] if panel.shape[0] < 20 or panel.shape[1] < 20: continue # 过滤空白 gray = cv2.cvtColor(panel, cv2.COLOR_BGR2GRAY) if gray.std() < 15: continue label = f"{row_labels[row]}{col+1}" cv2.imwrite(f'{out_dir}/{label}.png', panel) # 标注图 cv2.rectangle(diagram, (x1,y1), (x2,y2), (0,255,0), 4) (tw, th), _ = cv2.getTextSize(label, font, 2, 4) cv2.putText(diagram, label, (x1+(x2-x1-tw)//2, y1+(y2-y1+th)//2), font, 2, (255,255,255), 4) panel_count += 1 print(f" {label}: {panel.shape[1]}x{panel.shape[0]} px @ viewBox({v_lines[col]:.0f},{h_lines[row]:.0f})") cv2.imwrite(f'{out_dir}/00_diagram.png', diagram) print(f"总计: {panel_count} 个面板 → {out_dir}/") PYEOF ``` **5c. 验证面板已拆分** - 检查 `/tmp/box_panels/` 目录下是否有多个 `A1.png` `B1.png` ... 文件 - 检查 `00_diagram.png` 是否存在 - **如果没有这些文件，不要继续下一步。重新执行 5b。** **5d. ⛔ 询问包装物理尺寸（强制步骤，不可跳过）** **图像模型无法从 pt/px 单位推断真实物理尺寸。用户必须提供实际 mm 尺寸才能继续。这是硬阻断条件。** 根据包装类型，使用对应的询问模板： **盒型/卡盒包装**： ``` 折叠后盒子的面板网格为 {rows}行×{cols}列，每格约 {W}×{H} pt（比例 {ratio}:1）。 请确认包装的实际物理尺寸： - 宽度（正面）约 ? mm - 高度约 ? mm - 深度（侧面宽度）约 ? mm ``` **瓶装包装**： ``` 请确认瓶身和标签的实际物理尺寸： - 瓶身高度约 ? mm - 瓶身直径约 ? mm（圆柱瓶）或 宽×深约 ? mm（方形瓶） - 标签高度约 ? mm - 标签宽度/环绕长度约 ? mm ``` **软包装/袋型**： ``` 请确认袋子的实际物理尺寸： - 袋高（不含热封边）约 ? mm - 袋宽（正面宽度）约 ? mm - 底部折叠深度/风琴深度约 ? mm（自立袋/八边封袋） ``` 如果用户不知道或说「按常规来」「你推荐」，根据产品类型给默认值： | 包装类型 | 默认尺寸 (H×W×D mm) | 适用场景 | |---|---|---| | 50g 坚果小包装 | 80×80×30 | 零食自立袋/小彩盒 | | 标准食品自立袋 | 200×130×60 | 咖啡豆/茶叶/零食袋 | | 大号自立袋 | 280×180×80 | 宠粮/大包装食品 | | 标准礼盒 | 250×200×80 | 天地盖礼盒 | | 化妆品小盒 | 60×60×25 | 面霜/精华小盒 | | 食品彩盒 | 120×80×40 | 饼干/糖果彩盒 | | 化妆品精华瓶 | 120(H)×40(Φ) | 30ml 精华液滴管瓶 | | 香水瓶 | 100(H)×50(W)×30(D) | 50ml 香水方瓶 | | 饮料 PET 瓶 | 200(H)×65(Φ) | 500ml 饮料瓶 | | 日化洗护瓶 | 220(H)×80(W)×50(D) | 500ml 沐浴露/洗发水 | | 纸巾软包装 | 120×80×40 | 手帕纸/小包纸巾 | | 卫生用品包装 | 180×100×50 | 卫生巾/护垫外包装 | **将确认后的物理尺寸写入提示词**： - 盒型：「折叠后盒体约 W×H×D mm（宽×高×深），比例 W:H:D」 - 瓶装：「瓶身高约 H mm，直径约 Φ mm，标签高约 LH mm × 宽约 LW mm」 - 袋型：「折叠后袋体约 H×W×D mm（高×宽×底部折叠深），比例 H:W:D」 **禁止行为**：用户未提供尺寸且未同意默认值时，不得继续生成。不得从图片像素数推断物理尺寸（不同设计稿的分辨率/dpi 不同，像素→mm 映射不可靠）。 **5e. 将所有面板打包传给图像模型** - 用 `codex exec -i` 传入每个面板图片 + 标注图 - 命令示例： ```bash cd "输出目录" && printf '%s' '图生图提示词...' | codex exec --skip-git-repo-check \