메뉴
AI 图片生成：原生 tool call（Codex/Antigravity）或浏览器自动化（Gemini/ChatGPT）。 Use when: 需要 AI 生成概念图、UI 参考、像素画素材、完整 PPT 页面、复杂架构图、信息图或视觉 mock。 Not for: 已有图片的展示（用 media_gallery rich block）、硬要求可编辑/native text 的 PPT/图表（用 PPT/HTML 管线）。 Output: 生成图片自动发布，或作为完整视觉 mock / 图像素材进入后续交付。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | image-generation |
| description | AI 图片生成：原生 tool call（Codex/Antigravity）或浏览器自动化（Gemini/ChatGPT）。 Use when: 需要 AI 生成概念图、UI 参考、像素画素材、完整 PPT 页面、复杂架构图、信息图或视觉 mock。 Not for: 已有图片的展示（用 media_gallery rich block）、硬要求可编辑/native text 的 PPT/图表（用 PPT/HTML 管线）。 Output: 生成图片自动发布，或作为完整视觉 mock / 图像素材进入后续交付。 |
用途：生成 AI 图片——优先原生 tool call，降级浏览器自动化 适用猫猫：所有猫
Codex image_gen 不只是“概念图/素材生成器”。当前实测能力可以直接生成完整高保真 raster 页面，包括：
默认判断：当用户要的是“好看、完整、像最终稿”的视觉 mock，且不要求可编辑，先走整页 imagegen。不要先手写 SVG/HTML 去拼格子、排文字、合成素材。
对 Codex / Maine Coon尤其重要：命中以下任一条件时，禁止先写 SVG/HTML/Canvas/脚本合成：
执行顺序：
SVG override reason：指向已失败的 imagegen 产物，或引用用户的显式可编辑要求。以下理由不合格，不能覆盖 imagegen-first：中文文字更可控 / 布局更可控 / 先画 SVG 再转 PNG / 架构图需要精确。
当用户说“不需要可编辑”“只要精美 mock”“直接生成完整 PPT 页面”时，按这个顺序：
低保真蓝图是辅助 imagegen 理解布局，不是默认替代 imagegen 的最终渲染管线。不要为了“可控”牺牲用户真正要的视觉完成度。
你有内置图片生成 tool 吗？
├─ 是（Codex / Antigravity）→ 用原生 tool call（§ 原生路径）
│ 优势：快、自动发布到气泡、无需浏览器
│
├─ 否（Claude / 其他）→ 能 shell out 到有能力的 CLI 吗？
│ ├─ 是 → 借用（§ 跨引擎借用）
│ └─ 否 → 浏览器自动化（§ 浏览器路径）
│
└─ 需要特定风格控制 / inpainting / 局部编辑？
└─ 是 → 即使有原生能力也走浏览器路径
| 路径 | 平台 | 工具 | 产物位置 | F172 自动发布 |
|---|---|---|---|---|
| 原生 | Codex CLI | 内置 image_gen tool call | ~/.codex/generated_images/<sessionId>/ | ✅ scanner 自动拾取 |
| 原生 | Antigravity | 内置 generate_image tool call | ~/.gemini/antigravity/brain/<cascadeId>/ | ✅ GENERATE_IMAGE step 自动拾取 |
| 浏览器 | Gemini Web | Chrome MCP 自动化 | 本地下载目录 | 需手动 publishGeneratedImage() |
| 浏览器 | ChatGPT Web | Chrome MCP 自动化 | 本地下载目录 | 需手动 publishGeneratedImage() |
image_gen tool call谁能用：Codex CLI 主执行猫（内置）
用法：直接在当前 invocation 里调用内置 image_gen tool。这是一个 native tool call，不是 shell 命令，也不是再开一个 codex exec 子进程。
❌ 错误：codex exec --image <参考图> ← 这是 nested CLI session，当前气泡不会展示
✅ 正确：使用内置 image_gen tool call ← 图片自动落到当前 session 的 generated_images/
有参考图时：参考图必须在当前对话上下文里（用户上传、上一步生成、或已被 view_image 打开）再调用 image_gen，并在 prompt 里说明它是 reference image / edit target / style reference。如果当前 tool surface 无法把本地参考图接进 native image_gen，停下来报告能力缺口；不要退回到 codex exec --image 冒充原生路径。
产物流转：
image_gen tool call
→ 图片生成到 ~/.codex/generated_images/<当前 sessionId>/<filename>.png
→ invocation 结束后 F172 scanner 自动扫描
→ publishGeneratedImage() 发布到 /uploads/
→ 自动生成 media_gallery 富块 → 气泡内展示 ✓
关键：不需要手动下载、不需要手动 cp、不需要手动发富块。全自动。
generate_image tool call谁能用：对应猫（Antigravity 内置）
用法：直接在对话中调用内置 generate_image tool。
产物流转：
generate_image tool call
→ CORTEX_STEP_TYPE_GENERATE_IMAGE step
→ 图片生成到 ~/.gemini/antigravity/brain/<cascadeId>/<imageName>_<unixMs>.<ext>
→ F172 brain scanner 自动拾取
→ publishGeneratedImage() 发布到 /uploads/
→ 自动生成 media_gallery 富块 → 气泡内展示 ✓
没有原生图片生成能力的猫（如 Claude）可以通过 shell out 借用其他引擎的 CLI：
# 前提：codex CLI 在 PATH 中且已配置
codex exec "生成一张猫咖全景图，手绘水彩风格"
注意：跨引擎借用目前只适合离线资产生成。它会创建另一个 Codex session，产物通常不会被当前猫的 F172 scanner 自动拾取，也不会自动出现在当前气泡里。需要气泡内展示时，优先把球权交给有原生能力的猫，或显式走 artifact promotion / rich block 路径。
1. 导航到 gemini.google.com/app
2. 工具 → 制作图片（或直接点首页快捷按钮）
3. execCommand 注入 prompt 到 .ql-editor
4. 点击发送（蓝色箭头）
5. 等待生成（~15-30秒）
6. 点击图片 → 灯箱模式
7. 点击 "下载完整尺寸的图片" 按钮
8. 文件保存为 Gemini_Generated_Image_{hash}.png
Gemini 特有：
1. 导航到 chatgpt.com/images（或左侧栏 → 图片）
2. execCommand 注入 prompt 到 #prompt-textarea
3. 按 Enter 发送
4. 等待生成（~10-20秒）
5. 方式 A：点击图片 → 灯箱 → 右上角 "保存" 按钮
6. 方式 B：hover 图片 → 点击 "下载此图片" 按钮
7. 文件保存为 ChatGPT Image {日期} {时间}.png
ChatGPT 特有：
chatgpt.com/images| 元素 | 选择器 |
|---|---|
| 输入框 | .ql-editor[contenteditable="true"] |
| 工具按钮 | button "工具" |
| 制作图片 | 工具菜单中 "制作图片" |
| 发送 | 输入框右侧蓝色箭头 |
| 灯箱下载 | button "下载完整尺寸的图片" |
| 灯箱分享 | button "分享图片" |
| 灯箱复制 | button "复制图片" |
| 灯箱关闭 | button "关闭" |
| 元素 | 选择器 |
|---|---|
| 输入框 | #prompt-textarea |
| 图片页面 | chatgpt.com/images |
| 发送 | Enter 键 或 发送按钮 |
| 下载（hover） | button "下载此图片" |
| 灯箱保存 | 右上角「保存」按钮（button 含下载图标） |
| 灯箱编辑输入 | dialog 内 textbox（描述编辑） |
| 选择区域 | 右上角「选择区域」按钮 |
| 灯箱关闭 | button "关闭" |
| 平台 | 格式 | 示例 |
|---|---|---|
| Gemini | Gemini_Generated_Image_{hash}.png | Gemini_Generated_Image_2kvjb12kvjb12kvj.png |
| ChatGPT | ChatGPT Image {年}年{月}月{日}日 {HH_MM_SS}.png | ChatGPT Image 2026年3月10日 07_14_32.png |
| 错误 | 后果 | 修复 |
|---|---|---|
低估 Codex image_gen，把它当素材器 | 绕去写 SVG/HTML，页面僵硬、对齐差、审美差 | 视觉 mock 默认先整页 raster 直出 |
| 用户说“直接生成完整 PPT 页面”，仍拆成图标资产 + 手工合成 | 信息堆叠、文字错位、整体不像最终稿 | 用完整页面 prompt 直接生成，再按视觉反馈迭代 |
| 过度追求 native text / 可编辑性 | 违背“不需要可编辑”的目标，产物变丑 | 先确认交付目标：raster mock 走 imagegen，editable deck 走 PPT/HTML |
| 为了避免文字风险生成无字图 | 用户期待的是完整页面，结果变成空背景/素材 | PPT mock 要含标题、标签、数据和结构；文字失败再降级 |
| 用 SVG 画复杂企业页但没有设计系统和排版能力 | 格子、文字、图标互相打架 | 让 imagegen 承担视觉完成度；SVG 只做必要的精确结构或 reference |
image_gen / generate_image 的猫，必须用原生路径。浏览器路径只在需要风格选择器、inpainting、局部编辑时使用publishGeneratedImage() → /uploads/ 稳定 URL + media_gallery 富块。零手动操作codex exec --image 不等于内置 image_gen tool call。--image 是 nested CLI 的输入附件，不是当前 invocation 的 native reference-image 通道；前者的产物不会被当前气泡的 F172 scanner 自动发布/images 和普通对话 / 是分开的publishGeneratedImage() 发布到 /uploads/（F172 共享发布合约）。发布后自动获得 /uploads/... 稳定 URL + media_gallery 富块约定图发现方法论：进一个 repo 先识别 repo-specific conventions，再定义 domain/extractor 接 Convention Graph 引擎。Use when: 进入陌生 repo、要画约定图、要找“改 X 影响谁”的约定层关联、 F242/Convention Graph Layer 工作。Not for: 普通符号跳转/LSP、文档索引检索、记忆图谱、直接使用 codegraph/GitNexus。Output: domain 定义 + extractor 计划 + gap/freshness/provenance 报告。 GOTCHA: 沉淀的是“怎么画图”的方法，不是把 cat-cafe 的 extractor 硬搬到所有 repo。
跨 thread 协同：发现平行 session → 通知（3+2 件套）→ 争用协调 → 确认。 Use when: 平行 session 之间需要协同、收到跨线程消息、通知改动影响、共享文件争用。 Not for: 跨猫工作交接（用 cross-cat-handoff）、需要新建 thread 时（用 propose_thread / thread-orchestration）。 GOTCHA: 收到跨线程 ACTION 不等于接活；先做 thread/feat ownership gate，不属于当前 thread 就 cross-post 退回。 Boundary with F128: 发现跨 scope 问题 → 先 list_threads 查有没有已有 thread → 有 = 本 skill（cross_post）→ 没有 = propose_thread。 Output: cross-post 通知 + 争用协调完成。
Feature 立项、讨论、完成的全生命周期管理。 Use when: 开个新功能、new feature、F0xx、立项、feature 完成、验收通过、讨论新功能需求。 Not for: 代码实现、review、merge（那些有专门的 skill）。 Output: Feature 聚合文件 + BACKLOG 索引 + 真相源同步。
明星开源项目拆解：从宣传/PPT/README 进入源码，验证真实架构、明星特性、算法含量、营销水分、可学习点和不 follow 的 tradeoff。 Use when: operator要求拆解热门 GitHub 项目、竞品 agent/runtime、外部 skill/tool 框架，或问“它到底有什么真本事/我们能学什么”。 Not for: 普通资料搜索（用 deep-research）、社区 issue/PR 运营（用 opensource-ops）、只需要架构头脑风暴（用 collaborative-thinking）。 Output: feature-discussions/YYYY-MM-DD-{project}-deep-dive/ 下的代码证据报告 + 对比结论 + 候选 lesson/skill。 GOTCHA: 不许只看 README 下判断；每个明星特性必须追到代码路径、状态突变点、反馈闭环和算法输入输出。
开发完成后的自检门禁：愿景对照 + spec 合规 + 验证。 Use when: 开发完了准备提 review、声称完成了、准备交付。 Not for: 收到 review 反馈（用 receive-review）、merge（用 merge-gate）。 Output: Spec 合规报告（含愿景覆盖度）。
接球前真相核验三问：claim → resolver → verdict (sourceTier T0/T1/T2 + actionFamily)， 防止把传球者当无审视真相源（F167 Phase O 第一性原理）。 Use when: 即将调 hold_ball / register_pr_tracking / register_issue_tracking / merge / takeover / 改 owner / 任何 irreversible action / 基于 "operator signoff" 或 "你是 owner" 类 claim 行动之前。 Not for: 纯阅读 cross_post（无 actionFamily 后续）；本 thread 日常 @mention 无副作用； implementation continuation（自检通过的下一步）。 Output: claim grounding verdict (verified/mismatch/insufficient) + 接球决策 (proceed / block / push back to source thread)。