codex-create-creative

name

codex-create-creative

description

Ad-Creatives und Produktbilder ÜBER CODEX generieren (natives image_gen__imagegen via whisperm8-Subagents) — kostenlos im Codex-Flat-Plan, Standard-Pfad wenn Codex verfügbar ist. Nutzen bei "Creative erstellen", "Bild generieren", "Produktbild", "Ad bauen", "Personen-Creative", "Bild reviewen/QA". Deckt Zwei-Schritt-Pipeline (Basis + Design-Pass), strukturierte JSON-Prompts, Produkttreue-QA, Doppel-Review und Job-Orchestrierung ab. Für Pay-per-Use ohne Codex stattdessen create-product-image (OpenRouter/fal).

codex-create-creative — Creative-Produktion über Codex-Subagents

Vollständige Produktions-Pipeline für Ad-Creatives über Codex' natives Bildgenerierungs-Tool image_gen__imagegen (Codex-Flat-Plan: kein API-Key, keine Pro-Bild-Kosten). Schwester-Skill von create-product-image (OpenRouter/fal, Pay-per-Use) — dieser Skill ist der Standard, sobald Codex + WhisperM8 verfügbar sind.

Voraussetzungen (Preflight — bei Fehlen sauber abbrechen, NICHT auf OpenRouter ausweichen)

1. whisperm8 --version funktioniert (WhisperM8-App installiert, Skill codex-subagent).
2. Codex CLI eingeloggt mit Flat-Plan.
3. brand.json des Kunden vorhanden (Farben, Font, Logo-Pfade — siehe brandkit.py in create-product-image/scripts/).

Kostenpflichtige Gateways (OpenRouter, fal, OPENAI_API_KEY-Fallback) nur nach explizitem User-Go — nie stillschweigend ausweichen.

Ausführungsmodell (wichtigster Unterschied zu create-product-image)

image_gen__imagegen ist kein API-Endpoint: Es existiert nur innerhalb eines Codex-Agenten. Claude ruft es nie direkt auf, sondern briefed einen Subagenten (whisperm8 agent run/send), der die Aufrufe macht. Dieser Skill liefert dafür die Kopiervorlagen (references/agent-templates/).

Native Tool-Signatur (vollständig — mehr gibt es nicht): prompt (Pflicht) · referenced_image_paths (lokale Pfade) · num_last_images_to_include (max 5; nie zusammen mit referenced_image_paths). Keine Parameter für Größe, Qualität, Seed, Maske, Anzahl. Ausgabe ~1254×1254 px. Format/Qualität steuert man ausschließlich über den Prompt; Details: references/schema-vollstaendig.md.

Betriebsregeln (empirisch erhärtet — Verstöße kosten Stunden)

• STRIKT SERIELL, auch global: Nur EIN aktiver image_gen-Aufruf pro Account — egal aus wie vielen Jobs. Parallele Generierungs-Jobs erzeugen Stream-Abbrüche und Hänger bei ALLEN. Wenn parallelisiert wird: Auto-Resume-Überwachung einplanen (Heal-Monitor-Muster in references/dos-and-donts.md).
• Hänger >3 Min abbrechen, 60–120 s warten, wiederholen (bis 6 Versuche bei Backend-Last).
• Ein Fehlschlag bricht NIE den Batch ab; unbearbeitete Motive nie als FAIL dokumentieren.
• Ergebnis aus $CODEX_HOME/generated_images/ ins Arbeitsverzeichnis kopieren lassen — sonst verloren. Sidecar <name>.png.meta.json (gateway, konzept, prompt, ref_images) Pflicht.
• Jobs detacht starten (run ohne --wait); Turns überleben Wrapper-Kills nur so.

Produktionsrezept: Zwei-Schritt + Struct-Prompts

Bewährt (Fitagon v3-Welle, 100+ Creatives): Konzept-JSONs als Single Source of Truth, je Motiv zwei Aufrufe:

1. Basis — referenced_image_paths=[Posen-Foto, Produkt-Freisteller], Prompt = prompt_basis_struct als JSON-Text. Ergebnis: textfreies Foto, Person ersetzt, Produkt nach Referenz nachgebaut, Szene neu.
2. Design-Pass — referenced_image_paths=[Basis, Logo-PNG], Prompt = prompt_design_struct als JSON-Text. Ergebnis: integriertes Ad-Design (Headline, Preis-Pille, Rabatt-Badge, Wortmarke) IM Bild — kein Sticker-Look.

Prompts sind strukturierte JSON-Spezifikationen, keine Prosa — jedes Element ein eigenes Feld (Text, Position, Farbe, Größe, Regeln). Das hat im A/B-Test klar gewonnen: keine erfundenen Preise, keine Extra-Produkte, exakte Copy. Feld-Spezifikation und Beispiel: references/struct-prompt-format.md. Konvertierung: scripts/make_struct_prompt.py.

Kein Cut-out-Compositing: Produkt/Person niemals als Freisteller einkleben — immer voll generativ nachbauen (User-Direktive). Ausnahme ist ausschliesslich das Marken-Logo (s. u.).

Brand-Guidelines-Pflicht (seit 2026-07-16)

Vor jeder Produktion Brand-Quelle laden (BRAND.md → brand.json → Manual-PDF → User fragen) und in die Struct-Prompts einbrennen: exakte Farb-Hexwerte, brand_font im Charakter der Marken-Schrift. Das Logo wird NICHT mehr mitgeneriert: Im Design-Struct kein logo-Element, stattdessen canvas.reserved_logo_zone (untere 13 % frei; Hochformat: obere 13 %) — nach dem QA-Pass setzt scripts/brand_logo_overlay.py das echte Vektor-Logo Manual-konform (Foto: Grau-Box oder 15%-Stripe; Feed unten, Story/Banner oben). Details, Placement-Matrix und Farb-Fallen: references/brand-guidelines.md. Alt-Fallback für Bestandsmotive mit generierter Wortmarke: create-product-image/scripts/composite_logo.py.

QA-Vertrag (jedes Final, jedes Kriterium einzeln PASS/FAIL)

1. Produkttreue = K.-o.-Kriterium: Teil-für-Teil gegen den ECHTEN Freisteller (nicht gegen die Basis): Plattenzahl/Bauteile ZÄHLEN, Details einzeln (Rillen, Clips, Endplatte, Griff). Exakt die Produktinstanzen aus dem Posen-Foto — keine Extras, keine leeren Ablagen, im Zweifel weniger.
2. Copy ZEICHENGENAU gegen das Konzept-JSON inkl. Umbrüchen und Umlauten (ä/ö/ü — nie ae/oe/ue), genau EIN %-Zeichen, genau EIN Streichpreis, nie Preise erfinden.
3. Logo: KEIN generiertes Logo/Wortmarke im Bild; reservierte Logo-Zone (13 %) frei. (Bestandsmotive mit generierter Wortmarke: Buchstabenformen gegen Referenz, sonst Fallback composite_logo.)
4. Format exakt quadratisch (bzw. Sollformat), 5 % Safe-Margin: nichts angeschnitten.
5. Anatomie (Hände/Finger), kein Composite-Look, Text verdeckt weder Gesicht noch Produkt.
6. Brand-Checks bei Brand-Pflicht: Marken-Gelb rein (kein Senf-Drift), Typo-Charakter gemäss brand_font — siehe references/brand-guidelines.md.

Doppel-Review (Pflicht)

Selbst-QA des Generier-Agenten ist nachweislich zu milde. Immer:

1. Unabhängiger Codex-Schiedsrichter (separater read-only Job, agent-templates/review-brief.md): Urteile echt/produktnah/abweichend, im Zweifel abwerten.
2. Eigener Bildvergleich durch Claude (Read auf Final + Freisteller). Nur doppelt Bestätigtes ist freigegeben; Fails in eine REGEN-QUEUE.md und mit Struct-Prompts neu generieren (Auslese statt Hoffnung — 100 % gibt es pro Wurf nicht, nur im Endbestand).

Lernpflicht

Jede neue Erkenntnis sofort in references/dos-and-donts.md nachtragen — das lebende Gedächtnis dieses Skills, im Repo geteilt mit dem ganzen Team.