awesome-gpt-image-2：33K stars，544 个逆向案例 + 20+ 工业级模板，Prompt as Code 出图引擎

awesome-gpt-image-2: 33K Stars, 544 Reverse-Engineered Cases + 20+ Industrial Templates — Prompt as Code Image Engine

Sep 26, 2026

🇨🇳 中文

freestylefly/awesome-gpt-image-2，MIT，JavaScript，33,523 stars，3,227 forks，2026 年 4 月开源。一个 GPT-Image-2/2.5 的提示词工程库——544 个从真实生成结果逆向拆解的案例，20+ 套可复用模板，配套 npm Skill 包，单一 JSON 数据源同时驱动网站和 Agent。

GitHub：github.com/freestylefly/awesome-gpt-image-2

核心设计：Prompt as Code

项目作者把这套体系叫做「Prompt as Code」——不是写一段能跑的代码，而是像对待代码那样对待提示词：有结构、有类型、有版本、可复用、可参数化。

每个模板的提示词不是一段散文，而是一个有明确字段的 schema：

目标（Objective）
  ↓
主体变量（Subject variables）— 可参数替换
  ↓
环境上下文（Environment context）
  ↓
风格参数（Style: material, texture, color palette）
  ↓
技术约束（f/1.4, 50mm, aspect ratio, resolution）
  ↓
输出规格（Output spec: what must appear, layout rules）
  ↓
禁止项（Avoidance directives: 已知失败模式清单）

「禁止项」这一层比较有意思——每个模板都附了 3–8 条从真实生成失败中总结出的坑：比如「禁止模型自行发明标题文字」、「禁止留白少于边框 5%」、「禁止多人场景中角色正面面对镜头」。这是 544 个案例的失败经验沉淀下来的。

544 个案例，12 个类别

案例库按类别分布：

类别	数量
海报与排版	90
摄影与真实感	78
UI 与界面	73
插画与艺术	59
图表与信息图	53
产品与电商	42
角色与人物	31
品牌与 Logo	27
其他	28
场景与叙事	21
历史与中国古典主题	16
文档与出版物	11

所有案例均为逆向工程后 100% AI 重写，保留了原始来源链接（主要来自 YouMind、OpenNana 等公开提示词社区），按 CC BY 4.0 处理归因。

Badge 实时更新，目前显示 544，描述里写的 530+ 是旧数字。

20+ 模板系统

模板按 4 页、13 个类别组织，每个类别有多个变体：

部分关键模板：

UI & Interface：普通版 / JSON 注入版 / 截图风 / 直播画面风
信息图与数据可视化：普通版 / JSON 版 / 多尺度科学图
电商与产品：普通版 / 个性化美妆报告 / JSON 版
品牌与视觉识别：完整品牌系统 / 触点展示板 / 品牌人格漫画 / JSON 版
角色与人物：普通版 / 动作分解 / 玩具手办风
复杂多阶段任务：PHASE 1 锚点 → PHASE 2 注入 → PHASE 3 格式化 → PHASE 4 签名

JSON 版模板是给 Agent 用的：Agent 可以直接填字段注入，不需要重新解析自然语言描述。

Skills 系统：npm 包 + 单一数据源

配套 npm 包：@freestylefly/gpt-image-2-style-library

安装到 Claude Code / Codex：

npx skills add freestylefly/awesome-gpt-image-2 \
  --skill gpt-image-2-style-library \
  --agent claude-code codex \
  --global

安装后写入 ~/.codex/skills、~/.claude/skills、~/.agents/skills。

Skill 的工作方式：

读取 data/style-library.json（和网站共用同一份数据）
检测用户语言（中 / 英自动切换）
判断目标输出类型（UI / 摄影 / 海报 / 信息图等）
匹配对应模板
返回结构化可复用的提示词，包含：主体任务、构图布局、视觉风格/材质、文字标签、长宽比、约束项、模板名称、匹配案例 ID

网站和 Agent 共享同一个 style-library.json 是关键设计：新案例进仓库、网站实时更新、Skill 下次加载即可用，不需要单独维护两份数据。

GPT-Image-2.5 对比专区

单独页面（gpt-image2.canghe.ai/gpt-image-2-5）用同一套提示词对比 GPT-Image-2 和 2.5（Sunburst / Flare 两个变体），拖拽分割线查看差异。目前收录 4 个真实案例（case #532、527、523、510）。

网站基础设施

这不只是一个 GitHub 仓库，还有一个配套的全栈网站：

托管：Vercel
认证：Supabase Auth（Google OAuth）
支付：Stripe（国际）+ Alipay（国内）
图像生成 API：APIMart
分析：GA4

用户可以在网站上浏览案例、按类别筛选、复制提示词、直接生成（登录后）。支持绑定个人 API key 绕过平台计费。

怎么用这个仓库

最简单的用法：进 GitHub 仓库，找到对应类别，复制模板，替换 [变量] 占位符，直接粘贴到 GPT-Image-2 / 2.5。

配合 Agent 用：装 Skill，告诉 Agent「帮我做一张 XX 风格的电商产品图」，Skill 自动匹配模板、填入参数、返回结构化提示词，不需要手动翻库。

大批量出图：用 JSON 版模板，写脚本批量注入变量，通过 API 出图，参数和内容分离。

局限性

1. 绑定 GPT-Image-2：提示词为 GPT-Image-2 / 2.5 优化，用到其他模型（Midjourney、Flux、SD）效果会打折，部分语法不通用。

2. 案例质量参差：544 个案例中有作者自报「100% AI 重写」，但逆向工程的准确度取决于原始生成结果的可重复性。同一个提示词在不同会话下 GPT-Image-2 出的结果会有偏差。

3. 数据来源声明：主要逆向自 YouMind 和 OpenNana 等社区，CC BY 4.0 归因但没有经过每个原作者的明确授权确认。

4. 付费网站配合度：Skill 的完整功能依赖 style-library.json，本地离线使用可以，但高级功能（直接生成）需要网站账号。

怎么看这个项目

33,523 stars 说明这类「可复用提示词库」有真实需求，尤其是在 GPT-Image-2 开放 API 后出图成本下降的背景下。

值得学的不是案例本身，而是它对待提示词的方式：分层 schema + 禁止项 + JSON 参数化版本。这套方法可以直接迁移到其他生成模型上——换模型，保留结构。

对于日常用 GPT-Image-2 出图的用户，直接拿模板用能节省大量调参时间。对于 Agent 开发者，Skill 包的「单一数据源驱动网站和 Agent」设计值得参考。

开源仅供学习研究参考。案例内容按 CC BY 4.0 处理归因，商用前核实具体案例的原始来源授权。

🇬🇧 English

awesome-gpt-image-2: 33K Stars, 544 Reverse-Engineered Cases — Prompt as Code

freestylefly/awesome-gpt-image-2 — MIT, JavaScript, 33,523 stars. GPT-Image-2/2.5 prompt engineering library: 544 reverse-engineered cases across 12 categories, 20+ industrial-grade templates with JSON structured variants, companion npm Skill package sharing one style-library.json with the website and agent.

GitHub: github.com/freestylefly/awesome-gpt-image-2

Prompt as Code Architecture

Each template is a layered schema, not a prose paragraph:

Objective → Subject variables (replaceable parameters)
  → Environment context → Style (material/texture/palette)
  → Technical constraints (f/1.4, aspect ratio, resolution)
  → Output spec → Avoidance directives (known failure modes)

The “avoidance directives” layer is the most valuable: 3–8 known failure modes per template, reverse-engineered from real generation failures. Examples: “prohibit model-invented title text,” “prohibit whitespace less than 5% of frame,” “prohibit characters facing the camera in multi-person scenes.”

544 Cases, 12 Categories

Category	Cases
Posters & Typography	90
Photography & Realism	78
UI & Interfaces	73
Illustration & Art	59
Charts & Infographics	53
Products & E-commerce	42
Characters & People	31
Brand & Logos	27
Other	28
Scenes & Storytelling	21
History & Classical Chinese	16
Documents & Publishing	11

All cases are 100% AI-rewritten reverse-engineering of public prompt communities (YouMind, OpenNana). CC BY 4.0 with source attribution.

Template System

20+ templates across 13 categories, each with multiple variants: regular prose / JSON structured / specialized sub-types. Key examples:

UI/Interface: regular / JSON injection / screenshot-style / live-streaming overlay
E-commerce: regular / personalized beauty reports / JSON
Multi-stage complex: PHASE 1 ANCHOR → PHASE 2 INJECT → PHASE 3 FORMAT → PHASE 4 SIGNATURE

JSON variants let agents inject parameters without parsing natural language — direct field substitution.

Skills System: npm Package + Shared Data Source

npx skills add freestylefly/awesome-gpt-image-2 \
  --skill gpt-image-2-style-library \
  --agent claude-code codex --global

Installs to ~/.codex/skills, ~/.claude/skills. When invoked, the skill: detects language, classifies output type, matches template from style-library.json, returns a structured reusable prompt with template name and matching case IDs.

The website and Skill share one style-library.json — new cases update both automatically.

GPT-Image-2 vs 2.5 Comparison

A dedicated page lets users drag a divider to compare the same prompt across GPT-Image-2 and 2.5 (Sunburst / Flare variants). Currently 4 real cases included.

Limitations

GPT-Image-2 specific: Optimized for GPT-Image-2/2.5; transfers partially to other models
Case reproducibility: Reverse-engineered prompts have variance across sessions — same prompt, different results
Attribution clarity: CC BY 4.0 attribution but no per-case original author confirmation
Paid website dependency: Full Skill features work offline, but generation requires account sign-in

Assessment

33,523 stars reflects real demand for reusable, parameterized prompt libraries now that GPT-Image-2 API costs have dropped. The architecture lesson isn’t “here are some prompts” — it’s “treat prompts like code: layered schema, typed variables, JSON for agents, failure-mode documentation.” That method transfers to any generation model. For heavy GPT-Image-2 users, the templates save significant prompt iteration time. For agent developers, the single-source-of-truth design (one JSON drives both website and Skill) is worth borrowing.

For learning and research reference only. Case content is CC BY 4.0 with attribution — verify original source licensing for commercial use.

💬 评论与讨论

使用 GitHub 账号登录后发表评论

关于本站 · 免责声明

🍄 Mushroom Research Blog 是非营利、免费公开的个人科技观察博客与公众号 XStack18，不接受商业合作、不代表任何企业或机构立场，也不谋求商业利益。我们以个人视角客观中立地记录和分析 AI、Web3 等领域的最新模型发布与技术动态——不止转述新闻标题或二手信息，而是给出有独立思考的深入分析，希望帮更多人获得有价值的一手科技认知。

⚠️ 文中介绍的开源代码与模型，仅供学习交流与技术借鉴。它们大多仍处于早期阶段，有待进一步研究和验证，请勿直接用于工作或生产环境；如需采用，请先自行充分测试，并核实其许可证与安全性。
Open-source code and models featured here are shared for learning and reference only. Most are early-stage and still need further study and verification — please don't use them directly in your work or in production. Test them thoroughly and check their licenses and security first.

本站文章均为作者基于公开信息的个人研究与观点整理，不代表文中提及的任何公司、产品、模型的官方立场，未与其构成商业关联或合作关系。
科技行业信息更新极快，我们尽力保证内容准确、及时，但不对完整性、实时性做绝对保证，具体请以相关企业/项目官方公告为准。
文中引用的第三方商标、产品名称、图片、数据等版权归原权利人所有，我们会尽量注明来源；如你认为存在版权疑问或侵权，请通过下方邮箱联系我们，收到通知后会尽快核实处理（更正、加注来源或删除）。
文章内容仅为技术科普与个人观点，不构成投资、法律或其他专业建议，据此进行任何决策的后果需自行判断和承担。

📮 侵权 / 勘误 / 合作咨询：[email protected]