大展神通的gpt-image-2

gpt-image-2

2026-04-22 chagpt image-2正式上线,效果出奇的好,记录一下玩法

海报生成

毕业艺术照

在原图上修改,生成专业的感觉

毕业定妆照

PPT页面生成

直接生成

img

结合公司模板

将公司的PPT模扔上去,并给足项目信息,就可以坐享其成了

P1

P2

架构图生成

项目架构图

让codex扫描了我的项目仓库帮我整理了下项目的架构,然后使用image2生成的图片

  • 架构图v1

架构图-v1


  • 架构图v2

架构图-v2

  • 提示词:
使用image2生产2张架构图```请绘制一张“manus-like-system”项目的系统架构图,中文标注,白色背景,16:9 横版,风格清晰专业(偏技术文档风),矢量感强,文字清楚可读。 

图中必须包含以下分层与连接关系:

1) 客户端层(左上):
- Web Frontend(React / SSE)
- Chat Platforms(Feishu Webhook / Realtime)

2) 服务层(中上,HTTP Services):
- API Service :8080(会话管理 / 任务提交查询 / 文件上传下载 / 预览查询 / 运维接口)
- Conversation Server :8082(创建会话 / 追加轮次)
- Integration Service :8081(飞书接入 / 消息投递 / SSE 消费)
- Web Gateway :8090(预览代理 / 容器生命周期管理)

3) 存储与消息层(中间):
- Redis :6379(Streams + Hashes + ZSets)
- 关键 stream 标签:
  manus:jobs
  manus:job:{id}:events
  manus:notifications:job-finished

4) 执行层(中下):
- Worker Pool(Worker #1 ... Worker #N)
- 每个 Worker 执行 Codex CLI(chat / ws / web)
- 从 Redis 消费任务并回写事件

5) 运行时与文件层(底部):
- Workspace & Artifacts
  runtime/workspaces/
  runtime/artifacts/
  runtime/uploads/
  runtime/logs/
- Preview Container(Docker + Vite Dev Server),由 Web Gateway 管理

连线关系(必须体现箭头方向):
- Web Frontend -> API Service
- Chat Platforms -> Integration Service -> API Service
- API Service -> Conversation Server
- API Service -> Web Gateway
- API Service / Conversation Server / Integration Service / Web Gateway 都与 Redis 交互
- Redis -> Worker Pool(任务分发)
- Worker Pool -> Redis(事件回写)
- Worker Pool -> Workspace & Artifacts
- Web Gateway -> Preview Container
- Web Frontend -> Web Gateway(访问 /preview/{id})

视觉要求:
- 用不同颜色区分“客户端、服务、存储、Worker、运行时”五类模块
- 每个框有标题和 1~2 行关键职责说明
- 使用简洁图标(浏览器、云服务、数据库、齿轮/工人、文件夹、容器)
- 主标题:Manus-like System 架构图
- 右下角附小图例(颜色含义)
- 保持网格对齐、留白充足、避免连线交叉
​```

专业的云厂商架构图

总体

流程

小项目的架构图,从草图到专业的架构图

云厂商架构图替换

azure架构图 转换成 阿里云的架构图

总体

流程

基本满足吧,如果配色不满意,再聊再修

WEB页面

将公司素材扔到chat gpt上就能生成一个还不错的设计

比自己想要好很多

虹启万象

这意味着可以模拟或者汇报平台的内容了

PPT大法,快速向上汇报

简历生成

将自己的简历信息全部扔上去,让其生成简历图片

个人简历

上传个人照片,你可以先让ai美颜一下生成定妆照

小红书图片

旅游规划图片

总结

与Agent协作方法论

使用 ChatGPT 时,先尽量给足背景、资料、参考和目标,把需求写清楚。

如果一开始说不明白,就先和 AI 多聊几轮,把想法逐步聊清楚。

等需求基本明确后,让 AI 帮你总结讨论结果,并整理成一份完整提示词。
最后再新开一个对话,把整理好的信息、材料和明确需求一次性输入进去,用来生成最终结果。

核心方法就是:先沟通梳理,再总结提示词,最后正式生成。

github