Skills

gpt-image2-ratos

Installation
SKILL.md

gpt-image2-ratos

Skill de geração de imagens via gpt-image-2 usando OAuth do plano ChatGPT do user. Sem API key, sem custo direto — queima limite do plano.

Pra usuários que pagam ChatGPT Plus/Pro/Business/Enterprise. Pra usuários sem plano, redirecionar pra /image-gen-ratos (FAL) ou /nanobanana-ratos (Gemini).

Aviso de latência (importante)

Antes de gerar, deixar claro pro user que cada imagem leva 60-180 segundos (vs 10-15s no FAL). Isso é o overhead do proxy OAuth + Responses API + tool call de image_generation.

Se o user quer 5+ variações pra escolher, sugerir usar image-gen-ratos (FAL) em vez disso. Aqui a skill brilha quando é "1 imagem boa final".

Setup (primeira vez)

A skill não tem .env. Toda a auth vem do ~/.codex/auth.json que o Codex CLI cria. O fluxo de setup é:

1. Verificar pré-requisitos

test -f ~/.codex/auth.json && echo "OK_AUTH" || echo "NO_AUTH"
which node npx && node --version
which python3

2. Se ~/.codex/auth.json NÃO existe

Mostrar ao user:

Pra usar essa skill tu precisa logar no Codex CLI uma vez (vai abrir o browser). Roda isso no terminal e me avisa quando terminar:

npx @openai/codex login

Depois disso o token fica salvo em ~/.codex/auth.json e dura meses. Tu não precisa logar de novo.

Se tu não tem plano ChatGPT pago, essa skill não funciona. Usa /image-gen-ratos (FAL, $0.06/imagem) ou /nanobanana-ratos (Gemini, grátis) em vez disso.

3. Se ~/.codex/auth.json JÁ existe

Seguir direto pro fluxo de geração. Não precisa de setup adicional.

Estilo visual (conversacional, NÃO hardcoded)

Igual a image-gen-ratos. A skill não força nenhum estilo. Cada projeto/marca/canal tem o seu.

No início de cada sessão (a primeira vez que o user pedir imagem na conversa atual), perguntar:

Como tu quer o estilo? 4 caminhos:

  1. Livre — descreve em palavras
  2. Brand guide — cola aqui o teu DNA visual ou aponta pra um arquivo
  3. Usar exemplo — tem exemplos em ~/.claude/skills/gpt-image2-ratos/examples/
  4. Sem estilo — gera puro, sem calibração

Aplicar o estilo escolhido como contexto/prefixo no prompt em inglês. Não perguntar isso a cada imagem da mesma sessão — só na primeira.

Modos de operação

Modo direto

User cola um prompt pronto em inglês. Claude só roda.

Modo assistido (default quando user só passa tema)

User dá um tema curto. Claude:

  1. Se ainda não definiu estilo nesta sessão, pergunta
  2. Sugere 3 conceitos distintos em 2-3 linhas cada
  3. Pergunta qual vai
  4. Quando user escolher: escreve o prompt em inglês com detalhes (lighting, câmera, composição, etc)
  5. Roda
  6. Mostra

Aspect ratio e quality

Aspect Width x Height Pra quê
1:1 (default) 1024x1024 Feed quadrado
4:5 1024x1280 Feed vertical
9:16 1024x1792 Stories, Reels, Shorts
16:9 1792x1024 Thumbnail YouTube, landscape

Quality — afeta latência mais que custo (que é flat dentro do limite do plano):

Quality Latência tipica Quando usar
low ~60-90s Rascunho
medium (default) ~90-120s Produção padrão
high ~120-180s Final final

Comando base (text-to-image)

PORT=10531
OUT_DIR="${OUT_DIR:-/tmp/gpt-image2-out}"
mkdir -p "$OUT_DIR"

# 1. Verificar se proxy ja esta rodando
if curl -s -o /dev/null -w "%{http_code}" "http://127.0.0.1:$PORT/v1/models" 2>/dev/null | grep -qE "^(2|4)"; then
  echo "[skill] proxy ja UP"
  PROXY_PID=""
else
  echo "[skill] subindo proxy openai-oauth na porta $PORT..."
  npx -y openai-oauth --port "$PORT" > "$OUT_DIR/proxy.log" 2>&1 &
  PROXY_PID=$!
  # Esperar proxy ficar disponivel (max 30s)
  for i in $(seq 1 30); do
    if curl -s -o /dev/null -w "%{http_code}" "http://127.0.0.1:$PORT/v1/models" 2>/dev/null | grep -qE "^(2|4)"; then
      echo "[skill] proxy UP (tentativa $i)"
      break
    fi
    sleep 1
  done
fi

# 2. Montar payload (Responses API com tool image_generation)
cat > "$OUT_DIR/payload.json" <<JSON
{
  "model": "gpt-5.4-mini",
  "input": [
    {"role": "developer", "content": "You are an image generation assistant. Your sole function is to invoke the image_generation tool. Never respond with plain text."},
    {"role": "user", "content": "Generate an image: PROMPT_AQUI"}
  ],
  "tools": [
    {"type": "image_generation", "quality": "medium", "size": "1024x1024", "moderation": "low"}
  ],
  "tool_choice": "auto",
  "stream": true
}
JSON

# 3. Disparar e capturar SSE
curl -sS -N -X POST "http://127.0.0.1:$PORT/v1/responses" \
  -H "Content-Type: application/json" \
  -H "Accept: text/event-stream" \
  -d "@$OUT_DIR/payload.json" > "$OUT_DIR/sse.raw"

# 4. Extrair b64 do output (Python)
python3 <<'PY'
import json, base64, pathlib, sys
raw = pathlib.Path("OUT_DIR_PLACEHOLDER/sse.raw").read_text()
img_b64 = None
for block in raw.split("\n\n"):
    data = "".join(line[6:] for line in block.split("\n") if line.startswith("data: "))
    if not data or data == "[DONE]":
        continue
    try:
        e = json.loads(data)
    except json.JSONDecodeError:
        continue
    if e.get("type") == "response.output_item.done":
        item = e.get("item", {})
        if item.get("type") == "image_generation_call" and item.get("result"):
            img_b64 = item["result"]
if not img_b64:
    print("ERRO: image_generation_call.result nao encontrado", file=sys.stderr)
    sys.exit(1)
out = pathlib.Path("OUTPUT_PATH_PLACEHOLDER")
out.write_bytes(base64.b64decode(img_b64))
print(f"Salvo: {out} ({out.stat().st_size} bytes)")
PY

Substituir PROMPT_AQUI, OUT_DIR_PLACEHOLDER e OUTPUT_PATH_PLACEHOLDER antes de rodar.

Não matar o proxy ao final do request. Deixa rodando pra reusar nas próximas imagens da sessão. Pra parar manualmente: lsof -ti:10531 | xargs kill.

Comando com imagem de referência (image edit)

Mesmo endpoint, content do user vira array com input_image antes do input_text:

"input": [
  {"role": "developer", "content": "You are an image editing assistant..."},
  {"role": "user", "content": [
    {"type": "input_image", "image_url": "data:image/png;base64,BASE64_DA_IMAGEM"},
    {"type": "input_text", "text": "Edit this image: PROMPT_AQUI"}
  ]}
]

tool_choice muda pra "required" em modo edit pra forçar invocação da tool.

Pode passar múltiplas referências (até 16) — adicionar mais input_image no array.

Princípios pra escrever o prompt

  1. Em inglês. O modelo entende PT mas responde melhor a direção técnica em EN. Texto literal na imagem pode ser em PT.
  2. Texto em quotes. Pra renderizar verbatim: reads "[texto em português]". ~99% accuracy.
  3. Composição, não intenção. "Medium shot, subject centered, banker lamp backlighting" > "dramatic portrait".
  4. Listar negativos. "No emojis, no gradients, no stock photo aesthetic".
  5. Specificity vence. "Space-black MacBook Pro 16-inch M3" > "a laptop".
  6. Referências cinematográficas (se o estilo pedir). "In the visual style of Severance office scenes".

Pós-geração

Mostrar a imagem ao user. Por causa da latência, perguntar antes de fazer outra:

  • Aprovou? → pergunta onde salvar/publicar
  • Quer variação? → ajusta 1 detalhe e roda de novo (avisa que vai levar mais 1-3 min)
  • Quer mesma ideia em outro aspect/quality? → rerodar

Não gerar 3 variações em paralelo sem perguntar — cada uma queima quota Codex do plano dele.

Troubleshooting

~/.codex/auth.json não existe User não logou no Codex CLI. Mostrar: npx @openai/codex login.

Proxy não sobe (timeout em 30s) Ver $OUT_DIR/proxy.log. Causas comuns:

  • Porta 10531 ocupada por outro processo: lsof -i :10531 e matar
  • Rede lenta no primeiro download do openai-oauth (npx baixa antes de rodar)
  • Token expirado e refresh falhou: rodar npx @openai/codex login de novo

401 ou 403 do proxy Token OAuth expirou ou foi revogado. User precisa relogar: npx @openai/codex login.

429 do proxy Limite Codex do plano ChatGPT esgotado. Esperar reset (geralmente a cada 5h).

Imagem não veio (No image data in response) Modelo recusou a request (moderation, prompt ambíguo). Ver últimos eventos do SSE. Reescrever o prompt.

Latência muito maior que 180s Status do plano ChatGPT pode estar com fila. Verificar status.openai.com.

Imagem em PT com acentos quebrados Encurtar a string. Confirmar que tá em quotes: reads "texto".

Custos reais (atenção)

A skill é "free" no sentido de não cobrar API extra, mas queima limite do plano ChatGPT. Por doc oficial da OpenAI, image generation consome limite Codex 3-5x mais rápido que turn de texto.

Avisar o user no setup:

Heads up: cada imagem aqui usa parte da tua quota Codex do plano ChatGPT. Se tu também usa Codex CLI pra coding, isso compete pelo mesmo limite. No Plus ($20/mês), tu provavelmente consegue gerar ~6-30 imagens medium em cada janela de 5h, mas isso vai depender do uso normal do Codex.

Referências

Related skills

More from hocgin/agent-skills

Installs
2
Repository
hocgin/agent-skills
First Seen
12 days ago