整首《赤壁怀古》一个字没写错：329张图被逆向拆成六个维度之后

GPT-Image2 全量开放后，很多人都涌进来用它做 AI 画图。生成一张图容易，但要稳定、可控、可复用地出图，试错成本极高——好不容易调出一张满意的，换个场景就完全复现不了。

在 GitHub 上有一个项目叫 awesome-gpt-image-2，4天时间冲到1700+ Star。它的核心思路是把零散的提示词案例逆向成一套结构化模板，让能不能出图变成能不能稳定、可控、可复用地出图。

说白了，这是一个 GPT-Image2 的工业级提示词模板库，核心理念是 Prompt as Code——把散文式的提示词压缩成结构化协议，支持 Agent、脚本和自动化工作流调用。

真正的差异化不是收集，是逆向工程

很多提示词库本质是案例的收集：看到一张好图，把提示词抄下来，下次照着用。但问题在于抄的是散文式提示词，是一段自然语言描述，每次调用都是一次新的翻译过程，结果自然难以稳定。

awesome-gpt-image-2 采用的是案例逆向工程。从 YouMind、OpenNana 等社区精选的329个高质量案例，不是简单堆砌，而是拆解成原子化 Schema。每个案例都会拆解成六个维度：主体、光影、材质、排版、色彩、氛围。

比如一个信息图案例，会拆成：

• 主体：工程白皮书气质的技术架构图
• 光影：柔和的平光，无强烈阴影
• 材质：干净的矢量风格，扁平化设计
• 排版：左中右三栏结构，信息层级清晰
• 色彩：蓝色主调，辅以灰色和白色
• 氛围：专业、理性、可信

这样拆解的好处是可以快速找到相近案例，抄结构而不是只抄风格词。

14套工业级模板，覆盖13个设计大类

现有大部分提示词模板是填空题：给你一个框架往里填内容，但填完之后风格还是不可控。awesome-gpt-image-2 提供了14套工业级模板，每个模板都遵循一个结构：任务类型 → 结构约束 → 风格材质。

覆盖了 UI 与界面、信息图、海报、摄影、电商、品牌标志、建筑空间、插画艺术、角色设定、场景叙事、古风题材、文档出版物、其他应用场景等13个大类。

比如信息图模板：

任务类型：技术架构信息图
结构约束：左中右三栏布局，顶部标题，底部注释
风格材质：扁平化设计，蓝色主调，矢量风格

根据这些规则填上业务变量，就能快速生成符合预期的图。

不是给人用，是给 Agent 用

它支持 JSON 模板，专门让 Agent 能读懂调用。可以把模板存成 JSON 文件，通过脚本调用批量出图。比如批量生成产品宣传图，或者系列化品牌视觉，都可以通过 JSON 模板实现自动化。正是这种设计，让 AI 图像生成从手工作坊走向工业流水线。

实际案例演示

官方给出的几个实际案例覆盖了技术文档、品牌设计、内容创作等几大场景：

信息图可视化设计：工程白皮书气质，适合看结构化信息图如何组织模块、层级和双语标签。整个图有清晰的层级结构，标题、概念模块、说明文字各司其职，中文排版也很舒服。技术文档配图、产品说明图都有，照这个结构来一般都能出得不错。

RAG 技术详解图：把硬核技术概念、清晰的信息图版式、通俗易懂的中文讲解模块融合到了一起，层次分明。有个翻车提醒：抄这个模板的时候，"architecture diagram"这个词别删，删了中间模块的图标全变占位符。

赤壁怀古的长卷图：做成那种长卷的尺寸，古风讲故事的味道一下子就出来了，图文排版也连得很顺。最厉害的是它把整首《赤壁怀古》的文字都准确渲染出来了。

零食品牌技术分解图：把零食品牌的品牌叙事、结构拆解和商业化呈现这三个要点融合到了一起。这个案例的拆解思路可以学一学，以后套到别的场景上也管用。

十二黄金圣斗士卡牌合集：一共12张卡牌，整体风格特别统一。跨图一致性是 GPT-Image2 的一大亮点——12张卡牌风格统一，每张都有独特的设计元素，但整体视觉语言一致。做系列化设计、IP 角色卡牌，关键是保持边框和排版不变，只换角色描述和配色——别动整体结构，动了风格就散了。

如何使用

其实就三步：

1. 浏览器打开 https://github.com/freestylefly/awesome-gpt-image-2，看到首页的精选案例。信息图、技术架构图、产品爆炸图，先确定要做哪一类。
2. 在完整画廊里找和需求最接近的案例。重点是抄它的结构，比如怎么组织模块、怎么排版、怎么分层，别只抄风格词。
3. 回到模板 docs/templates.md，把内容填进去。产品名称、技术内容、配色方案，填完就能直接用。

填完后把提示词复制到 ChatGPT 里试试效果。不满意就微调，满意就保存下来下次用。如果是开发者，还可以直接用 JSON 模板，通过脚本批量生成。

注意事项

目前仓库里有361个案例加14套模板，但在 GitHub 里翻300多个案例有点折磨，没有搜索，没有分类筛选，只能一个个点开看。希望作者后面能搞个 Web 版画廊。

项目基于 MIT 协议开放。

开源地址：https://github.com/freestylefly/awesome-gpt-image-2