2026.5.11-日报-王雨默

用户2965

5月12日修改

一.工作内容概述

•
完成皮肤系统逻辑实现​

•
继续探索优化Codex生图工作流​

二.Codex生图工作流优化

1.GPT Image-2 即时模式

今日探索发现：GPT Image 2 的即时模式（Instant 模式）可以直接生成带真实透明背景的 PNG 图片。​

这个发现说明，之前 Skill 中默认采用的“纯色背景 + 后处理抠图”流程，并不是所有情况下都必须执行。如果生成阶段本身就能输出真实透明背景，那么部分后处理抠图步骤就有机会被省略或降级。因此，今天主要围绕以下问题继续对 Skill 进行优化：​

•
不同生图模式在流程中应该如何分工；​

•
是否应优先使用真实透明背景，而不是默认纯色背景；​

•
是否可以接入第三方生图服务；​

•
是否可以通过资产图集提高批量生成效率；​

•
这套 Skill 是否具备迁移到其他 AI Agent 的可能。​

2.即时模式和思考模式

测试中发现，GPT Image 2 的不同生成模式有明显差异：

即时模式

即时模式的优势是：

•
可以直接生成真实透明背景 PNG​

•
适合图标、按钮、角标、小装饰等简单或中等复杂度素材​

•
可以减少色键抠图带来的边缘损失​

但它也有明显短板：

•
细节复杂度上限较低；​

•
对复杂结构、复杂角色、角色立绘等控制不稳定；​

•
实测中，在复杂角色立绘等高细节要求的场景下，生成结果可能出现结构简化或细节丢失，稳定性不如思考模式。​

因此，即时模式更适合作为简单素材生成模式，不适合作为复杂主视觉资产或角色立绘的默认生成模式。​

即时模式生成的icon，真实透明背景，边缘正常

60%

即时模式生成的角色立绘，放大可以发现细节部分完全不可用

40%

即时模式生成的角色海报，整体质量反而优于角色立绘，推测是AI生成立绘需要花费大量成本在处理透明像素上，导致无法顾及其他部分

思考模式

思考模式的优势是：

•
更适合整体效果图；​

•
更适合复杂布局、风格统一、视觉层级控制；​

•
对角色、装饰、整体氛围等复杂内容把控更好。​

但它的问题是：

•
不能输出真实透明背景 PNG；​

•
如果用于单资产生成，通常仍需要依赖色键抠图或其他后处理方式。​

因此，思考模式更适合作为整体设计和复杂资产参考模式。

思考模式生成的UI界面效果图

46%

思考模式生成的角色立绘，虽然细节部分仍存在bug，但是整体处于可看水平

54%

2026.5.11-日报-王雨默​