引言：这份文档不是"咒语集"
OpenAI 的官方文档里有一页叫 Image prompting。标题看起来像一篇提示词教程，但通读一遍会发现，它把最大的篇幅给了三件跟"写提示词"关系不大的事：模型怎么选、参数怎么定、旧模型怎么迁。
这不是文档写得偏题，而是它诚实地反映了一件事：图像模型的提示词技巧，已经被压缩成了八条原则；真正让人踩坑的地方，转移到了工程侧。指南里给出的两个时间点很能说明压力——gpt-image-1 计划于 2026 年 10 月 23 日关停，gpt-image-1.5 计划于 2026 年 12 月 1 日关停。凡是还在用这两代模型的生产系统，接下来几个月都得做同一件事：迁移。
所以这份文档的正确读法是把它当成一份换代窗口里的工程手册：先决定用哪档模型，再按六步把迁移做成可验证的动作，最后才是提示词怎么写、结果怎么验收。
一、先选模型，再调参数
两档模型：flare 与 sunburst
gpt-image-2.5 提供两个模型，定位截然不同：
| 模型 | 定位 | 画质 | 适合谁 |
|---|---|---|---|
gpt-image-2.5-flare |
小模型，优化速度 | 与 GPT Image 2 相当 | 想先跑通流程、对延迟敏感的路径 |
gpt-image-2.5-sunburst |
基础模型，优化质量 | 高于 GPT Image 2 | 对画质有硬要求的生成与精确编辑 |
两者都支持生成、编辑与透明背景，也都改进了精确编辑与主体保持。指南给的选型建议很克制，但有一条判断贯穿始终：
- 新工作流：速度优先先试 flare，画质优先先试 sunburst；
- 迁移工作流：从你当前的画质档位出发——现用 GPT Image 2 且质量已达标，先试 flare 拿延迟收益；质量不达标，先试 sunburst 拿质量；
- 交叉验证：sunburst 过了质量关，再用同一组 prompt 试 flare；如果延迟没有改善，就保留 sunburst，不要为了"更快"牺牲画质。
参数清单与两个容易忽略的约束
参数部分信息密度很高，值得逐项记住：
quality：auto（默认）、low、medium、high、xhigh、max；size：auto或自定义，常用值包括1024x1024、1536x1024、1024x1536、2048x2048、2048x1152，以及 4K 的3840x2160/2160x3840；background：auto、opaque、transparent。
自定义分辨率有几条硬约束：每条边不超过 3840px、两条边都必须是 16 的倍数、长短边比不超过 3:1、总像素在 655,360 到 8,294,400 之间。超过 3,686,400 像素（也就是 2560x1440）的输出属于实验性特性——这意味着"我要一张 4K 海报"这种需求，在参数层面就已经有明确的可行边界。
透明背景还有一条容易被漏掉的细节：必须显式请求 background="transparent" 并配 PNG 或 WebP，然后去检查解码后的 alpha 通道——头发、玻璃、阴影和边缘是最容易露馅的地方。output_compression 只对 JPEG / WebP 生效，对 PNG 无效。
最关键的一句警告
指南里最不像"教程"、也最值得抄进团队规范的一句话是：
同一个
quality标签，不代表同样的画质，也不代表同样的响应时间。
这句话解释了为什么文档反复强调"在你自己的 workload 上测量"。quality 是模型内部的档位名称，不是跨模型的绝对量纲；从 GPT Image 2 迁到 2.5 时，把 medium 直接平移过去，很可能既得不到相同的画质，也得不到预期中的延迟。工程上的正确姿势是：先定模型，再调 quality，一次只改一个设置，并且在有代表性的输入上记录质量、延迟与成本。
二、迁移六步：把"换模型"变成可回滚的动作
指南给出的迁移流程是六步，顺序本身带着判断：
- 保存基线：收好有代表性的生产 prompt 与参考图（难改的编辑、精确文字、人脸、产品几何、透明素材），记录模型、参数与当时的输出。没有基线，后面所有比较都是感觉。
- 选第一候选：要延迟就 flare，GPT Image 2 达不到要求就 sunburst。首轮只换模型，prompt、参考图、尺寸、输出格式全部保持不变。
- 验收完整结果：检查指令遵循、身份与产品保持、文字准确、有没有意外改动、透明是否正常；同一请求重复多次看一致性；跑完整的编辑序列，而不是只测其中一步。
- 质量过关后再测延迟：只有质量站得住，才切到 flare 比延迟；质量掉下来就回退，不做妥协。
- 单变量调参：先比 quality 档位，再考虑改提示词；统计典型响应与最慢响应、失败率与重试次数、每张可用图的成本；
xhigh/max只在确实解决未满足需求时使用。另外，不要假设"更快 = 更便宜"，先确认当前定价。 - 按工作流放量：一个工作流一个工作流地迁，先切小流量、监控、再逐步扩大，并保留上一代模型随时回滚。
六步之外，还有一条被单独拎出来的红线：反复编辑仍然会漂移。如果某个区域必须保持像素级一致，正确做法是把已批准的编辑合成回原图，而不是继续用提示词去"锁住"它。这是官方明确承认的提示词能力边界。
三、八条提示词原则：分三组更好记
指南把提示词技巧压缩成八条原则。按功能分成三组，记起来更省力。
组一：定义结果（原则 1–2）
先说清结果与用途。 是产品照片、广告，还是流程图？用途决定了构图、细节密度和比例。复杂需求不要糊成一段，按场景 / 主体 / 细节 / 约束分段写。
选可维护的格式。 短句、段落、类 JSON 结构、指令式、标签式都能用——文档明确说没有必须遵守的特殊语法。选最容易读、最容易改的那种。这一点和社区里流行的"咒语模板"叙事正好相反：可维护性优先。
组二：描述可见细节（原则 3–5）
材质、光线、颜色、介质。 需要真实感就写明 photorealistic / real photograph。相机参数（35mm、胶片质感）只是外观线索，不是物理模拟；拍夜景、低光、霓虹场景时，要给尺度、气氛和色彩，而不只是"氛围感"这种情绪词。
指定人物与动作。 取景范围、相对比例、视线方向、与物体的交互都要写。官方示例用的是"全身可见、包含脚"和"双手自然握住车把"这种具体到身体部位的描述——手部是图像生成的重灾区，写清楚能省掉大量重试。
精确控制文字。 要渲染的文字用引号包住，说明位置与字体；生僻词逐字母拼写；明确要求不要出现额外文字，输出后逐字核对拼写与可读性。小字或密集文字用 medium / high quality。
组三：编辑与迭代（原则 6–8）
变更与约束分离。 编辑时写"只改 X"，再列出必须保留的部分（身份、几何、版式、光线、标签），最后声明排除项（多余文字、Logo、水印）。
给参考图分配角色。 多图输入时按编号说明每张图的用途——主体、风格、服装还是背景——并解释它们如何组合。丢一堆图让模型自己猜，是最常见的浪费。
有意识地迭代。 把上一轮输出作为下一轮的输入，一次只请求一处变更，复述要保留的细节；一旦结果开始漂移，回头重申关键约束。
四、案例矩阵：生成与编辑背后的同一条模式
指南给了 9 个生成示例和 8 个编辑示例，覆盖的场景很散，但模式很集中。
生成侧的九例分别是：控制风格与光线的纪实人像、自动咖啡机的流程信息图、渲染精确文字的街潮广告、透明背景的可复用 Logo、1969 年的历史场景、宠物独自在家的四格漫画、手机应用界面预览、细胞呼吸的科教图、以及带 TAM / SAM / SOM 数据的融资幻灯片。把这些例子放在一起看，能抽出三条共同做法：
- 用途是第一约束：信息图、幻灯片、界面预览这类"功能性图片"，描述方式更接近写规格书，而不是描述一幅画；
- 文字一律加引号，并声明"只出现一次、不要水印"；
- 图表与密集文字用
highquality，而且要用1536x1024这类横向尺寸。
编辑侧的八例更能说明问题：翻译并保留版式、迁移视觉风格、保身份换服装、组合两张参考图、透明抠图、草图转写实、移除物体、把人放进场景。它们几乎都以同一句话收尾——Do not change anything else。编辑任务的难点从来不是"改什么"，而是"不变什么"。
一个可以直接抄走的完整例子（Python，透明背景 Logo 生成 + 产品抠图）：
from pathlib import Path
import base64
from openai import OpenAI
client = OpenAI()
# 1) 生成：透明背景、一次出 4 版
result = client.images.generate(
model="gpt-image-2",
prompt=(
"Create an original logo for a local bakery called Field & Flour. "
"Flat, vector-like shapes, strong silhouette, balanced negative space, "
"no gradients. Fully transparent background, clean alpha edges, "
"no backdrop, scenery, checkerboard, or watermark."
),
size="1024x1536",
quality="medium",
background="transparent",
output_format="png",
n=4,
)
for i, item in enumerate(result.data, start=1):
Path(f"logo-{i}.png").write_bytes(base64.b64decode(item.b64_json))
# 2) 编辑：抠图，同样保留 alpha 通道
result = client.images.edit(
model="gpt-image-2",
image=[Path("input_images/shampoo.webp")],
prompt=(
"Extract the product and isolate it on a fully transparent background. "
"Preserve product geometry and label legibility exactly. "
"No solid backdrop, checkerboard, scenery, or shadow."
),
size="1024x1536",
quality="medium",
background="transparent",
output_format="png",
)
Path("product-cutout.png").write_bytes(base64.b64decode(result.data[0].b64_json))
注意两个细节：生成和编辑都显式带了 background="transparent" 与 output_format="png"，提示词里也都写了"不要棋盘格、不要阴影"。透明不是"没背景"，它是文件里真实存在的 alpha 通道——这两件事必须同时说。
五、多轮迭代：一次只改一个条件
指南用两个序列演示多轮编辑。
广告牌序列：第一轮生成高速公路旁日落下的洗发水广告牌，精确文字 "Fresh and clean" 只出现一次、清晰可读、无水印；第二轮把上一轮输出作为输入，只改一个条件——“改成下雪的冬夜”。
儿童绘本序列：第一轮建立角色——绿色连帽外衣的森林小英雄，水彩绘本风格，木质弓只用于帮助别人；同时写下约束：原创角色、不要文字、不要水印、纯森林背景。第二轮延续故事：同一角色在冬季风暴后帮助一只受惊的松鼠，重复外观约束并明确"不要重新设计角色"。
这两个序列的差别值得琢磨：广告牌改的是环境，绘本改的是情节。但两者的操作完全一致——上一轮输出即下一轮输入，一次只改一处，关键约束每次复述。角色一致性不是靠"记住"实现的，是靠每轮把约束重新写一遍。
六、验收四问
指南最后给了一份检查清单，可以压缩成四个问题：
- 文字对不对：必需文字是否准确、可读、只出现一次？图表标签与元素关系是否正确？
- 身份有没有丢：人物身份、产品形状、标签与参考细节是否完好？
- 有没有越界：这次编辑是否只改了要求改的部分？
- 透明度是真的吗：需要透明时，文件里是不是真 alpha 通道，而不是画出来的背景？
换模型或改提示词时，还要在代表性输入上同时比较质量、延迟、成本三项——不是看榜单，也不是看质量档位的字面含义。
总结：五条可复用的工程洞察
把这份指南读完，真正能带回团队的判断有五条：
一、模型换代窗口里，第一优先级是可迁移性，而不是更会写提示词。 两个旧模型在 2026 年内相继关停，文档把选型、参数与迁移流程放在提示词原则之前，顺序本身就是答案。
二、质量档位不是跨模型的绝对量纲。 同名 quality 不等于同画质、同延迟。选型应该在调 quality 之前完成，并且用自有 workload 测量——把图像生成当工程问题，而不是炼丹。
三、编辑任务的难点在"不变什么"。 八个编辑示例几乎都以 Do not change anything else 收尾。写编辑提示词时，先列保留项和排除项，再写变更项。
四、提示词有明确边界。 反复编辑会漂移；需要像素级一致的区域，用合成而不是语言。承认边界，比把提示词写得更长更有用。
五、一次只改一个变量，并且在小流量上验证。 从迁移的六步到迭代的一条约束，方法论是同一条：把不可解释的差异，压缩成可归因的实验。
一句话收束：图像生成的提示词技巧已经收敛，剩下的差距在工程纪律——你能否测准、能否回滚、能否在放量前知道自己在改什么。
「真诚赞赏，手留余香」
爱折腾的工程师
真诚赞赏，手留余香
使用微信扫描二维码完成支付
