GPT-image-2 高质量人像工作流：从环境配置到主图定稿

一套从环境连接、批量出图、候选筛选到主图定稿的完整人像生成流程。重点不是反复修一张图，而是先把条件写清楚，再通过批量生成提高命中率。

30 秒看懂这套方法

GPT-image-2 负责理解自然语言并生成高完成度人像。

Claude Code 负责整理提示词、并行执行、收集文件和制作候选画廊。

最有效的顺序是：定义目标 → 批量生成 → 选择主图 → 小幅变化 → 质量检查。

图生图会继承参考图的缺陷；连续编辑次数越多，噪点和边缘问题越容易累积。

最终判断标准不是“看起来很精致”，而是“像真实相机拍摄，并且细节彼此一致”。

1. 为什么把 Claude Code 与 GPT-image-2 组合使用

单张图片不难生成，真正耗时的是反复比较：调整人物特征、测试不同构图、生成多个候选、整理结果、再决定下一轮方向。

这套组合把工作分成两部分：

GPT-image-2：负责画面理解与生成，尤其适合直接接收中文或日文描述。

Claude Code：负责把模糊想法转换为结构化提示词，并完成批量执行、文件归档和候选展示。

这样做的价值不只是自动化，而是让人把精力留给最重要的环节：判断哪张脸、哪种气质和哪种画面最接近目标。

2. 环境配置

安装 Codex CLI

在终端执行：

登录并检查状态

浏览器认证完成后，确认终端显示已通过 ChatGPT 账户登录。

给 Claude Code 约定执行方式

可以在项目说明或技能文件中加入以下规则：

这段约定只需要配置一次，之后可以直接用自然语言提出生成需求。

3. 三种基本操作

新建图片

适合从零确定人物、服装、场景和光线。提示词应说明主体、环境、动作、镜头和质量标准。

使用参考图

适合在保留人物身份的前提下调整服装、表情、姿势或地点。参考图应尽量使用已经确认的主图，而不是上一轮的临时结果。

收集与比较

每轮生成后，将图片按任务和批次归档，并制作统一尺寸的候选画廊。判断图片时先看整体气质，再放大检查皮肤、头发、眼睛、手部和边缘。

4. 五步成片流程

把人物、场景和画质要求合并为一份完整提示词。

使用相同条件批量生成多个随机候选。

选定最符合目标的人物，进行有限的服装与场景变化。

发现质量衰减时停止叠加编辑，返回完整提示词重新生成。

使用统一检查表确认最终主图。

5. STEP 1：先把目标写成结构化提示词

把提示词拆成三个模块会更稳定。

人物模块

说明年龄区间、面部气质、发型、妆容、肤质和需要避免的风格。不要只写“漂亮”，要解释希望呈现的真实特征。

场景模块

说明服装、地点、动作、表情、构图和光线方向。光源越清楚，人物与背景越容易形成一致的空间关系。

真实感模块

要求保留自然皮肤纹理、正常眼睛比例、细碎发丝和轻微的不完美；同时限制过度锐化、塑料皮肤、复杂轮廓光和广告海报式照明。

可直接改写的模板：

提示词中应同时写出“想要什么”和“不要偏向什么”。相比堆叠“8K”“杰作”等泛化词，具体描述照片应有的质感更有效。

6. STEP 2：批量生成，再选择人物

不要在第一张结果上立刻开始修改。使用同一份完整提示词生成 6 张左右的候选，让随机性帮助你探索脸型、表情、构图和光线的上限。

筛选时建议按以下顺序判断：

人物面部与整体气质是否符合目标。

眼睛、嘴部和脸型是否自然。

光线和肤质是否可靠。

构图、服装和背景是否便于后续调整。

脸型与气质最值得优先选择，因为它们是后续保持身份一致性的基础；服装和场景反而更容易修改。

7. STEP 3：保持同一人物，只改一个变量

选定主图后，把它作为固定身份参考。每一轮只改变一类变量，例如只换服装、只换地点，或只调整表情。

同人物变化模板：

服装变化示例

场景变化示例

如果身份开始漂移，应回到最初确认的主图，不要把刚生成的变化图继续作为下一轮参考。

8. STEP 4：发现画质衰减时，停止继续修补

图生图不仅会继承构图和人物，也会继承参考图中的噪点、锐化痕迹、皮肤纹理错误与边缘缺陷。连续多轮编辑后，常见表现包括：

皮肤和头发出现颗粒感。

边缘越来越硬，细节像被重复压缩。

提高清晰度反而让噪点更明显。

人物虽然相似，但整体透明感逐轮下降。

连续编辑后的质量衰减

这时不要继续要求“去噪”“增强画质”。正确做法是把已经确认的人物、服装、场景和光线条件写回 STEP 1 的完整提示词，取消参考图，从零生成一批新候选。

从完整条件重新生成后的结果

实践中可以把两轮图生图当作提醒线：如果第三轮仍需要大改，通常说明当前分支已经不适合继续累积编辑。

9. STEP 5：用七项检查表确认主图

定稿前逐项检查：

皮肤：是否保留细微纹理，而不是均匀的塑料表面。

眼睛：尺寸是否符合真人比例，反光是否对应主要光源。

头发：是否存在细碎发丝、轻微不规则和自然边缘。

表情：是否自然放松，避免标准化商业笑容。

光线：人物和背景是否共享同一受光方向。

背景：信息密度是否适中，不与人物竞争注意力。

边缘：头发、手指、服装和背景连接处是否自然。

七项全部通过后，将这张图片设为主图。今后的身份变化都回到这张主图，而不是引用中间版本。

10. 三个高频问题

安全过滤导致生成失败

涉及露肩或清凉服饰时，应明确它属于日常穿搭、夏季时尚或杂志人像，并写明自然、得体、非性化。重点是解释服装所处的正常场景，而不是试图绕过限制。

“高质量”词语让画面更假

“8K”“超高清”“杰作”等词容易把画面推向广告海报、强锐化和陶瓷皮肤。改用可观察的摄影条件：自然层次、单一光源、不过度锐化、真实皮肤和正常镜头质感。

同一张脸难以保持

同时明确轮廓、五官比例、眉眼关系、鼻形和唇形；并始终使用固定主图作为参考。只写“同一个人”通常不足以约束身份特征。

11. 可直接执行的工作清单

写出人物、场景、光线和真实感四组条件。

从零并行生成约 6 张候选。

优先选择脸型和气质最合适的一张。

将其保存为固定主图。

每轮只修改一个主要变量。

图生图最多连续进行两轮。

出现噪点或身份漂移时，从完整提示词重新生成。

用七项检查表完成最终确认。

总结

高质量人像不是靠无限次修补得到的。更稳定的方法是把审美目标转成具体条件，用批量生成扩大选择空间，再把精修限制在少量、明确的变化上。

记住这条主线：写清楚 → 多生成 → 先选择 → 少修改 → 严检查。