有人把GPT-Image2的 2000 条高质量提示词整理开源了

GPT-Image-2 出来以后，所有人的第一反应是这玩意儿真能打。但玩了两天你会发现，同样的模型，别人的出图质量甩你三条街。原因不在模型，在 prompt。

OpenAI 的文档里给的那几个示例根本不够用，网上搜出来的提示词又杂又碎。这周有个仓库把这件事系统性地解决了，还顺手冲到了 4.5K Star。

01

专门给 GPT-Image-2 做的提示词引擎

EvoLinkAI 这个 awesome-gpt-image-2-prompts 仓库，干的事情很直接——把 GPT-Image-2 能用的最高质量提示词全部整理出来，按场景分类，带出图效果预览，直接能抄。

目前收录了 2000 多个提示词，覆盖肖像、海报、UI 线框图、角色设定表这些主流场景。每个提示词都配了实际出图效果，不用盲试。

最实用的一点是，所有这些提示词都是直接能喂给 OpenAI API 的，不是那种玄学式的艺术描述，而是结构化的、可复现的 prompt。

            https://github.com/EvoLinkAI/awesome-gpt-image-2-prompts
          

在线预览：
            https://evolink.ai/gpt-image-2-prompts
          

川普大战哈梅内伊

02

几个值得说的细节

提示词按场景分了大类，找起来不费劲。肖像类、海报类、UI mockup 类、角色设计类，各自独立，用哪个取哪个。

带出图预览。这点很关键——你知道这个 prompt 跑出来长什么样，不用拿自己的 API quota 去盲试。

支持 10 种语言。README 有英、德、西、法、日、韩、葡、俄、土、简体中文、繁体中文共 11 个版本，同步更新。显然是为了让更多人能直接用自己的语言理解 prompt 设计思路。

数据存在 JSON 文件里。
gpt_image2_prompts.json
这个文件是结构化的，想接进自己的应用里直接用也行，不用爬页面。

社区在持续投喂。6 个 open issue，399 个 fork，说明不只是在看，真的有人在往里加内容。

大把案例，直接一键copy：

03

怎么用

最简单的用法，直接抄 prompt 往 OpenAI API 里丢：

import openai

client = 
            openai.OpenAI()
          


response = 
            client.images.generate(
          

    model="gpt-image-2",

    prompt="a cinematic minimal portrait of a woman, neon convenience store lighting, 35mm film grain",

    size="1024x1024",

    quality="high"

)


print(
            response.data[0].url)
          

想批量玩，直接把仓库里的
gpt_image2_prompts.json
读进来，遍历跑一遍，哪个出图效果符合预期就留用。

如果想研究 prompt 设计思路而不是单纯抄，建议重点看肖像和海报这两类。GPT-Image-2 对灯光、材质、镜头感的描述理解得很到位，这些 prompt 的写法本身就有学习价值。

项目信息

GPT-Image-2 这波之后，提示词工程会分成两层：一层是知道怎么描述，一层是知道哪个描述在 GPT-Image-2 上真的出效果。这个仓库干的，是把第二层直接开源了。

如果你这周打算玩 GPT-Image-2，先翻一遍这个库再动手，能省不少 quota。