Codex图片Skill实操：废片秒变小红书爆款海报

做小红书店铺或种草号的卖家，应该都有过这种体验。自己拍的实拍图、买家秀，光线一般、构图杂乱，直接发出去没什么点击。请设计师修图，一张几十上百块，量大根本扛不住。

把照片丢给AI生图工具，又常得到过度滤镜化、塑料感强的图，反而掉档次。图片Skill这种新玩法，恰好卡在这个痛点上——它不追求把照片变华丽，而是用设计规则把画面做“减法”，让普通照片拥有纸质刊物的质感。

这套逻辑对电商内容生产挺有参考价值，下面用真实操作记录拆解具体怎么落地。

Codex图片Skill是什么，怎么安装使用

Skill本质是一份跑在Codex这类Agent平台上的“工作流契约”。放到图片生成场景，你提供原图，Skill规定怎么重新设计——用啥构图、选什么底色、保留哪些元素、文字放哪、最后怎么检查生成结果。它像一位设计师在模型耳边提醒：这里留白，那里只保留一种强调色，这部分别照搬原图，那部分必须真实。这些原本靠设计师临场判断的选择，被写成可重复调用的规则文件。

安装方法不复杂。打开Codex，把Skill的GitHub链接发给它完成安装，之后上传照片、调用对应Skill，等AI生成就行。以下是几套亲测可用的图片Skill仓库：

实测中，把一张横道河子拍的雪乡街景拖进Skill，原本黄黑限高架、行人、房屋电线挤在一起的画面，被处理成版画质感。房屋山体退到背景，前景杂物被舍弃，限高架成为唯一醒目颜色，整体变成带纤维纹理的米白纸面海报。这种化繁为简的能力，对电商主图、详情页配图很有借鉴意义。

不同Agent跑同一Skill，效果差在哪

同一套Skill放到不同Agent里，生成结果差异明显。把上述Skill分别交给GPT聊天版和豆包Agent，用相同原图和默认提示生成，结果如下：

GPT的整体完成度更高。

能理解Skill规定的基本形态——留白、纸张肌理、单一强调色，以及真实照片与拼贴区域的关系。但它的理解停留在整体视觉形式，没有像Codex那样把原图里的限高架、人物、房屋分别提取处理，更像是把整张照片放进一套版式里。

豆包对Skill和原图的理解更弱。

其中一张甚至没用原照片，重新生成了相似的雪地铁路场景；另一张虽然保留原图，但撕纸、山体剪影和照片像简单叠放，具备纸张拼贴形式，却缺少设计与原图间的呼应。

这个差异说明Skill的作用边界：它给出的是仍需Agent理解和执行的设计规则，最终画面因Agent解读不同而变化。电商卖家如果要批量生产内容，建议固定用Codex跑图，效果更稳定可控。

图片Skill的审美逻辑：约束比美化更重要

打开Skill文件夹，里面只有SKILL.md、说明文档和几张示例图，没有负责抠图或排版的程序。那些像经过Photoshop逐层处理的效果，并非代码一步步执行出来的。Skill真正做的事是：先替模型完成一轮设计决策，再把这些决定写进Prompt，交给图像模型生成。

这些图为什么显得有审美？

拆开看，关键在它规定了元素出现的位置、比例和关系。第一步不是美化，而是删减信息——“不要复述所有信息，只留下一个可以被画出来的中心概念”。第二步是留白比例，“画面中70%—90%应该是空白纸面，主要视觉簇只占大约8%—25%”，这个悬殊比例让主体在空白中获得重量。第三步是材质处理，“灰度照片和纸张碎片可以使用低对比度、复印柔化、撕裂边缘、半调网点、Riso印刷颗粒、油墨渗出”等。

更有意思的是，Skill花大量篇幅告诉模型“不要做什么”：不要让主体铺满画面，不要商业海报式大标题，不要产品广告布局和Logo，排除光面样机、电影感光照、3D渲染、赛博朋克这些模型最爱用的视觉套路。它在规定审美，也在阻止模型滑向最省事的商业模板。

对电商卖家的启发是：与其追求AI生成“好看”的图，不如先明确“不要什么”。把品牌调性、产品风格写成排除项，比堆砌形容词更管用。

结束语

图片Skill带来的核心价值，是降低了把审美落实为作品的门槛。过去做一张有质感的海报，得懂构图、配色、排版，还得会抠图调色。现在这些经验被写进Skill，普通人从成熟审美方案出发就能开始创作。工具解决执行，但最后的选择和判断还得自己来。

Skill让“做得像样”变得便宜，真正拉开差距的，是知道该选择什么、修改什么、什么时候停下。对电商卖家来说，先用现成Skill把内容产量提上去，再慢慢形成自己的视觉风格，这路子走得通。