OpenAI publica 14 reglas para reducir la varianza en la generación de imágenes (prompts incluidos)

Quieres crear imágenes con la misma atmósfera, pero cada vez sale una imagen diferente.

Cuando alineas tres miniaturas, parecen hechas por tres personas distintas. Quieres mantener a la misma persona de antes, pero su cara cambia. Aunque escribas «lo mismo que la última vez», parece que no funciona en absoluto.

Este es el muro contra el que choca la mayoría de las personas que empiezan a usar la generación de imágenes con IA para trabajar.

Sin embargo, esto no está pasando porque tus prompts sean malos. La causa es mucho más simple: los escribes desde cero cada vez.

Además, OpenAI ha dado oficialmente una respuesta a este problema. Se ha publicado una plantilla que desglosa los prompts de imagen en 14 elementos. Incluye 11 tipos para diferentes usos, 8 tipos para edición y ejemplos ya resueltos.

Estas son las cuatro cosas que voy a compartir:

• El texto completo de los 14 elementos de la plantilla oficial y qué escribir en cada uno.
• Una lista de 11 tipos para especificar el caso de uso en una palabra y 8 tipos para edición.
• El método oficial para seguir generando la «misma cara» y el «mismo estilo».
• Una forma de evitar pegar esa plantilla cada vez (incluido un registro de cómo lo ejecuté realmente).

La segunda mitad se basa en mediciones reales. Pasé una imagen de referencia, creé una plantilla y pasé por el proceso de crear un documento de 10 páginas. Escribiré exactamente cuánto tardó, el hecho de que lo rehíce 7 veces y cómo descubrí que no deberías usar ImageGen directamente para crear documentos.

Primero, aquí está el objeto en cuestión. Este es el marco oficial.

Texto original oficial (del Shared Prompt Scaffolding de la skill imagegen de OpenAI)

1Use case: <taxonomy slug>
2Asset type: <where the asset will be used>
3Primary request: <user's main prompt>
4Input images: <Image 1: role; Image 2: role> (optional)
5Scene/backdrop: <environment>
6Subject: <main subject>
7Style/medium: <photo/illustration/3D/etc>
8Composition/framing: <wide/close/top-down; placement>
9Lighting/mood: <lighting + mood>
10Color palette: <palette notes>
11Materials/textures: <surface details>
12Text (verbatim): "<exact text>"
13Constraints: <must keep/must avoid>
14Avoid: <negative constraints>

Fuente: https://github.com/openai/skills/blob/main/skills/.system/imagegen/SKILL.md

Con solo verlo, podrías pensar «está en inglés» y detenerte, así que de aquí en adelante traduciré cada elemento al español y explicaré cómo llenarlos. Al final, te daré una versión en español de la plantilla que puedes copiar y usar tal cual.

La razón por la que varía cada vez no es que tus prompts sean malos

La causa está en la estructura de las instrucciones, no en el contenido.

Escribes «crea una imagen de cabecera elegante para el blog» en texto libre. Al día siguiente, escribes «imagen de cabecera simple y moderna». En la mente de un humano, estas están pensadas como la misma orden, pero son dos instrucciones diferentes.

La primera solo tiene «elegante» como pista. La segunda tiene «simple» y «moderna». Las partes que no especificas las rellena la IA cada vez. Como la forma de rellenarlas es diferente cada vez, las imágenes son diferentes cada vez.

⚡ No es la IA la que vacila; son nuestras instrucciones.

Aquí es donde entran los 14 elementos. Si los elementos están fijos, puedes ver de un vistazo dónde olvidaste llenar algo. Si abres el archivo anterior y solo reescribes las líneas que quieres cambiar, todo lo demás será igual que la última vez.

Deja de «escribir» prompts cada vez y cambia a «rellenarlos». Esa es la esencia de esta discusión.

La política oficial es «no expandir arbitrariamente»

Hay otra filosofía de diseño que es útil conocer.

La definición oficial de la skill dice:

1If the prompt is already specific and detailed, preserve that specificity and only normalize/structure it. If the prompt is generic, you may add tasteful augmentation when it will materially improve the result.

Fuente: https://github.com/openai/skills/blob/main/skills/.system/imagegen/SKILL.md

Si la instrucción es específica, mantén esa especificidad y solo organiza la estructura. Solo cuando la instrucción es vaga se permite añadir elementos en la medida en que el resultado mejore. Así está decidido.

En otras palabras, cuanto más detallado escribas, menos discreción tiene la IA. Menos discreción significa menos variación.

Por el contrario, para instrucciones vagas, la IA está oficialmente autorizada a «ser útil y añadir cosas». Las partes añadidas por buena voluntad son diferentes cada vez. Esta es la fuente de la variación.

📌 Por lo tanto, los 14 elementos son herramientas para dar información a la IA y, al mismo tiempo, herramientas para quitarle libertad a la IA. Si lo ves así, no la usarás incorrectamente.

Antes de eso: probablemente ya tienes esta herramienta

No se requiere instalación.

imagegen es una «skill de sistema» que ha estado en Codex desde el principio. No es algo que los usuarios agreguen después; está lista para usar desde el momento en que se inicia. No se requieren contratos adicionales ni claves de API.

En la descripción oficial, el comportamiento predeterminado es un modo que usa la herramienta integrada image_gen, que se ve así:

Herramienta integrada (predeterminada): no requiere OPENAI_API_KEY.

Una clave de API solo se necesita para la alternativa de CLI (scripts/image_gen.py), que se ejecuta solo cuando se solicita explícitamente. Para uso normal, no importa.

⚠️ Aquí es donde tropieza el 90% de la gente: el símbolo de invocación es diferente según el lugar.

Si no sabes esto, te quedarás atascado en la primera línea. La documentación oficial lo describe así:

1In Codex CLI or the IDE extension, run /skills or type $ to mention a skill.

1In ChatGPT Work, use @skill-creator format.

Fuente: https://learn.chatgpt.com/docs/build-skills

En Codex CLI y las extensiones de IDE, es $. En ChatGPT Work, es @.

Aunque es la misma función, el símbolo de invocación es diferente. Cuando el procedimiento que encontraste en línea no funciona, normalmente es solo que la pantalla en la que estás es diferente de la pantalla del artículo. La gramática no está mal.

La documentación oficial también enumera dónde se puede usar:

1Standalone skills are available in the ChatGPT desktop app, Codex CLI, and IDE extension. Skills bundled in plugins are also available in Chat and Work across ChatGPT on the web, desktop, and mobile.

Fuente: https://learn.chatgpt.com/docs/build-skills

Aplicación de escritorio, Codex CLI y extensión de IDE. Estos tres son el campo de acción de las skills independientes.

🎯 Incluso quienes no pueden usar la skill pueden usar la plantilla desde hoy.

Este es un punto importante, así que lo diré claramente. Para las personas que no usan Codex ni la aplicación de escritorio, imagegen en sí es irrelevante. Si solo abres ChatGPT en un navegador, no aparecerá nada si escribes $.

Sin embargo, la plantilla de 14 elementos es solo un formato de texto. Puedes pegarla directamente en el campo de entrada de generación de imágenes de ChatGPT, Gemini o Claude en el navegador. La skill es solo un «mecanismo que escribe en este formato por ti», y el formato en sí puede ser usado por cualquiera.

Por lo tanto, el valor de este artículo no cambia dependiendo de si puedes usar la skill. Quienes puedan usarla, que la tomen como automatización; quienes no, que la tomen como una plantilla de copiar y pegar.

Plantilla de prompt: los 14 elementos

De aquí en adelante está el cuerpo principal. Veamos para qué sirve cada campo, en orden. Son 14 elementos, pero no necesitas llenarlos todos. Es solo una relación donde la IA complementa las partes que no llenaste. Basta con llenar solo los elementos donde la variación te causa problemas.

1. Use case Este es el campo para especificar el género de la imagen usando una palabra fija. En lugar de palabras libres, eliges entre las palabras preparadas por el equipo oficial (taxonomy slug). Hay 11 tipos en total, como product-mockup, ui-mockup y logo-brand. La lista se resume en un capítulo más adelante. Decidir esto primero determina automáticamente cómo llenar los elementos siguientes. Si es una foto de producto, necesitas iluminación. Si es un diagrama, necesitas texto. Una vez decidido el caso de uso, los campos necesarios también quedan decididos.

1. Asset type Escribe dónde se colocará finalmente la imagen. «Imagen de cabecera de blog», «Fondo de héroe de página de aterrizaje», «Icono de UI de juego». Si el caso de uso (n.º 1) es una categoría principal, este es el lugar de instalación real. Incluso para el mismo estilo de imagen tipo foto, los márgenes requeridos y la relación de aspecto cambian dependiendo de si se coloca en una cabecera o en un icono. Este es el campo para transmitir eso.

1. Primary request Este es el campo para poner el «haz esto» que normalmente escribes en texto libre. En la explicación oficial, es <user's main prompt>. En otras palabras, estos 14 elementos no son un mecanismo para descartar el texto libre. Es una estructura donde colocas el texto libre en el campo n.º 3 y alineas condiciones a su alrededor. Si esto está vacío, nada comienza. Por el contrario, si solo llenas esto, es el mismo estado de antes.

1. Input images Cuando pasas imágenes que tienes a la mano, este es el campo para escribir qué papel juega cada una. El formato oficial es <Image 1: role; Image 2: role>. Declaras el número y el papel como un conjunto, como «La imagen 1 es una foto de persona, la imagen 2 es una referencia de ropa». Como es un elemento opcional, puedes dejarlo vacío cuando creas desde cero. Sin embargo, cuando quieres seguir generando a la misma persona, este campo se convierte en el protagonista. Más sobre esto en el capítulo de edición.

1. Scene/backdrop El entorno donde se coloca la imagen. «Sobre una mesa de madera», «Dentro de un hangar industrial», «Gris claro con una textura ligera». Puede ser un lugar real o un fondo abstracto. Si no escribes el fondo, cambiará cada vez. La razón por la que la atmósfera de las miniaturas no coincide suele ser porque este campo está vacío.

1. Subject Qué colocar en el centro de la pantalla. Puedes escribir no solo el objeto en sí, sino también cómo se coloca, como «Una botella única colocada en el centro, con un ligero reflejo». El punto es escribir el fondo (n.º 5) y el sujeto (n.º 6) por separado; si los combinas en una sola oración, la IA no podrá juzgar cuál priorizar.

1. Style/medium ¿Es una foto, una ilustración o 3D? En los ejemplos oficiales, se escribe con una granularidad como «ilustración mate», «arte conceptual cinematográfico» o «diagrama estilo vectorial». «Elegante» y «moderno» no son palabras para poner aquí. Piensa en ello como un campo para escribir el nombre de la técnica.

1. Composition/framing ¿Es un plano general o un primer plano, desde directamente arriba, y dónde colocar al sujeto? El ejemplo oficial tiene una forma de escribir como «composición amplia con espacio negativo utilizable para el texto de la página». Esto significa una composición horizontal con márgenes a la izquierda y a la derecha para colocar texto. Este campo es efectivo para imágenes donde añadirás texto después, como miniaturas o cabeceras. Si no reservas los márgenes primero, el sujeto ocupará toda la pantalla y el texto no cabrá.

1. Lighting/mood ¿Es luz suave de la mañana, iluminación de estudio o rayos de luz en la niebla? Los ejemplos oficiales usan expresiones como «luz suave de la mañana», «iluminación de softbox, reflejos limpios, sombras controladas» y «rayos de luz volumétricos atravesando la niebla». Si quieres estabilizar la apariencia de foto, la forma más rápida es fijar las mismas palabras aquí cada vez.

1. Color palette La política para los colores a usar. «Colores de marca», «colores neutros sobrios», «verde profundo y blanco roto». Pueden ser nombres de colores específicos o una dirección. Si quieres mostrar consistencia de marca, escribe tus colores aquí y fíjalos. Solo esto alineará la impresión cuando se vean juntos.

1. Materials/textures La textura de la superficie. Escribe información relacionada con cómo rebota la luz, como «plástico mate, etiqueta claramente impresa». Este campo es efectivo para fotos de producto y se puede omitir para paisajes o ilustraciones sin problema.

1. Text (verbatim) Un campo para escribir el texto que se incluirá en la imagen exactamente como es. El punto es que el formato oficial es Text (verbatim): "<exact text>", y verbatim significa «exactamente como en el original». Pasas la cadena exacta que quieres generar, encerrada entre comillas, no un contenido resumido. En el ejemplo oficial para un diagrama, está escrito así:

1Text (verbatim): "Bean Hopper", "Grinder", "Brew Group", "Boiler", "Water Tank", "Drip Tray"

Fuente: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

A menudo escuchamos que el texto en las imágenes de IA sale distorsionado, pero en muchos casos, el texto exacto que se debía incluir ni siquiera se pasó correctamente en primer lugar. Solo llenar esto puede cambiar el resultado.

1. Constraints Un campo para enumerar «mantén esto» y «no hagas esto». El conjunto más común en los ejemplos oficiales es «sin texto; sin logotipos; sin marca de agua». Para imágenes destinadas a tener texto añadido después, incluir estos tres cada vez reduce accidentes. Evita que la IA añada lemas en inglés por su cuenta.

1. Avoid Mientras que el n.º 13 es para condiciones generales, este campo se reduce a «cosas que no quieres generar». Degradados, 3D, estar colocado dentro de un mockup. En el ejemplo oficial para un logotipo, está escrito como «sin degradados; sin mockups; sin 3D; sin marca de agua». Como los papeles se superponen con el n.º 13, a menudo solo se usa uno en las plantillas oficiales reales. En lugar de distinguirlos estrictamente, basta con entender que «hay dos lugares para escribir cosas que quieres que deje de hacer».

Especifica el caso de uso en una palabra. 11 tipos preparados oficialmente

Esta es una lista de palabras para poner en el n.º 1 Use case. En la colección de ejemplos oficiales, se enumeran 11 tipos para generación.

• photorealistic-natural (fotos realistas, escenas naturales)
• product-mockup (fotos de producto, empaques)
• ui-mockup (maquetas de diseño de pantallas)
• infographic-diagram (diagramas, infografías)
• scientific-educational (diagramas para ciencia y educación)
• logo-brand (logotipos, marcas)
• illustration-story (ilustraciones para historias)
• stylized-concept (arte conceptual estilizado)
• ads-marketing (materiales de publicidad y marketing)
• productivity-visual (visuales para documentos y negocios)
• historical-scene (escenas históricas)

Fuente: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Además de estos, también se preparan plantillas por lugar de instalación. Para sitios web (imágenes héroe, ilustraciones de sección, cabeceras de blog), para juegos (conceptos de fondo, personajes, iconos de UI, texturas), wireframes (PC, páginas de precios, incorporación de smartphones), logotipos (marcas abstractas, monogramas, wordmarks). Para imágenes de cabecera de blog, el ejemplo oficial se proporciona tal cual.

Texto original oficial (ejemplo de recursos web: imagen de cabecera de blog)

1Use case: photorealistic-natural
2Asset type: blog header image
3Primary request: overhead desk scene with notebook, pen, and coffee cup
4Scene/backdrop: warm wooden tabletop
5Style/medium: photorealistic photo
6Composition/framing: wide crop with clean room for page copy
7Lighting/mood: soft morning light
8Constraints: no text; no logos; no watermark

Fuente: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Observa que solo 8 de los 14 elementos están llenos. El propio equipo oficial no los llena todos. Sirve como ejemplo de que solo necesitas llenar los campos necesarios.

Mantener la misma cara y el mismo estilo. 8 tipos para edición

Esta es la respuesta directa a «varía cada vez». En la colección de ejemplos oficiales, hay 8 tipos de casos de uso para editar imágenes existentes.

• text-localization (reemplazar solo texto, como traducción)
• identity-preserve (cambiar mientras se mantiene la identidad de la persona)
• precise-object-edit (reemplazar solo objetos específicos)
• lighting-weather (cambiar solo luz y clima)
• style-transfer (transferir el estilo de una imagen de referencia)
• compositing (componer sujetos de otra imagen)
• character consistency workflow (generar el mismo personaje en una escena diferente)
• sketch-to-render (convertir un boceto en una imagen final)

Fuente: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

El que funciona para el problema de la cara cambiante es identity-preserve. El ejemplo oficial es el siguiente:

Texto original oficial (Edición: identity-preserve)

1Use case: identity-preserve
2Input images: Image 1: person photo; Image 2..N: clothing references
3Primary request: replace only the clothing with the provided garments
4Constraints: preserve face, body shape, pose, hair, expression, and identity; match lighting and shadows; keep the background unchanged; no accessories or text

Fuente: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

La parte clave es la línea de Constraints. Preserve face, body shape, pose, hair, expression, and identity. Match lighting and shadows. Keep the background unchanged. En otras palabras, en lugar de decir «haz que sea la misma persona», enumera las cosas que quieres que sean iguales por su nombre. Esta forma de escribir es la respuesta oficial.

🔥 Si vas a generar muchos personajes, usa este formato

Para usos como miniaturas de series o generar a la misma persona muchas veces, hay un formato más detallado.

Texto original oficial (Edición: flujo de consistencia de personaje)

1Use case: identity-preserve
2Input images: Image 1: previous character anchor illustration
3Primary request: continue the story with the same character in a new scene and action
4Scene/backdrop: snowy forest after a winter storm
5Subject: same young forest hero gently helping a frightened squirrel out of a fallen tree
6Style/medium: same children's book watercolor illustration style as Image 1
7Constraints: do not redesign the character; preserve facial features, proportions, outfit, color palette, and personality; no text; no watermark

Fuente: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

El término «ancla de personaje» (character anchor) utilizado aquí es la clave. Especificas una imagen que sirve como estándar como «ancla», y de ahí en adelante, solo indicas las diferencias desde allí. El punto de que el campo Style/medium diga «mismo estilo de ilustración en acuarela de libro infantil que la Imagen 1» también es importante; no explica el estilo con palabras. Lo especifica por referencia como «igual que la Imagen 1». Intentar reproducir un estilo con palabras siempre conduce a desviaciones. Señalar por referencia es más preciso.

Si solo quieres alinear el estilo, usa style-transfer

Si quieres alinear el tono general en lugar de la persona, usa este.

Texto original oficial (Edición: style-transfer)

1Use case: style-transfer
2Input images: Image 1: style reference
3Primary request: apply Image 1's visual style to a man riding a motorcycle on a plain white backdrop
4Constraints: preserve palette, texture, and brushwork; no extra elements

Fuente: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Preserve palette, texture, and brushwork. No añadas elementos extra. Si tienes una imagen que te gusta a la mano, colócala en la Imagen 1 y luego intercambia el contenido. El tono y la manera de la marca serán más estables en este formato.

Versión en español de la plantilla que se puede usar tal cual

Los dos siguientes no son los prompts en sí distribuidos por el equipo oficial. Están reconstruidos en una forma que se puede llenar en español basándose en la estructura de elementos oficial citada anteriormente. Los nombres de los elementos conservan las etiquetas oficiales en inglés.

★ Aplicación (Creada basándose en la estructura de elementos oficial. No es un prompt distribuido por el equipo oficial)

1Use case:
2Asset type:
3Primary request:
4Input images:
5Scene/backdrop:
6Subject:
7Style/medium:
8Composition/framing:
9Lighting/mood:
10Color palette:
11Materials/textures:
12Text (verbatim):
13Constraints: sin texto; sin logotipos; sin marca de agua
14Avoid:

Crea solo uno de estos en un archivo de texto y guárdalo. Desde la próxima vez, abre este y reescribe solo las líneas que quieras cambiar. Si lo llenas para una miniatura, se verá así:

★ Aplicación (Basada en el ejemplo oficial de recursos web / cabecera de blog, reconstruida en español)

1Use case: photorealistic-natural
2Asset type: Imagen de cabecera de artículo de blog (horizontal)
3Primary request: Composición mirando el escritorio desde arriba, en diagonal. Cuaderno, bolígrafo y taza de café
4Scene/backdrop: Escritorio de madera cálido con veta visible
5Subject: Cuaderno ligeramente a la izquierda del centro, taza en el primer plano derecho
6Style/medium: Foto realista
7Composition/framing: Horizontal. Dejar márgenes a la derecha para colocar el título
8Lighting/mood: Luz natural suave de la mañana
9Color palette: Esquema de colores tranquilo, centrado en marrón madera y blanco roto
10Constraints: sin texto; sin logotipos; sin marca de agua

Desde la segunda vez, reescribe solo las dos líneas: Primary request y Subject. Mantén todo lo demás como estuvo la última vez. Esto alineará la «misma atmósfera de antes». El truco es decidir qué líneas arreglar y cuáles cambiar al principio. Creo que la asignación de fijar las cuatro líneas de fondo, estilo, luz y paleta de colores, y mover solo el sujeto y la composición, es la más fácil de manejar.

Si pegar la plantilla cada vez es una molestia, puedes crear tu propia plantilla completa

De aquí en adelante están los registros de lo que realmente ejecuté. Honestamente, es un dolor copiar y pegar los 14 elementos cada vez. Se preparó un mecanismo para resolver eso en el lado de Codex. Cuando agregas Image Gen al campo de entrada, aparece un contenedor llamado Template Gallery. Puedes colocar tus propias plantillas aquí. Al crearla, le pedí al Template Creator así:

★ Aplicación (Instrucciones que realmente envié. No es un prompt distribuido por el equipo oficial)

1Usa el Template Creator para crear una nueva plantilla de imagen para ImageGen. Primero, explica cómo funciona la plantilla y cómo usarla. Luego, solicita la subida de una imagen de referencia PNG y pregúntame cuándo y cómo usar la plantilla si es necesario.

La respuesta llegó en 27 segundos. Fue bueno que preguntara dos cosas primero en lugar de comenzar el trabajo de repente. La primera fue «¿Quieres que la plantilla se incline hacia el diseño de toda la diapositiva, o quieres usarla para generar ilustraciones y diagramas?». La segunda fue «¿El uso principal está más cerca de un informe de investigación, materiales de seminario, materiales de ventas o un carrusel de redes sociales?». Estas dos preguntas son los puntos de ramificación para el diseño. Incluso con el mismo «querer alinear el diseño», la plantilla resultante cambia dependiendo de si estás creando un visual completo o una imagen destinada a tener texto colocado en los márgenes. Tiene sentido que esto se decida primero.

⚠️ La verdadera identidad no era «registro de plantilla» sino «guardado de skill»

Yo también lo malinterpreté hasta la mitad, así que lo diré claramente. No es que haya un mecanismo de registro de plantillas como Canva dentro de ImageGen. Según Codex, en realidad era un mecanismo donde las reglas para imágenes de referencia, paletas de colores, expresiones y diseños se guardan como una «skill» en Codex y se invocan desde ImageGen. Una skill es un flujo de trabajo reutilizable que combina instrucciones, materiales de referencia, scripts, etc. La explicación oficial está aquí.

Fuente: https://developers.openai.com/plugins/concepts/skills.md

Por lo tanto, el acto de crear una plantilla es esencialmente hacer crecer una skill dedicada a ti mismo. Si cambias a este entendimiento, la siguiente parte tiene sentido.

Cómo invocar la plantilla creada

Cuando se completa, la plantilla se nombra y se pone en la galería. Desde la próxima vez, puedes invocarla de dos maneras:

• Agrega Image Gen al campo de entrada y elige de la galería
• Especifica directamente el ID que comienza con $artifact-template-

También puedes invocarla por nombre. Escribir «Crea con el diseño de (nombre de la plantilla)» funcionó. 📌 En otras palabras, los 14 elementos son un «formato escrito a mano», y la plantilla es «ese formato guardado como skill». En cuanto al orden, es más seguro escribir a mano primero para comprender el formato y luego convertirlo en una plantilla. Si creas una plantilla de repente, no podrás explicar qué arreglaste tú mismo.

Si estás haciendo documentos, no deberías usar ImageGen directamente

Este fue el descubrimiento más importante esta vez. Ahora que la plantilla estaba lista, intenté que creara un documento de 10 páginas. Como resultado, pudo crearlo, pero cuando le pregunté al propio Codex «cuál es la forma correcta de pedirlo en el futuro», obtuve una respuesta diferente a la que esperaba. Usar ImageGen directamente es adecuado para la producción de imágenes individuales. Específicamente, cuando quieres hacer una ilustración, cuando quieres hacer solo una imagen de portada, cuando quieres arreglar el color o la composición de una imagen existente, o cuando quieres generar una propuesta de diseño como prueba. Por el contrario, no es adecuado para la producción de un documento completo. La razón también fue clara. Es porque es difícil gestionar colectivamente la investigación, el diseño de estructura de 10 páginas, la unidad entre páginas y la conversión a PowerPoint y PDF.

🎯 ImageGen es una herramienta especializada para una sola imagen. Deja el documento a la skill. Si le pides que cree un documento sin conocer esta línea, será un desvío.

La forma correcta de pedirlo es «instruir todo con una skill y hacer que use ImageGen dentro de eso»

La división de roles fue la siguiente:

• Plantilla de diseño (la que hiciste tú mismo): reproduce la paleta de colores, la decoración y el mundo visual
• Skill para generación de diapositivas: responsable de la investigación, la estructura, la generación de imágenes, la verificación y la conversión a PPTX y PDF
• ImageGen: realmente genera las imágenes completas para cada página

Si especificas los dos primeros y lo envías, ImageGen se invoca internamente. Esta es la forma de escritura que realmente se me guió:

★ Aplicación (La forma de especificación guiada por Codex. La parte del tema está oculta y generalizada)

1Usando $imagegen-slide-deck y $artifact-template-(nombre de tu plantilla), crea un documento de 10 páginas sobre el tema «XX». Con el mismo diseño de esta vez, guarda el PowerPoint y el PDF con el título oficial como nombre de archivo.

Si solo es suficiente la reproducción del diseño, el lado de la plantilla por sí solo basta.

★ Aplicación (Igual que arriba)

1Usando $artifact-template-(nombre de tu plantilla), crea una presentación de 10 páginas sobre el tema «XX». Investiga el contenido y guárdalo como PowerPoint y PDF.

⚡ El PPTX resultante no permite editar su texto

Si no sabes esto, seguramente ocurrirá un accidente. El PowerPoint que sale de esta manera tiene cada página como una imagen completa. En otras palabras, incluso si abres el PowerPoint, no puedes reescribir el texto directamente. Hay un truco, y me dijeron que si declaro claramente «en un PowerPoint con texto editable» al solicitarlo, estará bien. Para documentos que quieras ajustar tú mismo antes de distribuirlos, agrega esto desde el principio. También se necesita atención con el nombre del archivo. Si lo dejas solo, se guardaba con un nombre genérico como deck.pptx. Me aseguro de escribir «guardar con el título oficial como nombre de archivo» cada vez.

Haz que las fuentes se incluyan en las notas del presentador

Esto fue sutilmente efectivo, así que lo escribiré. Pude hacer que las URLs de las fuentes investigadas se pusieran en las notas del presentador de PowerPoint. Como puedo seguir «