技能介绍

要解决什么问题

在 Agent 里直接调 OpenAI 的 GPT-Image-2 往往受 API 形态、账号与前端能力限制；而 ChatGPT 网页端已经集成该模型，且对自然语言提示、文字渲染和复杂构图的支持很强。本技能走另一条路：不碰独立 API，而是通过 Chrome DevTools Protocol（CDP） 附着你已打开的 Brave（远程调试端口 9222），在 chatgpt.com 上完成输入、发送、等待生成，并把结果图提取出来交给用户。

如何工作

它与 brave-browser-agent 共用同一浏览器实例——只 attach，不启动、不重启、不关闭浏览器。浏览器侧复用 brave-browser-agent/scripts/cdp_exec.py 与 check_brave.py；ChatGPT 专用逻辑在本技能的 extract_image.py（fetch + blob，避免 canvas/CORS 导致的小图或失败）。

典型流程可以概括为：

检查 9222 是否可用；若无响应，需用户自行用 --remote-debugging-port=9222 重启 Brave
经 CDP 新建或复用 ChatGPT 标签页，确认输入框已就绪
写入增强后的提示词（可补风格、构图、质量关键词），触发发送
轮询截图判断生成是否结束（GPT-Image-2 常见 15～40 秒）
用专用脚本提取图片并返回

相对 Gemini Imagen 等方案，GPT-Image-2 在 图片内文字 与 照片级写实 上更突出；提示词里最好明确带上 “generate/create/draw an image” 之类指令，避免只得到文字回复。

适用边界与注意点

前置条件：Brave 已在 9222 调试、ChatGPT 已登录（免费或 Plus）、Python 3 与 websockets
页面/UI 脆弱性：未加载完会出现 NO_EDITOR；React 未感知输入时可能出现 NO_SEND_BTN，需按 SKILL 建议用 textContent + InputEvent 等方式
额度：免费账号有生成次数限制，遇 rate limit 只能稍后重试或升级 Plus
协作约束：切勿由技能代劳启停浏览器；CDP 报错时一律让用户自行处理 Brave 调试端口