很多人每天都在用 Claude Code 写代码、修改项目，甚至用它完成文章创作，却很少有人意识到，它还能成为一个专属的 AI 图片生产工具。我最近尝试了一套 Claude Code + Codex + GPT Image 的工作流，把文章封面、配图、社交媒体素材等图片生成任务全部整合到一个工作环境中完成。整个流程不需要频繁切换网页，也不用手动下载、整理图片，真正实现了从内容创作到视觉设计的一体化。
过去，我的工作流程一直存在一个明显的断点。文章可以交给 Claude Code 撰写，代码可以交给它修改，但到了图片环节，就必须打开 ChatGPT 或其他图片生成工具，输入提示词、等待生成、下载图片，再将文件移动到项目目录。虽然每次只需要几分钟，但真正浪费的并不是时间，而是不断切换工具带来的注意力中断。对于每天需要创作大量内容的人来说，这种反复切换会持续打乱创作节奏。
后来我发现，只要配合 Codex CLI，Claude Code 完全可以承担图片生成的调度工作。整个流程可以理解为三个角色协同：Claude Code 负责理解文章内容、分析需求和规划视觉方案；Codex CLI 负责执行命令、调用工具并管理文件；GPT Image 则负责最终的图片生成。三者组合之后，你可以直接在 Claude Code 中完成文章封面、信息图、小红书首图、X 长文配图、Newsletter 插图等各种视觉素材，而无需离开当前项目。
如果想体验这套流程，首先需要安装 Codex CLI。可以使用 npm install -g @openai/codex，或者通过 Homebrew 执行 brew install --cask codex 完成安装，然后运行 codex login 登录自己的 ChatGPT 账号。完成授权后，Codex 就能够调用相应能力，不需要再额外配置 API Key（具体以官方支持方式为准）。
完成配置后，真正使用时反而非常简单。例如，你只需要告诉 Claude Code：“使用 Codex 调用 GPT Image，为这篇关于 AI 工作流的文章制作一张科技感封面，并保存到当前项目目录。”随后，Claude Code 会自动分析文章主题、整理视觉方向、生成适合的图片提示词、调用 GPT Image 完成生成，并把图片保存到指定位置。整个过程几乎不需要人工干预，你关注的是最终效果，而不是每一步具体如何执行。
不过，我认为这套工作流真正有价值的地方，并不是自动生成图片，而是可以进一步沉淀为一个属于自己的 AI 图片生成 Skill。很多人习惯保存大量 Prompt，每次生成图片都要重新复制粘贴，告诉 AI 自己喜欢什么风格、需要什么尺寸、图片保存在哪里。这种方式虽然有效，但长期来看效率并不高。相比之下，把这些规则固化到一个固定流程中，让 Claude Code 自动调用，就能真正形成可复用的工作流。
这个 Skill 可以包含自己的品牌风格、常用配色、封面布局、图片比例、提示词模板、文件命名规则以及素材保存位置。以后只需要输入一句“生成这篇文章的配图”，Claude Code 就会按照既定规范完成整个流程，而不需要重复描述所有细节。随着使用次数增加，你的审美、工作习惯和输出规范都会逐渐沉淀下来，AI 输出的结果也会越来越符合你的需求。
这也是 Skill 与普通 Prompt 最大的区别。Prompt 更像一次性的指令，每次都需要重新描述需求；而 Skill 更像一套标准化工作流程，把重复工作全部交给 AI 自动完成。真正高效的 AI 应用，并不是不断优化 Prompt，而是不断优化自己的工作流。
在我看来，这套方案最大的优势还在于明确了不同 AI 的分工。Claude Code 擅长理解文章、分析结构、规划视觉内容；Codex 擅长执行命令、调用工具和管理文件；GPT Image 则专注于图片生成。每个工具负责自己最擅长的事情，整个流程既清晰又高效。
例如，当你完成一篇 AI 教程后，只需要告诉 Claude Code：“根据这篇文章生成 5 张配图。”它可以自动拆解内容，规划封面、流程图、案例展示、数据卡片和结尾引导图，再统一交给 Codex 调用 GPT Image 批量完成生成。这种一次规划、多张输出的方式，比每次只生成一张图片更符合内容创作者的真实需求。同一篇文章还可以同时生成适用于 X、小红书、视频封面、Newsletter 和博客等多个平台的素材，大幅减少重复劳动。
AI 时代，真正拉开差距的已经不是谁拥有更多工具，而是谁拥有更成熟的工作流。Claude Code 不只是一个代码助手，也可以成为整个内容创作流程的中控台。当你把自己的规则、审美和工作方式沉淀成一套可重复使用的 Skill 后，AI 才真正从一个聊天工具，变成能够持续帮助你完成工作的生产力伙伴。
暂无评论内容