把 GPT Image 生图任务收进本地工作台（iLab CONJURE）

围绕 GPT Image 做图，开源项目大致分成两种活儿。一种是把提示词和图攒成资源库，你去找灵感、抄配方；另一种是把模型接进来，帮你把一批图真的跑完、存好、能回捞。iLab CONJURE 属于后一种。

iLab CONJURE 是一个本地优先的多模型 AI 图片生成 WebUI 工作台，支持 GPT Image 与 Gemini，输入提示词、参考图和 API 配置后输出图片、任务历史与可导出的 ZIP。

它原名 iLab GPT CONJURE，最初只围绕 GPT-Image-2 构建；从 v0.7.0 起加入 Gemini 支持并统一更名为 iLab CONJURE，GitHub 仓库也由 ilab-gpt-conjure 改成 ilab-conjure。过渡期的安装包文件名和用户数据目录继续沿用旧名，升级不会新建数据目录，也不会丢原有的任务与图片。

和只发提示词的仓库比，它多出来的地方在任务编排。主要功能有这些：

• 统一模型目录，GPT Image 与 Gemini 共用，覆盖文生图以及模型支持的参考图生成与图像编辑工作流。
• 三种接入方式：Codex Image、Codex Responses，以及 OpenAI 兼容 API 形态的 Images API 或 Responses API。公开或共享使用优先选 API 模式。
• 多任务并发、本地队列状态、分页历史库、缩略图与结果归档。停止任务会中断本地请求和等待中的图片槽位，已生成的图片与历史记录保留，但服务商可能仍继续生成并计费。
• 独立的 /history 页面，走 SQLite 分页，支持搜索、筛选、网格/列表视图和懒加载详情，搜索可命中提示词与任务 ID。
• 历史任务可收藏并添加多个标签，按收藏、标签或无标签筛选，一次最多整理 300 个已选任务；单个或多个任务可导出成一个 ZIP，可选仅图片或图片＋提示词，每张图优先附带自己的优化后提示词。
• 公用图库、最近参考图、颜色 chip、提示词片段 chip 和提示词模板。
• 图像编辑器支持插入输入框里的其他图片、多图层组合、默认锁定比例变换、Shift 自由变换、局部擦除和真实图层缩略图。
• 输出参数支持一键锁定并以只读摘要展示，切换任务不会覆盖当前锁定参数。
• 系统设置整合 API 设置、网络、语言 / Language、存储与通知四个 Tab；语言下拉支持简体中文、正體中文、繁体中文、日语、韩语、English、越南语、西班牙语、葡萄牙语、法语、德语、俄语、意大利语和印地语。
• CLI 支持生成、参考图、图像编辑、mask 和 dry-run。

环境要求是 Python 3.11 或更高版本，WebUI 依赖由 requirements-webui.txt 精确锁定并附带包哈希。源码安装：

git clone https://github.com/kadevin/ilab-conjure.git
cd ilab-conjure
python3 -m venv .venv
.venv/bin/python -m pip install --require-hashes -r requirements-webui.txt

启动 WebUI，macOS 用 open "Start WebUI.command"，Windows 双击 Start WebUI.bat。手动启动写成这样：

.venv/bin/python -m codex_image.webui.server codex_image.webui.app:app --port 8787 --no-access-log

然后在浏览器打开 http://127.0.0.1:8787/，生成结果、队列状态和历史任务都在这个界面里看。当前版本 v0.9.5，标准包的用户数据写入 macOS 的 ~/Library/Application Support/iLab GPT CONJURE 或 Windows 的 %APPDATA%\iLab GPT CONJURE。仓库地址是 https://github.com/kadevin/ilab-conjure ，许可证 AGPL-3.0，主要语言 JavaScript（语言占比 JavaScript 38.1%、Python 30.3%、TypeScript 23.1%），目前 716 star、116 fork。对比一下，同样在做图这件事上，其他几个项目的分工完全不同。

YouMind-OpenLab/awesome-gpt-image-2 是这类资源库里体量最大的一个，收 2000+ 条精选的 GPT Image 2 提示词并保持每日更新。ChaosRealmsAI/gpt-image-2-gallery 换了个角度做成图集，3800+ 张作品分布在 445 个主题下，方便按风格找参考。这两个都不跑生成，给的是文字和成品图。

还有更垂直的两类。EvoLinkAI/gpt-image-2.5-for-e-commerce 把范围收在电商，给商品图、模特试穿这类场景整理提示词手册。xianyu110/awesome-nanobananapro-prompts 面向 Nano Banana Pro（Gemini 3 Pro Image），攒了 908+ 个案例并附效果图与在线图库。devanshug2307/Awesome-AI-Image-Prompts 是 1000+ 条 AI 图像提示词合集，Anil-matcha/awesome-flux-3-api-prompts 则偏向 FLUX 3 的 API 指南与参数示例。它们的共同点是上手几乎零成本，打开网页就能抄。

逐项对照

差距出现在哪

两类项目摆在一起，分界线在「有没有状态」。提示词仓库给你的是一段文字，你复制到哪里、生成结果存在哪里、这张图用的是哪版提示词，全在仓库之外。iLab CONJURE 把状态收进本地：任务、供应商绑定、远端模型名、历史参数、图库引用都存在本地 SQLite 与数据目录里，/history 能按收藏和标签回捞，导出 ZIP 时每张图优先附上它自己的优化后提示词。

并发与失败处理也是同类项目不碰的部分。iLab CONJURE 支持单任务多图输出、部分失败处理和失败重试，网络设置里可以全局调整单次生图请求超时（1–30 分钟，默认 10 分钟）与瞬时失败后的重试次数（0–5 次，默认 2 次），每次重试使用新的完整超时窗口。这些设置保存在应用数据目录，覆盖所有供应商的生成与编辑，从后续任务执行开始生效，不需要重启。

iLab CONJURE 不如同类的地方同样具体。它的灵感供给是空的——不像 awesome 列表自带 2000+ 条提示词，素材得自己找。上手门槛高一截：要装 Python 3.11+、要配 Base URL 和 API Key，还要理解供应商绑定、远端模型名这套概念。许可证 AGPL-3.0 对二次分发或以服务形态对外提供有约束，比纯文档类仓库要注意的更多。

实际跑起来暴露过的问题大多已经修掉。有用户反馈模型 1 分钟左右就返图，界面计时器却一直在走，点计时器右上角的刷新按钮才显示完成；另一条是 API 站生 4K 图时对方已经返回，工具这边计时不停、图也不出现，同样刷新后才恢复，这两类都在后续版本里标为已解决。中转站兼容性也是老问题，有用户把 Base URL 末尾的 /v1 删掉保存，工具又会自动补回来。目前仍有一条待解决：Codex Image 通道跟 Responses 一样失去 2K/4K。

什么情况下选它

满足下面任何一条，可以试 iLab CONJURE。

• 你要连续跑一批图，需要并发、队列，以及跑完能按标签回捞的历史库。
• 你同时用 GPT Image 和 Gemini，想在一个界面里切模型，共用参考图、颜色 chip 与提示词模板。
• 你的活要在本机完成，图片、提示词和任务数据不想放到第三方平台上。

反过来，几种情况别选它。只需要抄提示词、并不自己调 API 的人，装一个 WebUI 是多余负担，直接看提示词仓库更快。只想翻别人的成品图找风格方向的人，图集类项目就够。如果你要拿生成能力包装成对外的在线服务，AGPL-3.0 的条款会限制这种做法，先确认合规路径再动手。

还有一层边界要交代清楚。README 里的 Codex / ChatGPT OAuth 是可选的高级本机模式，复用本机登录态调用 ChatGPT 内部后端接口，文档明确写了这不是 OpenAI 官方推荐的 API 集成方式，接口可能随时变更、失效，也可能受账号、产品或用量规则影响，只适合个人本机工作流；团队部署、公开服务或需要稳定性的场景应当走 OpenAI 兼容 API 模式。同一份文档还提示不要提交 OAuth 文件、API key、本地输入图、生成结果、任务 metadata、SQLite 数据库和调试日志。局域网共享功能默认关闭，打开后同一网络内所有人共用任务、图库、供应商和队列，也能改设置、删共享数据，且不需要登录，只适用于可信局域网。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.3 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。