Thijs推出Codex skill自動提取相簿衣物生成去背目錄

Thijs推出Codex skill自動提取相簿衣物生成去背目錄。 核心應用與流程 Thijs 透過將相簿存取權限授權給 Codex，成功將個人衣櫥數位化。他利用這套流程將穿著衣物的照片轉換為去背的 PNG 檔案，並進一步透過 GPT-image 功能進行穿搭模擬與建議。這項實驗的靈感來自於「Aesty」應用程式，Thijs 希望透過 Codex 打造一個免費的替代方案。 這是一個名為「Merge」的數位衣櫥管理與穿搭建議應用程式，展示了衣物分類、詳細資訊編輯及穿搭組合功能。 Codex skill 運作機制 該 skill（Extract Clothing Cutouts）專為處理衣物影像而設計，其核心步驟如下： 影像發現與正規化：使用 rg 搜尋資料夾內的影像檔案（支援 JPEG、PNG、WebP、HEIC 等格式），並將其轉換為高品質的 RGB JPEG 副本以進行處理。 衣物盤點與清單建立：系統會識別照片中的衣物（如上衣、褲子、鞋子等），並建立包含 Slug、類別、顏色、材質與特徵描述的 manifest.json。 生成參考與去背： - 針對每件衣物建立邊界框（Bounding Box）並進行裁切。 - 透過 Imagegen 根據原始照片生成去背的電商產品圖（使用綠色或洋紅色作為 chroma key）。 - 執行背景移除腳本（removechromakey.py），產出透明背景的 RGBA PNG 檔案。 品質保證（QA）：系統會檢查生成的 PNG 是否符合比例、顏色準確度，並確保沒有殘留人體部位或背景雜訊。 社群互動與延伸應用 這項技術引起了開發者社群的關注，Josh (@jjpcodes) 提到他正在開發類似的工具，不僅能爬取相簿中的 33,000 張照片，還能結合 EXIF 資料、Apple 與 OSM 的地理位置資訊，將照片轉化為包含 OCR 文字的資訊卡片，並透過 CLI 或未來支援的 MCP 介面供 Agent 搜尋。Thijs 也與其他開發者討論了未來整合線上購物收據以自動新增衣物資訊的可能性。 技術細節與限制 該 skill 嚴格要求「寧可省略也不要憑空捏造」，若衣物細節（如品牌、隱藏的扣子）無法從照片中辨識，系統會選擇忽略而非臆測。 為了確保產出品質，該工具會將處理過程中的臨時檔案（如 source-jpg、crops、chroma）存放在 mktemp 建立的暫存目錄中，並在驗證完成後刪除，僅保留最終的 PNG 檔案。 Thijs 指出，若要嘗試此流程，可直接使用他公開在 GitHub Gist 的 Codex skill 進行測試。這是一個名為「Merge」的數位衣櫥管理與穿搭建議應用程式，展示了衣物分類、詳細資訊編輯及穿搭組合功能。 影片中的 Prompt 與操作：操作步驟： 1. （00:00）瀏覽 OUTFITS 頁面穿搭組合 2. （00:09）切換至 ALL 頁面瀏覽所有衣物 3. （00:13）點擊 Ford 上衣查看詳細資訊面板 4. （00:24）點擊褲子查看詳細資訊面板 5. （00:28）點擊外套查看詳細資訊面板 6. （00:31）切換至 ACCESSORIES 頁面 7. （00:34）切換至 BOTTOMS 頁面 8. （00:37）切換至 OUTFITS 頁面並瀏覽穿搭建議原文：https://easyvibecoding.app/curated/2473-thijs-launches-codex-skill-for-photo-catalogs