适用场景
- 用
gpt-image-2.5-sunburst-vip等 GPT Image 2.5、2.6 模型,把 CAD 图、手绘图或渲染图转成带家具的平面布局图 - 成图里餐边柜、酒柜挡住厨房门、阳台门或卫生间门
- 卫生间出现两个台盆,或马桶摆到门口
- 公共提示词已写“不挡门”“不重复台盆”,加长到几千字后仍然出现
为什么写了规则还会挡门
- 规则不带位置:“每扇门留出通道”对所有户型都成立,但这张图的厨房门在哪面墙,要模型自己从图里认,认错或忽略时规则就落空。
- 需求和门洞抢同一面墙:需求写了“餐边柜、酒柜及咖啡水吧”,客餐厅里空着的长墙恰好开着厨房门和阳台门。具体需求和通用规则冲突时,模型通常照着需求摆。
- 否定句把禁止的东西写进了提示词:“不重复台盆”本身就提到了台盆,图像模型对否定句执行得比较弱,反而容易多画一个。
- 规则太多难以兼顾:几千字的规则同时生效,模型很难每条都照顾到,规则之间或规则和需求冲突时更明显。
实测:长规则与按户型短指令
2026 年 11 月 17 日,我们用一张特意设了冲突的测试户型做了对照:餐厅北墙同时开着厨房门、阳台A推拉门和卫生间A门,客厅东墙开着储物间门;需求要放餐边柜、酒柜、咖啡水吧和电视储物墙。- 接口与参数:
/v1/images/edits,size="1536x1344",quality="high" - 模型:
gpt-image-2.5-sunburst-vip和gpt-image-2.6-sunburst-vip,每种写法每个模型各请求 3 次

同一户型、同一模型(gpt-image-2.6-sunburst-vip)。左:通用规则,红圈处的酒柜和展示柜挡住阳台A门与储物间门;右:按户型写的短指令加通道标记,门口留空。
- 挡门的 5 张都把餐边柜、酒柜排在餐厅北墙,挡住了阳台A门;其中 4 张还在储物间门前放了展示柜或条案。
- 两组短指令全部留空,加通道标记没有带来额外差别,所以先改指令,标记作为补充。
- 长规则组剩下没挡门的那 1 张,卫生间A画了 2 个台盆,所以 6 张都有问题;两组短指令的卫生间都只有 1 个台盆。
- 短指令一组另有 1 次请求没有返回图片,未扣费。
- 这是一张测试户型、每组 5–6 张的结果。换成你的户型后,出图后仍要按下面的第四步复核。
让视觉模型自动写指令
每张户型都靠人写指令不现实,可以让视觉模型读图后直接写。同一天我们加了第二张测试户型(厨房同时开向餐厅和生活阳台,主卧带主卫,公卫约 1.6 × 1.5 米),按“读图写指令 → 出图 → 复核”跑了 5 版规则。- 写指令和复核:
gpt-6-sol,通过/v1/chat/completions传入户型图 - 出图:
gpt-image-2.5-sunburst-vip,quality="high",每版规则每张户型 6 张 - 判定:复核模型逐张判,我们再人工逐张核对
通用规则在户型2上的问题:2 张主卫画了 2 个台盆,其中 1 张把公卫挪进了过道;1 张冰箱堵在厨房门内侧。最后一行没通过的 2 张都是公卫漏画了台盆,门口 12 张全部留空,复核模型两张都判了不通过。
写指令时缺了下面任何一条,都会在某张户型上大面积出错:
- 有两扇及以上门的墙,整面不放长柜(电视储物墙、餐边柜、酒柜、水吧、衣柜、鞋柜、书柜),指令里写“X墙整面留空,不放柜子”。只说“放在这面墙门以外的一段”时,户型1 的 6 张全部把酒柜水吧摆到了阳台门前。
- 只开一扇门的墙,长柜离门洞边缘至少 1 米,并写明起止,例如“西墙从入户门南侧 1 米处到西南角”。只写“放在门北侧实墙段”时,电视储物墙被拉长,6 张里 5 张盖住了储物间门。
- 冰箱、洗衣机、床、沙发同样离门 1 米,小房间放在离门最远的角落。只约束柜子时,户型2 的冰箱贴着厨房门内侧放。
- 需求里的家具和每个房间的基本设施都要安排(橱柜、冰箱、洁具、床、衣柜),放不下才缩小或删除,并在指令里写明。规则只说“不许挡门”时,模型会直接删掉餐边柜,连厨房都写成空置。
- 卫生间写明台盆、马桶、淋浴各几个,小卫生间用小号挂墙台盆,但必须保留 1 个。
- 每得到一张合格图,平均出图次数从约 4 次(12 张中 3 张合格)降到约 1.2 次(12 张中 10 张合格)。
- 读图写指令每张户型调用 1 次,约 $0.05;复核每张图约 $0.02;VIP 出图每次 $0.03。
- 算下来每张合格图的模型费用基本持平,约 $0.12 对 $0.11,省下的主要是人工筛图和返工的时间。
- 复核模型在最后 12 张上和人工判断一致;在全部测试图上能抓住大多数问题,但偶尔漏判紧贴门内侧的冰箱或双台盆,建议保留人工最后看一眼。
处理步骤
1
先读出这张户型的门和洁具
出图前,用支持图片理解的文字模型(例如
gpt-6-sol、gemini-3.8-flash)读一遍原图,让它输出 JSON:每个房间、每扇门在哪面墙和开向,以及各卫生间的台盆、马桶数量。请求写法见图片理解 API。识别结果先由程序或人工核对一遍,后面几步都以它为准。2
按这张户型写短指令,用肯定句
逐个房间写清放什么、靠哪面墙,把会和门冲突的柜子指定到别的墙。通用规则压缩到几百字,只留每个户型都成立的部分。写法对照见下表。这段指令可以让第一步的视觉模型一并写出,规则见让视觉模型自动写指令。
3
需要时,把门口通道标到参考图上
只写指令仍有门口被挡时,再加这一步:在原图上给每扇门前的通道(门宽 × 约 900mm 进深)画一个斜线框,用画好的图作为编辑请求的参考图。提示词里写明:“图中绿色斜线框是通道,画成空地面,不放任何家具;成图里不保留斜线框。”框的坐标可以来自你们工具里的框选标注,也可以按第一步的识别结果换算。模型给出的坐标可能有偏差,画完看一眼;出图后确认斜线框没有残留在成图里。
4
出图后逐项复核
把成图和第一步的 JSON 一起交给视觉模型,逐项回答:每扇门前是否有家具、各卫生间台盆和马桶数量是否一致,每项给出通过或不通过。
5
不通过的地方局部返修
把问题区域裁出来,用
/v1/images/edits 只改这一块,例如“这里是厨房门口,改成空地面,保留门和墙”,再贴回原位,其他区域不变。也可以同一需求并行出 2–3 张,由复核程序挑出通过的那张。在户型图上画通道框
下面的脚本在本地运行,不调用 API。把CLEAR_ZONES 换成你这张图里各门口的像素坐标,运行后得到 plan_marked.png:
plan_marked.png 作为参考图提交编辑请求:
size按原图比例选,规则见 GPT Image 2.5 的尺寸与质量。- 保存返回图片的办法见 GPT Image 2.5 API。
常见问题
写了正俯视 2D,为什么还出斜视角、英文名?
同样是规则被几千字条款淹没。另外两个常见来源:- 参考图本身带透视或英文标注:模型会照着参考图画。参考图是斜视角渲染图或英文户型图时,提示词开头就写明“正俯视正交 2D 平面图,不要透视”,并逐个写出房间的中文名,例如“左下房间标注‘卧室’,右上两间标注‘卫生间’”。
- 画面要求放在了末尾:视角、语言、风格这类整张图的要求放在提示词第一句,比放在一长串条款之后更不容易被忽略。
换成 GPT Image 2.6 或调高 quality 能解决吗?
模型和质量档位影响画面细节,不会让模型知道这张户型的门开在哪里。先按上面的流程改,再用同一批户型对比 GPT Image 2.6 和 2.5 的复核通过率,按结果选模型。能用 mask 锁住门口区域吗?
两款-vip 模型不支持 mask,传了也不能可靠地只改指定区域。官转模型支持 mask,但 mask 只是引导,模型不一定严格沿边缘修改,见 GPT Image 2.5 的 mask 说明。需要保证其他区域完全不变时,用第五步的“裁出、修改、贴回”。
局部返修时,裁出来的小块尺寸不够怎么办?
VIP 模型要求总像素不低于 655,360,宽、高都是 16 的倍数,长短边之比不超过 3:1。裁出的小块先按比例放大到合规尺寸(例如1024x1024)再提交,返回后缩回原尺寸贴回原位。
并行出几张再挑,费用怎么算?
每次调用分别计费,VIP 模型每次 $0.03,失败和计费规则见图像生成的计费与失败处理。复核和返修是程序自动完成的,通常比人工返工整张图省时间。相关文档
- GPT Image 2.5 API:VIP、官转和网页版的接入、尺寸与编辑
- GPT Image 2.6 API
- 图片理解 API:识别户型和复核成图
- 图像生成的计费与失败处理
- 调用日志