三步打造Codex桌宠：附GPT生成Prompt与设置教程

背景

Codex 是一款支持自定义桌宠（Desktop Pet）功能的 AI 编程助手或桌面应用。用户不仅可以利用系统预设的宠物形象，还可以上传自定义图片，通过特定的工作流让 AI 学习并生成一套完整的动画素材，从而打造个性化的桌面陪伴体验。这一功能极大地增强了用户的交互趣味性和情感连接，使得枯燥的 Coding 过程变得更加轻松愉快。

核心内容

该教程详细拆解了利用自家照片或对象照片制作 Codex 桌宠的完整三步工作流，并提供了高精度的 Prompt（提示词）模板。

第一步：素材生成与迭代 用户需准备一张清晰的主体照片，发送给 GPT 生成一套风格统一的横向动作素材图。生成的图片需要仔细检查，若存在大小、形状或细节问题，需让 GPT 继续修改直至满意。

第二步：本地处理与映射 将生成的图片下载至本地，并建议将文件名重命名为预期的动作名称（如 idle.png, running-right.png 等），以便 Codex 能够准确识别和匹配。随后，在 Codex 中与 AI 对话，加载 hatch-pet 技能。具体操作是将第一步生成的所有图片发送给 Codex，并输入指令：“使用 /hatch-pet 这个 skill，以传入的图片为参考，帮我生成一个桌宠。running-left 由 running-right 水平镜像得到。”

第三步：审核与部署 AI 生成内容后，用户需再次 Review，重点检查图片帧切割是否准确，以及不同动作与图片的映射关系是否正确。若桌面未显示，需进入 Codex 设置 -> 外观 -> 宠物，在列表底部找到自定义宠物并选择启用，桌宠即可出现在桌面上。

Prompt 核心逻辑 教程提供的 Prompt 要求 GPT 基于参考图，一次性生成 8 张风格统一的横向动作素材条，每张图对应一个特定状态。核心要求包括：

1. 角色一致性：保留参考图的核心识别特征（发型、发色、五官、服装等），转换为可爱的 Q 版动漫桌宠形象，确保头大身小、轮廓清晰。
2. 8 种状态定义：
   • idle（6 帧）：待机状态，轻微呼吸或点头。
   • running-right（8 帧）：偷看屏幕，从边缘探出身体，注意不要包含不可镜像的元素。
   • waving（4 帧）：挥手致意。
   • jumping（5 帧）：庆祝跳跃，伴随纸屑或完成标识。
   • failed（8 帧）：报错状态，举着 "ERROR" 牌子，表情无奈。
   • waiting（6 帧）：等待输入，抱着进度条。
   • running（6 帧）：工作中，敲代码或思考，伴有少量代码符号。
   • review（6 帧）：修 Bug，拿着扳手修理红色 Bug 图标。
3. 视觉规范：纯白背景，无阴影/渐变/纹理，深色描边，扁平赛璐璐上色。
4. 硬性约束：严禁肢体重复、透视错误、文字拼写错误、帧数错误或角色换装。所有帧需排成横向素材条，帧间有足够间距。

关键要点

• 自动化工作流：通过 hatch-pet 技能，将复杂的图片处理和动画映射过程自动化，用户只需提供图片和简单指令。
• 镜像技巧：针对 running-left 动作，利用 running-right 的水平镜像生成，既减少了图片生成数量，又保证了动作的对称性和一致性。
• Prompt 工程的重要性：高质量的 Prompt 是成功的关键。它明确了角色特征保留、Q 版风格转换、具体帧数、动作细节以及严格的负面约束（如禁止肢体错误、禁止复杂背景）。
• 细节控制：Prompt 中对每个状态的帧数、动作幅度、表情变化甚至道具（如 "ERROR" 牌子、进度条）都有详细描述，确保生成内容的可用性和美观度。
• 迭代优化：强调“生成-检查-修改”的闭环，特别是针对图片大小、形状和帧切割的审核，是保证最终桌宠效果的重要环节。

意义与影响

• 提升用户体验与情感连接：自定义桌宠将冷冰冰的 AI 工具转化为有温度的“伙伴”，通过可爱的视觉形象和互动反馈，缓解编程压力，提升用户满意度和使用粘性。
• 降低个性化定制门槛：通过标准化的 Prompt 和工作流，普通用户无需具备专业的图像处理或动画制作技能，即可轻松创建个性化的 AI 助手形象，推动了 AI 应用的个性化和大众化。
• 展示 AI 多模态能力：该案例展示了 GPT 在图像生成、风格迁移、细节控制以及 Codex 在技能调用和逻辑映射方面的强大能力，为 AI 在桌面端应用的创新提供了优秀范本。
• 促进社区分享与文化：此类教程在 LINUX DO 等社区传播，激发了用户分享创意和技巧的热情，形成了良好的技术分享氛围，推动了 AI 工具生态的繁荣。