Я перестал ходить в ChatGPT за картинками. У меня этим занимается агент-дизайнер

У меня есть отдельный агент-дизайнер.

Это нормальный участник моей рабочей системы, а не отдельная модель для разовых промптов. Он делает обложки, картинки для постов, визуалы для каруселей, иллюстрации для PDF, учебные материалы, thumbnails для YouTube и всякие промежуточные дизайн-задачи, которые раньше висели на мне руками.

Самое удобное здесь даже не то, что он генерирует изображения.

Удобно то, что я перестал ходить в интерфейс ChatGPT как в отдельный цех.

Раньше процесс выглядел так: придумал идею, открыл ChatGPT, вспомнил стиль, нашёл референсы, написал промпт, получил картинку, скачал, проверил, поправил, снова написал промпт. Если нужно моё лицо, обложка в стиле канала или серия с одинаковой визуальной системой - начинается отдельная возня.

Сейчас я просто ставлю задачу агенту.

Например: нужна обложка для видео, визуал к посту, серия для карусели или картинка для учебного PDF. Дальше дизайнер сам собирает нужный контекст: что за материал, какой формат, какие референсы нужны, где можно использовать моё лицо, какой стиль брать, где нельзя переборщить с текстом, какой файл вернуть.

Что он делает в реальной работе

У Jesse, так называется мой дизайнерский агент, есть понятная зона ответственности.

Он отвечает за визуальную часть: обложки, thumbnails, картинки для Telegram, карусели, слайды, PDF, диаграммы, визуальные концепции для лендингов, интерфейсов и обучающих материалов.

Если задача про YouTube, он сразу смотрит на первый клик с телефона: что видно, куда падает взгляд, что человек поймёт за секунду. Один фокус, крупное лицо или понятный объект, минимум лишних зон, текст только если он усиливает смысл.

Если задача про карусель, он не должен просто нарезать статью на слайды. Там сначала смысл: зачем человек остановится, почему свайпнет, что поймёт на втором-третьем слайде, что сохранит. После этого дизайнер переводит каждый слайд в картинку: сцена, метафора, композиция, зона текста, безопасные отступы, читаемость с телефона.

Если задача про моё лицо, у него отдельная дисциплина. Референсы используются как якорь личности, а не как команда “повторить ту же позу везде”. Он должен следить, чтобы лицо не стало просто похожим bald tech guy, чтобы не уехал возраст, форма головы, руки, свет, одежда, татуировки, края. Если сходство слабое, такая картинка не считается финальной.

Если задача про PDF или учебный материал, он не делает случайную декоративную картинку. Он должен дать визуальную опору: схема процесса, карточка задачи, проверка перед редактированием, цикл внедрения, матрица доступов, OTK-логика. У меня уже были серии иллюстраций для учебных глав, где каждая картинка была отдельной визуальной пластиной для материала, а не просто “AI art для красоты”.

Самая сильная часть - референсы

У дизайнера есть своя библиотека референсов.

Там не один общий стиль “сделай красиво”. У него лежат разные пакеты под разные задачи:

- identity pack для моего лица;
- отдельные референсы для семейных/личных визуалов;
- стили для AI-каруселей;
- стили для Telegram-картинок;
- стили для YouTube-обложек;
- тёмный graphite/orange визуальный язык для Sprut AI и AI Операционки;
- более “школьный” стиль для объясняющих каруселей;
- более B2B-спокойный стиль для материалов, где нужна спокойная доверительная подача.

Это сильно меняет работу.

Обычная генерация картинки часто начинается с нуля. Модель каждый раз заново угадывает, кто ты, какой у тебя стиль, как должны выглядеть материалы, какой уровень плотности текста допустим, что для тебя “дорого”, а что выглядит дешёво.

У агента-дизайнера другая логика. Он не просто пишет промпт. Он выбирает нужный набор референсов под задачу.

Карусель про AI-агентов - один стиль.

YouTube-обложка с моим лицом - другой набор.

PDF для обучения - третий.

Постер для Telegram - четвёртый.

И это уже ближе к нормальной работе дизайнера: задача попадает внутрь визуальной системы, а не начинается каждый раз с “нарисуй что-нибудь”.

Как он генерирует через GPT Image 2 без отдельной API-оплаты

Отдельная штука, которая мне особенно нравится: Jesse умеет пользоваться GPT Image 2 не через OpenAI Image API.

Я не плачу за каждую картинку отдельным API-ключом. И мне не нужно вручную идти в десктопное приложение ChatGPT, открывать генерацию изображений, вставлять промпт и скачивать результат.

У меня настроен маршрут через Codex OAuth / ChatGPT subscription.

Если упростить, схема такая:

Codex/ChatGPT OAuth даёт доступ к backend-api/codex, а внутри этого маршрута вызывается image_generation tool с моделью gpt-image-2.

Для меня как пользователя это выглядит проще: я ставлю задачу агенту, а он сам вызывает генерацию, сохраняет PNG в нужную папку, возвращает путь или файл, а перед серьёзным запуском может сделать dry-run и показать, какой prompt, какие refs, какой style pack и какой output будут использованы.

Тут есть нормальная граница.

Это не “бесплатные картинки навсегда”. Используется моя ChatGPT/Codex подписка и её лимиты. Это не OpenAI API billing per image, но квота подписки всё равно расходуется. И я не стал делать из этого публичный сервис для клиентов на своей личной подписке.

Для моего внутреннего контура этого достаточно: агент может делать визуалы для моих постов, YouTube, PDF, учебных материалов и рабочих экспериментов без ручной беготни между окнами.

Почему это лучше, чем просто открыть ChatGPT

Потому что ChatGPT сам по себе не знает мой рабочий порядок.

Он не знает, что для карусели сначала нужен смысл от маркетолога, потом текст от SMM, потом визуальная метафора на каждый слайд.

Он не знает, что моё лицо нельзя размазывать по всем слайдам одинаковой позой.

Он не знает, что для YouTube thumbnail первый взгляд с телефона решает больше, чем иллюстрация, которую можно долго рассматривать на большом экране.

Он не знает, что для PDF иногда лучше сделать чистую схему, чем очередного робота с подсветкой.

А агент это знает, потому что живёт внутри моей системы.

Он может взаимодействовать с другими агентами:

- с Lalo, когда нужен маркетинговый угол, смысл карусели, боль аудитории и нормальный hook;
- с SMM, когда нужен финальный текст для слайдов, поста или подписи;
- с Lydia, когда визуал идёт в учебный материал и важно не перегрузить человека;
- с Tuco, когда нужны внешние референсы, YouTube-паттерны или исследование формата;
- с Nacho и Walter, когда нужно проверить скрипт, генерацию, файлы, размеры, экспорт, сборку и техническую надёжность;
- с Howard, если есть риск по правам, брендам, чужим лицам, публичному использованию или юридическим формулировкам; - с Mike, когда нужно собрать всё в нормальный рабочий маршрут и не потерять доставку результата.

Вот это для меня и есть разница между “нейросеть рисует” и “агент работает”.

Где он уже помогает

Самые понятные зоны:

1. YouTube-обложки

Для YouTube он думает через клик: лицо, эмоция, один объект, контраст, читаемый текст, понятная сцена. Если обложка выглядит как лицо на пустом фоне с случайной надписью, это не финал.

2. Telegram и посты

Для постов он может сделать отдельный визуал, который поддерживает мысль, а не висит фоном ради фона. Например, показать рабочий контур агента, проверку результата, память, источник истины, команду агентов, визуальный конфликт.

3. Instagram / Telegram карусели

Карусель для него - это мини-продукт. Первый слайд должен остановить, второй должен дать причину свайпнуть, дальше каждый слайд обязан нести один смысл. Он работает с safe zones, читаемостью, 4:5 форматом, обложкой под квадратный crop и финальным пакетом.

4. PDF и учебные материалы

Тут особенно полезно, что дизайнер не просто “рисует”. Он помогает упаковывать сложные объяснения: задача, контекст, план перед редактированием, цикл внедрения, доступы, проверка, OTK. Для учебных материалов это сильно лучше, чем случайная иллюстрация между абзацами.

5. Лицо и персональный бренд

У меня есть отдельные face/identity референсы. Это значит, что агент может делать визуалы со мной, но не превращать каждую картинку в одинаковую позу. Лицо должно работать на смысл: где я оператор, где скептик, где показываю процесс, где держу визуальный фокус.

6. Визуальный OTK

Jesse может не только генерировать, но и резать слабую картинку. Не читается, нет фокуса, лицо уехало, слишком много элементов, дешёвый AI-вид, текст мелкий, стиль не тот, картинка не несёт смысл - всё это причины не выпускать.

Что в этом меняет работу

Для меня главный эффект не в том, что “AI сделал картинку”.

Картинку и раньше можно было получить руками.

Меняется другое: визуальная работа перестаёт быть отдельным ручным процессом. Она становится частью общего агентного контура.

Я могу дать короткую задачу, а система сама разложит её по ролям:

- кто отвечает за смысл; - кто отвечает за текст; - кто отвечает за визуал; - кто проверяет техническую часть; - кто смотрит на права и публичные риски; - кто собирает финальный результат.

И дизайнер в этой схеме не “кнопка генерации”. Он участник процесса.

Он знает мои референсы, стиль, ограничения, форматы, слабые места генерации, правила работы с лицом, требования к каруселям, обложкам и учебным материалам.

Поэтому мне не нужно каждый раз заново объяснять, кто я, что за проект, как выглядит Sprut AI, почему нельзя делать синего робота в неоне и зачем картинка должна читаться с телефона.

Ограничения тоже есть

Я не считаю это заменой живого дизайнера во всех задачах.

Если речь про большой бренд, сложную айдентику, юридические права, чужие лица, коммерческую клиентскую генерацию или финальный публичный релиз, там нужны проверки и человек.

GPT Image 2 тоже ошибается: текст может поплыть, лицо может уехать, руки могут стать странными, стиль может быть слишком AI-шным, а картинка может выглядеть эффектно, но не решать задачу.

Поэтому у меня в системе есть не только генерация, но и OTK: проверка лица, композиции, текста, размера, читаемости, приватности, прав, финального пакета.

Для меня это нормальная граница.

Агент не отменяет ответственность. Он забирает на себя большой кусок рутины и доводит его до файла, который можно открыть, проверить и использовать.

Почему я вообще об этом пишу

Мне кажется, многие до сих пор смотрят на AI-картинки как на отдельный инструмент: открыл генератор, написал промпт, получил картинку.

Но сильнее становится другой подход.

Не генератор отдельно.

А агент-дизайнер внутри рабочей системы.

С референсами, стилями, памятью, инструментами, ролями, проверками и понятной зоной ответственности.

В моём случае он уже делает визуалы для постов, обложек, каруселей, PDF и обучающих материалов. И чем больше я его использую, тем меньше хочу возвращаться к ручному “открой ChatGPT, напиши промпт, скачай картинку, проверь, повтори”.

Пока это внутренний контур, не публичный продукт и не сервис генерации картинок для всех. Но как пример того, куда реально двигаются персональные AI-системы, штука очень показательная.

Агент начинает быть полезным не тогда, когда он просто отвечает.

А когда у него есть рабочая зона, инструменты, референсы, стоп-правила и понятный результат на выходе.

Где я это показываю дальше

Я веду SPRUT_AI и разбираю такие агентные контуры на живых примерах: контекст, tools, память, роли, проверки, визуалы и рабочие артефакты.

GitHub: https://github.com/AlekseiUL Telegram SPRUT_AI: https://t.me/Sprut_AI YouTube: https://youtube.com/@alekseiulianov AI Операционка: https://t.me/tribute/app?startapp=sJyg