最近终于解决了一个头疼很久的问题——AI 生成的图片无法编辑。
经常用 GPT Image 2、Nano Banana 的朋友都知道，无论是图片流 PPT、信息图、技术架构图还是论文配图，做出来可能就一句话的事，但修改起来贼麻烦。虽然可以用自然语言让 AI 重新出图，但可控性和灵活度远远不够。根本没法像在 Visio 或 PowerPoint 里一样自由调整文字、图框和各种素材。
找了很久，都没发现既能把复杂图形完美转为可编辑格式，又不要求本地部署大模型、轻松好上手的方案。于是自己做了这个 Skill——FigEdit · 图易编。
给它一张截图、论文配图、AI 生成的幻灯片、技术架构图，或者任何图片格式的图形，它会把图片拆解重建成可编辑的矢量图形包。从此图片编辑自由不是梦。
这些场景都能用
虽然初衷是解决 AI 图片不可编辑的问题，但实际应用场景非常广。凡有图片矢量化需求，它都能搞定：
AI 生成的图片不能编辑？GPT Image 2、Nano Banana 生成的幻灯片、架构图画面惊艳，但全是像素。FigEdit 把布局提取成真正的 PowerPoint 元素，文本框能编辑、形状能移动、背景能替换。
看到好看的论文图想复刻？想复刻优质图示的图框、形状、布局、配色。FigEdit 把图重建成可编辑结构，30 秒改完标签、替换元素，不用从头画一小时。
图片原始可编辑版本丢失？设计师交付的精美信息图，可编辑源文件丢了或从未共享。FigEdit 拆成可编辑的 SVG，框架变矢量，图标保留为干净的裁切图，文字变成可选中的文本。
转换效果很能打
下面八个案例都是原图与 FigEdit 重建结果的对比。很多图几乎可以做到 100% 还原重建，不仔细对比可能看不出差异。
案例一：PPT 结构拆解
对信息图和 PPT 式版面的混合重建，解决 AI 图片流 PPT 不可编辑问题。卡片、标题、文字、箭头和时间线保持可编辑，具有来源特征的插图保留为可替换图片资产。
案例二：图标与结构混合图
常见论文图，图标、公式、结构化面板和流程关系并存时的混合重建。普通文字、框架、箭头和公式保持可编辑，模型标识与来源特异图形保留为可替换图片资产。
案例三：全矢量重绘
简约形状图，FigEdit 实现完整矢量重绘。原图中的面板、曲线、热力图、节点、连接线和普通文字均被重建为可编辑对象，没有使用栅格插图资产。
案例四：大量图片资产裁切
以图片资产为主的复杂结构图。面板、标题、分隔线、流程箭头和普通标签被重建为可编辑对象，服装、人物、截图、图标与缩略图则保留为可替换的原始裁切资产。
案例五：多要素混合重构
地图、手机界面、路线图、模型标识、指标卡和大量文本共同出现时的多要素混合重建。规则版面和普通文字保持可编辑，地图与来源特异图形作为图片资产保留。
案例六：复杂公式复现
公式密集型论文方法图。FigEdit 重建了多层面板、流程关系、树结构和数学表达式，并将 50 个公式导出为可编辑的 PowerPoint Office Math 对象。
案例七：公式与图片资产混合重建
复杂论文图的混合重建。版面、标题、流程线、张量示意和公式被重建为可编辑对象，视频帧、相机网格和三维图等视觉证据则作为可替换图片资产保留。
案例八：多分组数据图表重建
技术报告图，多分组柱状图的重建。标题、图例、数值、坐标标签、柱体和分组结构均为可编辑对象，模型 Logo 作为可替换图片资产保留。
为什么要用 FigEdit？
把一张扁平图片变回可编辑文件，难点不只是识别画面里有什么，而是判断每个元素应该以什么形式呈现。是让 AI 完全重绘，还是直接裁剪拼接？哪些元素重新生成，哪些要精准提取？真实世界的图片里会出现什么往往不可预测，现有方案各有各的问题。
FigEdit 理念与 Edit-Banana、CraftEditor 类似，但它采用更智能的混合重建策略，只求最完美的可编辑还原：
- 文字、标题、普通标注重建为可编辑文本
- 公式识别为独立的语义对象，并保留原有的格式样式
- 面板、形状、边框、箭头和连接关系重建为矢量对象
- Logo、照片、截图、地图、复杂图标等来源特异的视觉内容，直接从原图裁切保留
- 最终同时输出 SVG、内嵌资产 SVG 和原生可编辑 PPTX
只需要一个足够强的 Agent，就能全自动完成图片分析、拆解、重建、导出和质量检查。
怎么使用？
一句话安装
FigEdit 是基于 AI Agent 环境的 Skill，理论上当前所有 Agent 都能支持运行。不过图片重建质量高度依赖模型视觉理解与 SVG 绘制能力，不同模型表现差异极大。优先推荐 Codex、Claude Code，这两个公认最强的 Agent 搭配最强的模型，可以发挥 FigEdit 的最高上限。
用起来很简单，把项目地址发给你的 Agent，说一句：
帮我安装这个 skill：
https://github.com/giszzt/figedit
装好之后，在 Agent 里发送任意图片说一句话就行，模型会跑完整个流水线，把输出包交付到你的项目目录。
实战案例
以一个典型的技术框架图为例，讲讲 FigEdit 的图片矢量化工作逻辑。这张图每个技术环节都有大量的定制照片、图标素材，这么复杂的图片要素，FigEdit 怎么处理呢？
拿到图它不会盲目开干，先大概判断这属于什么类型的图，识别哪些元素要重绘或者精细裁剪保真。
接下来会调用文字与图形识别模块，对原图中的文字、图形化元素、图片大小等信息进行初步识别分析。这一步拿到测量报告传给 Agent 主模型作参考，由模型思考确定整体布局，不同元素如何排列组合。
模型分析完结果，定好重建策略，就按施工路线图开干。
生成完初步结果，Agent 会执行自动检查，看看当前重建的图有哪些质量问题。一般而言，最多两轮就会完成所有检查与重构精修，超级复杂的图检查工序可能会多点。
最后输出的结果不仅有直接编辑使用的 SVG、PPTX 文件，还有质量报告、裁剪资源包以及各类说明文档。
如果对结果不满意，本次输出的这些资源也能给下一次优化参考，无需重头再来。通常还原出来的图都有九十分以上了，剩下的小细节可以编辑微调。毕竟 Token 很贵，能省点是一点。
说到成本，ChatGPT Plus 会员用 Codex 处理一张图通常消耗周额度在 5% 以内。除非是特别复杂的图，处理时间一般不会超过 10 分钟，Claude Code 也差不多。
写在最后
这个 Skill 的诞生很意外。原本觉得这种复杂需求必须要专业机构或者研究团队研发，结果那天跟 ChatGPT 随口一聊，它不到五分钟就把图搞出来。虽然很粗糙，但着实把我惊到了。
于是这两周在 Codex 里断断续续打磨 Skill，过程中除了主要的 skill.md 文件，都没怎么看过它生成的各种脚本代码。就这么一路聊过来，提需求、找问题、反馈迭代，稳定跑起来。
很多时候，是人的认知视野和想象力限制了 AI 的发挥空间。不是它做不到，而是你以为它做不到。
只要能把"定义需求——AI 执行——测试结果——反馈问题——AI 执行"这个链路中 AI 以外的部分做好，理论上可以做出任何想要的 Skill，甚至更复杂的产品。不设限，大胆给 AI 提要求，也许就会迸射出意想不到的火花。