awesome-gpt-image-2-API-and-Prompts: 462 kuratierte, nachvollziehbare Prompts für GPT Image 2

Eine Bibliothek mit 462 kuratierten Prompt-Fällen für GPT Image 2, OpenAIs Modell zur Bildgenerierung und -bearbeitung, gepflegt vom EvoLink-Team und in nahezu täglichen Stapeln aktualisiert.

Was es ist

awesome-gpt-image-2-API-and-Prompts ist eine Prompt-Bibliothek, kein ausführbares Tool. Das Kernprodukt sind 462 kuratierte Fälle, fortlaufend nummeriert von Case 1 bis Case 462, jeweils mit Titel, Ergebnisbild, dem vollständigen Prompt-Text in einem Codeblock und der Zuschreibung an den Originalautor (fast immer ein öffentlicher X/Twitter-Post).

Das README beschreibt die Sammlung als “prompt-first”: Man navigiert nach Kategorie, kopiert einen vollständigen Prompt und passt dessen Variablen oder Einschränkungen an das eigene Bild an. Die Kategorien sind E-Commerce, Werbekreativität, Porträt und Fotografie, Poster und Illustration, Charakterdesign, UI-Mockups und Social Media sowie Community-Vergleiche/-Beispiele. Die kanonische Lesart ist Englisch, und die Kategorien sowie READMEs sind in zehn weitere Sprachen lokalisiert: Spanisch, Portugiesisch, Japanisch, Koreanisch, Deutsch, Französisch, Türkisch, traditionelles Chinesisch, vereinfachtes Chinesisch und Russisch.

Der Name enthält “API”, aber das aktuelle README enthält keine Laufzeitanweisungen für irgendeine API: Seit dem 16. Juli 2026 wurde das Repository bewusst als reine Prompt-Bibliothek neu positioniert, und die API-Elemente werden als Links zu fremden Repositories und Dokumentation ausgelagert (siehe Abschnitt Das Ökosystem).

Ursprung

Das Repository wurde am 18. April 2026 vom GitHub-Nutzeraccount EvoLinkAI erstellt, dessen Startseite auf evolink.ai verweist, einen kommerziellen Dienst, der Zugriff auf Sprach-, Bild- und Videomodelle über eine einzige API bietet (“Access leading LLM, image, and video models through one EvoLink API”, laut Beschreibung der Organisation Evolink-AI).

Die Chronologie ist das aufschlussreichste Detail. Der Hacker-News-Thread 47854083 “GPT Image 2 Launch” (21. April 2026, 5 Punkte) verlinkt die Modellankündigung auf X, und die GitHub-API zeigt, dass der erste im Quellenregister des Repositorys (data/ingested_tweets.json) erfasste Fall auf den 22. April 2026 datiert. Das Repository entstand also genau im Vorschaufenster von GPT Image 2: Issue #5, in dem ein Nutzer meldet, dass ein alter Prompt als unangemessen markiert wurde, wird vom Maintainer beantwortet mit der Erklärung, es stamme “wahrscheinlich aus der anfänglichen Vorschauphase, als die Moderationsschwelle lockerer war”.

Die Pflege läuft über eine “tägliche Bild-Prompt-Aktualisierungsschleife” (daily image-prompt update loop): Das Änderungsprotokoll (docs/update-log.md) dokumentiert Stapel von 7 bis 14 neuen Fällen fast jeden Tag zwischen dem 14. und 30. Juni 2026, jeder ausgewählt “durch semantische Prüfung und geprüft auf Quelle, Prompt-Grenze, Deduplizierung und Medienverfügbarkeit, bevor das Repository geändert wird”. Die Wartungsdokumentation (docs/maintenance.md) offenbart zudem, dass die Pipeline mit Coding-Agenten läuft: Die lokalen Artefakte des Prozesses liegen unter ignorierten .codex/-Pfaden, was darauf hindeutet, dass Kuratierung, Review und die Synchronisierung der elf READMEs mit einem Codex-Agenten automatisiert werden.

Tägliche Prompt-Aktualisierungsschleife: Ingestion, Review, Deduplizierung und Nummerierung

Philosophie und Prinzipien

Die in der Repository-eigenen Dokumentation verifizierbaren Prinzipien:

Erst der Prompt, nicht die Infrastruktur: Am 16. Juli 2026 wurde das Repository als reine Prompt-Bibliothek neu positioniert; die API-Anweisungen wurden herausgelöst und zu Links auf unabhängige Repositories und Dokumentation. Das README sagt es explizit: “dieses Repository besitzt die kuratierte Prompt-Bibliothek; API-Automatisierung, aufrufbare Skills und Bild-zu-Video-Abläufe sind separate Oberflächen”.

Prompt-first-Philosophie: Die API-Infrastruktur zerfällt in wiederverwendbare Prompt-Karten

Öffentliche Quelle und Nachvollziehbarkeit: Ein Fall wird nur aufgenommen, wenn er eine ursprüngliche öffentliche URL, einen Autor, einen vollständigen wiederverwendbaren Prompt, eine Kategorie, verifizierbare Medien und einen Deduplizierungsschlüssel hat (in der Regel die Quell-URL). Kandidaten, die “zurückgestellt, zweifelhaft, abgelehnt, dupliziert oder unvollständig sind, gelangen nicht in die öffentlichen Prompt-Abschnitte”.

Quellen-Nachvollziehbarkeit: Jeder Fall verlinkt den ursprünglichen öffentlichen Post und seine Zuschreibung

Zuschreibung als Norm: Jeder Fall verlinkt den Originalpost des Autors; der Abschnitt Acknowledge listet Hunderte X-Ersteller, mit dem ehrlichen Hinweis, dass “wir nicht garantieren können, dass jeder Fall dem Originalersteller zugeschrieben ist”, plus einem Kanal zur Korrektur von Zuschreibungen.
Eine kanonische Domäne: Das englische README ist die Quelle der Wahrheit; genau 462 eindeutige, fortlaufend nummerierte Quellen, wobei die Lokalisierungen diese Reihenfolge und Nummerierung beibehalten.
Reproduzierbarkeit statt Galerie: Showcase-Posts ohne öffentlichen Prompt “können nicht als reproduzierbare Prompt-Fälle präsentiert werden”.

Wie es funktioniert

Das Repository ist ein Markdown-Korpus mit einer automatisierten Wartungsinfrastruktur:

Ingestion: Prompts werden aus öffentlichen Posts gesammelt (fast ausschließlich X/Twitter) und in data/ingested_tweets.json erfasst, das als Quell-URL-Register für Deduplizierung und Herkunft dient.
Semantische Prüfung: Jeder Kandidat erhält eine Entscheidung (ausgewählt/hohe Konfidenz, zurückgestellt, zweifelhaft, abgelehnt) mit Begründung; nur ausgewählte gehen weiter.
Globale Nummerierung: Die nächste Case N-Nummer wird aus dem englischen README vergeben, und README.md, die passende Kategorieseite in cases/*.md, der Anker des Quellenindex, die Medien und das Änderungsprotokoll werden aktualisiert.
Lokalisierung: Die elf README-Dateien und Kategorieseiten werden mit “echter sichtbarer Textübersetzung” übersetzt; Prompt-Blöcke, URLs und Modellkennungen werden nicht übersetzt.

Synchronisierte Lokalisierung: Das kanonische englische README wird in zehn Sprachen übersetzt, die Nummerierung bleibt erhalten

Verifikation: python3 scripts/verify_prompt_repo.py läuft und prüft unter anderem den erforderlichen README-Satz, die Reihenfolge von Überschriften und Ankern, Menüziele, die Zählparität zwischen Lokalisierungen, referenzierte lokale Medien und die JSON-Lesbarkeit.

Automatisierte Verifikation: verify_prompt_repo.py prüft READMEs, Anker, Parität und Medien

Das Format eines Falls ist einheitlich: ein Titel mit Link zur öffentlichen Quelle, ein Ergebnisbild (300 px, im Repository gehostet und mit der EvoLink-Seite verlinkt) und der vollständige Prompt in einem untagged Codeblock. Manche Prompts nutzen Argument-Platzhalter wie {argument name="aspect ratio" default="9:16"}, um Variablen mit Standardwerten zu markieren, etwa Seitenverhältnis, Videodauer oder Produktname.

Das Ökosystem

Die Organisation Evolink-AI (36 öffentliche Repositories)

Die Organisation Evolink-AI beschreibt ihre Mission als “Zugang zu führenden LLM-, Bild- und Videomodellen über eine einzige EvoLink-API”. Unter ihren Repositories sind die relevantesten für dieses Projekt (GitHub-API-Zahlen, 25. August 2026):

Evolink-AI/gpt-image-2-gen-skill: das API-Paket und die aufrufbare Agenten-Skill für GPT Image 2; 0 Sterne. Es ist das Ausführungs-”Companion”-Repo, auf das das README verweist.
Evolink-AI/GPT-Image-2-Seedance2-Workflow: Bild-zu-Video-Workflows GPT Image 2 → Seedance 2; 4 Sterne und 2 Forks.
Evolink-AI/awesome-gpt-image-2-API-and-Prompts: eine Kopie dieses Repositorys unter der Organisation; 74 Sterne und 16 Forks. (Hinweis: Am 25. August 2026 lieferte der direkte Endpunkt beider vorstehender Repositories 404, obwohl die Repo-Liste der Organisation sie enthält; das sieht nach einer kürzlichen Sichtbarkeits- oder Umbenennungsänderung aus, daher wird die Zahl aus der Org-Liste zitiert.)
Evolink-AI/Awesome-Blender-Seedance-Workflow-Usecases: Blender + Seedance Workflows für KI-Filmproduktion (Previs, Kamerakontrolle, Blender MCP); 344 Sterne und 26 Forks.
Evolink-AI/awesome-kimi-k3-usecases: Anwendungsfälle für Kimi K3; 61 Sterne und 6 Forks.
Evolink-AI/awesome-seedream-5-pro-guide-and-prompt: ein Seedream-5.0-Pro-Guide; 26 Sterne und 2 Forks.

Ökosystemkarte von EvoLink AI: GPT Image 2, Seedance 2, Blender-Workflows und Schwester-Repositories

Schwester-Repositories des EvoLinkAI-Accounts

Derselbe Account pflegt parallele Prompt-Sammlungen und modellspezifische Guides:

EvoLinkAI/awesome-seedance-2.5-guide: ein offizieller Seedance-2.5-Guide mit 36 offiziellen Medien-Assets; 392 Sterne und 44 Forks.
EvoLinkAI/awesome-openclaw-usecases-moltbook: OpenClaw-Automatisierungsbeispiele aus Moltbook; 999 Sterne und 109 Forks.
EvoLinkAI/awesome-seedance-2.5-prompts: Prompt-Muster für Seedance 2.5; 167 Sterne und 24 Forks.
EvoLinkAI/awesome-claude-fable-5: Anwendungsfälle für Claude Fable 5; 50 Sterne und 4 Forks.
EvoLinkAI/awesome-ideogram-4.0-prompts: Prompts für Ideogram 4.0 (Typografie, Porträts, Mockups); 36 Sterne und 3 Forks.
EvoLinkAI/awesome-gemini-omni-guide-api-and-prompt: ein Prompt- und API-Guide für Gemini Omni; 24 Sterne und 2 Forks.
EvoLinkAI/Awesome-Nano-Banana-2-prompt: 100+ Prompts für Nano Banana 2; 25 Sterne und 6 Forks.
EvoLinkAI/ai-short-drama: eine selbstgehostete Novelle-zu-Video-Plattform mit 20+ Modellen (Kling, Seedance 2.0, FLUX, Veo); 21 Sterne und 9 Forks.

Community-Erweiterungen und Forks

1061700625/image2-prompt-picker: eine Browser-Erweiterung, die ein Nutzer für “schnellen Abruf” von Prompts baute, “direkt in ChatGPT einfügbar”, geteilt in Issue #14 des Repositorys selbst. Die Sternezahl wurde in dieser Recherche nicht verifiziert.
Lokalisierungen sind keine Forks: Die zehn Sprachen leben im selben Repository (README_<Sprache>.md und cases/*_<Sprache>.md), was sie über die Wartungspipeline stets synchron hält.

Die Reichweite des Modells GPT Image 2

Das Repository baut auf OpenAIs Modell auf, statt es zu erschaffen. GPT Image 2 ist laut README nativ in ChatGPT integriert und über die OpenAI-API (/v1/images/generations) verfügbar. Launch-Thread: 47854083 (21. April 2026).

Offizieller / halboffizieller Status

Das Repository hat keinen offiziellen Status von OpenAI: Es ist ein Drittanbieter-Projekt, gepflegt vom EvoLink-Team (EvoLinkAI / Evolink-AI), einem kommerziellen Modell-API-Anbieter. Seine Beziehung zu OpenAI ist die jeder Community-Prompt-Bibliothek, die auf dem Modell eines anderen aufbaut.

In der Praxis fungiert es als De-facto-Standard innerhalb einer bestimmten Nische: Es ist die in dieser Recherche gefundene GPT-Image-2-Prompt-Bibliothek mit den meisten Sternen (16.922 gegenüber 15.917 bei freestylefly/awesome-gpt-image-2 und 9.430 bei YouMind-OpenLab/awesome-gpt-image-2). Gleichzeitig ist das Repository ein Akquise-Asset für EvoLink selbst: Das README verlinkt Banner, Badges und jedes Ergebnisbild mit UTM-Parametern zu evolink.ai/gpt-image-2-prompts und EvoLinks GPT-Image-2-Playground. Offene Kuratierung ist somit Marketing mit echter technischer Substanz: Die in docs/maintenance.md dokumentierte Infrastruktur für Deduplizierung, semantische Prüfung und automatisierte Verifikation ist genuin bemerkenswert, ihr letztlicher Nutznießer ist jedoch der kommerzielle Dienst.

Schnellstart-Anleitung

Da es sich um eine Bibliothek und keine CLI handelt, besteht der “Einstieg” aus Lesen und Kopieren von Prompts.

Installation und erster Start

Es gibt keine Installation: Man navigiert im README oder klont das Repository.

git clone https://github.com/EvoLinkAI/awesome-gpt-image-2-API-and-Prompts.git

Der im README dokumentierte Quick Start hat vier Schritte: (1) die Menükategorien durchsuchen und einen dem Ziel nahen Fall wählen; (2) den vollständigen Text des Prompt-Blocks des Falls kopieren; (3) den Prompt mit GPT Image 2 testen (das README verlinkt den EvoLink-Playground; für OpenAI entspricht das dem Aufruf von POST /v1/images/generations mit dem Modell gpt-image-2, laut dem Abschnitt “What is GPT Image 2” des README) und das vom Fall gezeigte Eingabebild hochladen, falls vorhanden; (4) Variablen, Komposition, Stil oder Ausgabebeschränkungen verfeinern und die funktionierende Version speichern.

Schneller Ablauf: einen nummerierten Fall kopieren, seine Variablen anpassen und in ChatGPT oder per API testen

Übliche Workflows

Für eine Produktwerbung im Diorama-Stil: cases/ecommerce.md öffnen, Case 1 finden (ein Kosmetik-Diorama mit Miniaturarbeitern, von @Strength04_X), den vollständigen Prompt kopieren und den eigenen Markennamen sowie die Palettenfarben einsetzen. Der Prompt spezifiziert Studiostil, diffuse Beleuchtung und eine Tilt-Shift-Ästhetik.
Für ein 9-Panel-TVC-Storyboard: Case 2 (von @Magncsans) verwandelt ein Produktfoto in ein 9-Panel-Storyboard mit Titeln und Timing auf Chinesisch, mit den Variablen {argument name="video duration" default="15-second"} und {argument name="aspect ratio" default="9:16"} zur Anpassung von Dauer und Format.
Für ein Porträt mit Stilreferenz: cases/portrait.md durchsuchen (140 kanonische Fälle laut Abschnittsüberschrift), den Prompt eines Falls wie des Convenience Store Neon Portrait (Case 52) kopieren und die Beschreibung von Motiv und Szenerie ändern.
Zum Vergleichen von Modellen oder Stilen: Der Abschnitt Comparison & Community Examples des README bündelt marken- und modellübergreifende Kontrastfälle (z. B. der KV-Vergleich Coca-Cola/Pepsi/7Up, Case 31).

Kategorienavigation: E-Commerce, Werbung, Porträt, Poster, Charaktere, UI und Community-Beispiele

Wesentliche Konfiguration

Es gibt keine Nutzerkonfigurationsdateien; die “Einstellungen” sind die Argument-Platzhalter der Prompts selbst:

{argument name="aspect ratio" default="9:16"}: Ausgabeverhältnis; vertikale Werbefälle nutzen 9:16.
{argument name="video duration" default="15-second"}: die in Storyboard-Skripten deklarierte Dauer.
{argument name="product name" default="..."}: der in die Komposition einzufügende Produktname.
Das Eingabebild: Mehrere Bearbeitungsfälle (Neubildausschnitt, Storyboard aus einem Foto) erfordern das Hochladen des Referenzbilds zusammen mit dem Prompt.
Die Kategorie: Die Wahl einer Seite cases/<Kategorie>.md entspricht dem Filtern der Menge; jede Seite führt ihre eigene Zählung.

Häufige Fallstricke und Lösungen

Der gezeigte Prompt ist nicht der Prompt, den ChatGPT tatsächlich ausführt: Issue #8 dokumentiert (und der Maintainer bestätigt), dass ChatGPT den Prompt intern umschreibt, bevor es das Generierungstool aufruft; das Repository dokumentiert den für den Nutzer sichtbaren Prompt, der der reproduzierbare ist, nicht die intern umgeschriebene Version. Für tiefgehende Reproduzierbarkeitsanalysen ist diese Umschreibung ein Implementierungsdetail, das zwischen Sitzungen variiert.
Alte Prompts durch Moderation blockiert: Issue #5 meldet einen als unangemessen markierten Prompt; die Antwort des Maintainers ist, dass die Vorschauphase eine lockerere Moderationsschwelle hatte und dass “manche alten Prompts jetzt blockiert sein können, obwohl sie früher funktionierten”, mit ausstehender Prüfung und Aktualisierung.
Bild passt nicht zum Prompt oder ist kaputt: Die Issues #9 (“Case 60 image does not match the prompt”) und #15 (“Image in case is failed”) zeigen, dass die Medienverifikation nicht perfekt ist; das Repository lädt dazu ein, Issues zur Korrektur zu öffnen.
Nicht jeder Post ist ein Fall: Posts ohne öffentlichen Prompt sind nicht reproduzierbar; CONTRIBUTING.md verbietet es, sie als Fälle darzustellen.

Integrationen und Migration

OpenAI-API: Die Prompts werden laut README direkt gegen POST /v1/images/generations mit dem Modell gpt-image-2 verwendet.
EvoLink-API: Das Repository verlinkt die offizielle Dokumentation docs.evolink.ai und die aufrufbare Skill Evolink-AI/gpt-image-2-gen-skill für Agenten.
Bild-zu-Video-Ablauf: Evolink-AI/GPT-Image-2-Seedance2-Workflow verkettet GPT Image 2 mit Seedance 2 für die Videoproduktion.
Erweiterungen: 1061700625/image2-prompt-picker fügt die Prompt-Suche in ChatGPT ein.
Migration von anderen Sammlungen: Konkurrierende Sammlungen (freestylefly, YouMind) nutzen dasselbe Muster “Prompt + Ergebnisbild”, sodass ein Nutzer reibungslos von der einen zur anderen wechselt, indem er Prompts kopiert; der Unterschied liegt bei Größe, Sprache und Strukturierungsgrad (siehe Vergleich).

Zahlen zum Repo

Messung: 25. August 2026, GitHub-API.

Metrik	Wert
Sterne	16.922
Forks	1.707
Commits (Hauptbranch)	151
Von der API angegebene offene Issues	4
Gemeldete Sprache	Python (65 KB; entspricht dem Verifikationsskript; der eigentliche Inhalt ist Markdown)
Lizenz	CC0 1.0 Universal
Erstellung	18. April 2026
Letzter Push	18. Juli 2026
Veröffentlichungen (Releases)	Keine (das Repository nutzt keine Release-Tags)

Der einzige von der API zurückgegebene Contributor ist EvoLinkAI mit allen 151 Beiträgen; die gesamte Commit-Historie stammt von diesem Account, konsistent mit automatisierter Pipeline-Pflege. Die Zahl 151 wurde aus dem Paginierungs-Header der Commits-API ermittelt (per_page=1).

Vorbehalte: Die GitHub-API nutzt open_issues_count, was offene Pull Requests einschließen kann; außerdem spiegelt in der allgemeinen Antwort watchers_count die Sternezahl, weshalb keine separate Abonnentenzahl gemeldet wird.

Wie man beiträgt

Der Prozess ist in CONTRIBUTING.md und im Issue-Formular dokumentiert:

Per Issue (empfohlen): die Prompt-Einreichungsvorlage (issues/new?template=submit-prompt.yml) nutzen mit: kurzem Titel; dem vollständigen Prompt genau wie öffentlich geteilt; der ursprünglichen öffentlichen URL (oder einer Erklärung, dass das Issue der Originalpost ist); Name und Profil des Originalautors; Kategorie; mindestens einem Ergebnisbild; Eingabemedien, falls das Ergebnis davon abhängt; und Bestätigung der Rechte an Prompt und Medien. Das Erfinden von Prompt-Text, Autoren, Daten oder fehlenden Ergebnissen ist verboten.
Per Pull Request: (1) ein fokussierter Branch; (2) zuerst die englische Quelle README.md aktualisieren; (3) die passende cases/*.md-Seite und den Index data/ingested_tweets.json konsistent halten; (4) die zehn lokalisierten READMEs aktualisieren, wenn sich die sichtbare Struktur oder der öffentliche Text ändert (Prompt-Blöcke, URLs und Modellkennungen werden nicht übersetzt); (5) einen Eintrag zu docs/update-log.md hinzufügen; (6) die PR-Vorlage ausfüllen.

Lokale Verifikation: vom Repo-Root aus ausführen:

python3 scripts/verify_prompt_repo.py
python3 -m json.tool data/ingested_tweets.json
git diff --check

Medienregeln und Grenzen: kein Rohvideo als sichtbares Medium hinzufügen (ein mit dem Video verlinktes Posterbild verwenden); keine Secrets oder internen .codex/-Belege committen; keine Dateien über 25 MB ohne protokollierte Entscheidung hinzufügen; Maintainer können Medien vor der Veröffentlichung zu EvoLink R2 migrieren.
Repository-Grenze: Ein PR, der ausführbares API-Material oder Skill-Release-Material ändert, erfordert einen separat genehmigten Scope und ein Audit durch den Schwester-Agenten; er wird im normalen Flow nicht akzeptiert.

Wie die Community es aufnahm

Die gesammelten Belege zeigen Adoption über Sterne (16.922 in vier Monaten, eine der drei größten Sammlungen der Nische) und eine überwiegend chinesischsprachige aktive Nutzung, aber auch eine bemerkenswerte Abwesenheit öffentlicher englischsprachiger Debatte:

Hacker News: Es gibt keinen nennenswerten Thread, der diesem Repository gewidmet ist. Die nächstliegenden Beiträge sind tangential: 47875556 “GPT Image 2 Prompts” (2 Punkte, 1 Kommentar) verlinkt zu youmind.com (das konkurrierende Projekt, nicht dieses Repo); 47801925 “Show HN: A collection of GPT-IMAGE-2 prompts from X(Twitter)” (2 Punkte, 0 Kommentare) verlinkt zu gptimage2.one (eine andere Sammlung); 47862528 “What makes gpt-image-2 so good?” (2 Punkte, 1 Kommentar), wo Nutzer immanuwell argumentiert, “es sei vor allem die Architektur, nicht nur der Datensatz; das Nachdenken vor dem Rendern sei das, was es vom Rest abhebe”. Keiner dieser Threads bewertet dieses Repository.
Issue #8 (“Observation: user prompt and final image-generation prompt can differ”, geschlossen): Ein Nutzer dokumentierte mit Belegen aus der ChatGPT-Konversations-API, dass der intern umgeschriebene Prompt vom sichtbaren abweicht; der Maintainer bestätigte den Befund und klärte die Richtlinie des Repositorys (den sichtbaren, reproduzierbaren Prompt dokumentieren). Es ist die substantiellste gefundene Kritik: eine dem Korpus inhärente Reproduzierbarkeitsgrenze.
Issue #5 (“提示词涉黄了” — “der Prompt ist unangemessen”, 4 Kommentare, geschlossen): Nutzer melden einen Prompt mit unangemessenem Inhalt; der Maintainer antwortet, er stamme aus der Vorschauphase mit lockererer Moderation, und verspricht eine Prüfung. Es ist der Beleg dafür, dass die automatische Ingestion von X-Posts ein Fenster geringerer Beschränkungen durchlief.
Issue #6 (“优化建议: 添加提示词评分系统和模板系统” — “Optimierungsvorschlag: ein Prompt-Bewertungs- und Vorlagensystem hinzufügen”, geschlossen): Nutzer upclose schlägt ein Prompt-Bewertungssystem (Klarheit, Detail, Kreativität), ein Vorlagensystem, Batch-Verarbeitungsskripte und automatisierte Tests vor; der Maintainer legt es “als gebündelte Feature-Anfrage für zukünftige Planung” ab.
Issue #14 (geschlossen): Ein Nutzer teilt seine Browser-Erweiterung 1061700625/image2-prompt-picker für schnelle Prompt-Suche innerhalb von ChatGPT; sie zeigt praktische Nutzung über den passiven Konsum hinaus.
Issues #9 und #15 (geschlossen): “Case 60 image does not match the prompt” und “Image in case is failed”; Beispiele für Bild-Prompt-Nichtübereinstimmung und kaputte Medien, die die Community meldet und der Maintainer behebt.
Issue #21 (auf Wunsch des Autors geschlossen): ein Tutorial zur “kostenlosen und unbegrenzten” Nutzung von GPT Image 2 für encreaa.ai; zeigt, wie das Repository als Traffic-Magnet für alternative API-Dienste genutzt wird.

Die Nutzerbasis äußert sich vor allem auf Chinesisch (mehrere Issues sind in dieser Sprache verfasst, es gibt vollständige zh-CN/zh-TW-Lokalisierungen und kanonische chinesische Fälle wie das KV von Coca-Cola/Pepsi/7Up), was auf eine starke Adoption im chinesischen Digitalmarketing-Markt hindeutet, auch wenn die Herkunft der Sterne statistisch nicht verifiziert werden konnte.

awesome-gpt-image-2-API-and-Prompts im Vergleich zu anderen Ansätzen

Projekt	Verifizierbare Überschneidung	Verifizierbarer Unterschied
`freestylefly/awesome-gpt-image-2`	Eine GPT-Image-2-Prompt-Bibliothek mit Fällen und Bildern; 15.917 Sterne und 1.675 Forks, erstellt am 25. April 2026.	Positioniert sich als “Prompt as Code” / eine industrielle Engine: 530+ reverse-engineerte Fälle, 20+ industrielle Vorlagen und destillierte “Skills”; eigene Seite unter gpt-image2.canghe.ai.
`YouMind-OpenLab/awesome-gpt-image-2`	Eine GPT-Image-2-Prompt-Bibliothek mit Vorschaubildern; 9.430 Sterne und 857 Forks, erstellt am 16. April 2026.	Behauptet, die “weltweit größte” zu sein, mit 2.000+ täglich aktualisierten Prompts und 16 Sprachen; steht hinter youmind.com, einem kommerziellen KI-Forschungsprodukt.
`davidwuw0811-boop/awesome-gpt-image2-prompts`	Eine Sammlung von 490 GPT-Image-2-Prompts; 288 Sterne.	Fügt Chinesisch-Englisch-Suche, Kategoriefilter und Ein-Klick-Kopieren hinzu (eine Web-App).
`itgoyo/awesome-gpt-image2-prompt`	612 Prompts mit Beispielbildern; 122 Sterne.	Eine zweisprachige Sammlung, stärker auf statisches Durchsuchen ausgerichtet.
`chujianyun/awesome-gpt-image2-ppt-skills`	GPT-Image-2-Prompts; 161 Sterne.	Spezialisiert auf Folien (PPT) und Skills.
`BigPengSays/awesome-gpt-image-2-prompts`	500 “kopierbereite” Prompts mit Quellenzuschreibung und täglicher Aktualisierung; 83 Sterne.	Exportiert strukturiertes JSON/CSV (GptImageLab).
`T8mars/comfyui-gpt-image2-prompt-T8`	GPT-Image-2-Prompts; 73 Sterne.	Ist ein ComfyUI-Node: integriert die Sammlung direkt in ComfyUI-Workflows.
`indreamai/awesome-gpt-image-2-prompts`	Eine Sammlung mit Vorschauen; 21 Sterne.	Behauptet 7.000+ täglich aktualisierte Prompts (selbst berichtete, unverifizierte Zahl).

Der nützlichste Vergleich ist nicht der nach Größe: Dieses Repository sticht durch seine dokumentierte Wartungsinfrastruktur hervor (Quellenregister, Deduplizierung, skriptbasierte Verifikation, synchronisierte Lokalisierung), während freestylefly durch seinen “Prompt als Code”-Ansatz mit Vorlagen hervorsticht und YouMind durch Volumen und das zugehörige Web-Produkt.

Anwendungsfälle

Marketing- und E-Commerce-Teams, die Produktbilder ohne Fotografen brauchen: Die E-Commerce-Kategorie (Miniatur-Dioramen, 9-Panel-Storyboards, Hero-Produktfotos) und die Werbekreativität (Uhren-, Duft- und Lebensmittelkampagnen) bieten erprobte Prompts mit Variablen für Markenname, Verhältnis und Dauer, bereit zur Anpassung an ein konkretes Produkt.
Ersteller und Agenturen im chinesischen Markt (die sichtbarste Zielgruppe in den Issues): Die Fälle umfassen TVC-Skripte mit chinesischen Titeln und Copy, chinesische Marken-KVs und vollständige zh-CN/zh-TW-Lokalisierungen; das Repository ist eine Musterbasis für die digitale Werbung inländischer Produkte.
Designer für Poster, Porträt und Charaktere: Die Kategorien Poster/Illustration (170 kanonische Fälle laut Abschnittsüberschrift), Porträt (140) und Charaktere (20) decken fotografische, illustrative und konzeptionelle Stile ab, jeweils mit der Zuschreibung an den Originalkünstler als Stilreferenz.
Entwickler, die die GPT-Image-2-API aufrufen (OpenAI oder EvoLink): Die Prompts dienen als Ausgangspunkte für POST /v1/images/generations, und die Skill Evolink-AI/gpt-image-2-gen-skill erlaubt einem Agenten, sie aufrufbar zu nutzen.
Teams für Bild-zu-Video-Produktion: Der GPT-Image-2-Seedance2-Workflow desselben Ökosystems nutzt die Ausgabe von GPT Image 2 als Startbild von Seedance 2; die Storyboard-Fälle des Repositorys (9 Panels, Keyframes) sind das Previs-Material, das diesen Ablauf speist.
Maintainer von Prompt-Sammlungen oder Kuratierungs-Pipelines: docs/maintenance.md ist mehr als Dokumentation ein vollständig replizierbarer Prozess: Fall-Akzeptanzkriterien (8 Anforderungen), ein JSON-Quellenregister zur Deduplizierung, semantische Batch-Prüfung, skriptbasierte Verifikation und eine Veröffentlichungs-Checkliste; nützlich als Referenz auch ohne Beitrag zum Repository.

Ressourcen

Repository: https://github.com/EvoLinkAI/awesome-gpt-image-2-API-and-Prompts
Dokumentation: Wartung (https://github.com/EvoLinkAI/awesome-gpt-image-2-API-and-Prompts/blob/main/docs/maintenance.md), Änderungsprotokoll (https://github.com/EvoLinkAI/awesome-gpt-image-2-API-and-Prompts/blob/main/docs/update-log.md), Contributing (https://github.com/EvoLinkAI/awesome-gpt-image-2-API-and-Prompts/blob/main/CONTRIBUTING.md)
Offizielle Seite: https://evolink.ai/gpt-image-2-prompts
API-Dokumentation (EvoLink): https://docs.evolink.ai/en/api-manual/image-series/gpt-image-2/gpt-image-2-image-generation
Offizielle Ökosystem-Skills / Workflows: https://github.com/Evolink-AI/gpt-image-2-gen-skill, https://github.com/Evolink-AI/GPT-Image-2-Seedance2-Workflow
Organisation Evolink-AI: https://github.com/Evolink-AI
Vergleichbare Sammlungen: https://github.com/freestylefly/awesome-gpt-image-2, https://github.com/YouMind-OpenLab/awesome-gpt-image-2
Relevante Hacker-News-Threads: https://news.ycombinator.com/item?id=47854083 (GPT-Image-2-Launch), https://news.ycombinator.com/item?id=47875556, https://news.ycombinator.com/item?id=47862528, https://news.ycombinator.com/item?id=47801925
Repräsentative Issues: 8, 5, 6, 14
Sternenhistorie: https://www.star-history.com/#EvoLinkAI/awesome-gpt-image-2-API-and-Prompts&Date

Dieser Artikel kombiniert das README und die Wartungsdokumentation von EvoLinkAI/awesome-gpt-image-2-API-and-Prompts, die GitHub-API (Repository, Organisation, Contributor, Issues), GitHub-Suchen nach vergleichbaren Repositories und Hacker-News-Abfragen, durchgeführt am 25. August 2026. Zahlen ändern sich mit der Zeit.