近年来，扩散模型在图像生成与编辑方面取得了显著进展，但生成或重建包含透明Alpha通道的分层PSD文件仍面临巨大挑战。为此，我们提出OmniPSD，一个基于Flux生态系统的统一扩散框架，通过上下文学习（in-context learning）实现文本到PSD的生成与图像到PSD的分解。在文本到PSD生成任务中，OmniPSD将多个目标图层在单个画布中进行空间排布，并通过空间注意力机制学习其构图关系，生成语义连贯且具有层次结构的图层。在图像到PSD的分解任务中，该方法采用迭代式上下文编辑策略，逐步提取并消除文本与前景内容，从而从单一的扁平化图像中重建出可编辑的PSD图层。为在不干扰结构学习的前提下保持透明度信息，OmniPSD引入了RGBA-VAE作为辅助表示模块。在我们新构建的RGBA分层数据集上的大量实验表明，OmniPSD在生成保真度、结构一致性以及透明度感知方面均表现优异，为基于扩散Transformer的分层设计生成与分解提供了一种全新的范式。