image-assistant

Original source / Raw SKILL.md

---
name: image-assistant
description: 配图助手 - 把文章/模块内容转成统一风格、少字高可读的 16:9 信息图提示词；先定“需要几张图+每张讲什么”，再压缩文案与隐喻，最后输出可直接复制的生图提示词并迭代。
---

# 配图助手

## 触发方式

当用户说类似以下内容时触发：
- “这段内容做个图 / 配几张图？”
- “给我两张（或多张）出图提示词”
- “字太多不好看，帮我更趣味、更好读”
- “把这个流程封装成提示词模板/skills”
- “/image “/配图” “/出图”

---

## 流程概览

| 阶段 | 名称 | 目标 | 详细文件 |
|---|---|---|---|
| 1 | 需求澄清（Spec/DoD） | 先挖需求：内容/场景/受众/字多字少；尺寸与风格默认；产出一句话复述与需求小结 | `stages/01-brief.md` |
| 2 | 配图规划（拆块→清单） | 拆内容→定图清单（几张/每张讲啥/用啥模板） | `stages/02-plan.md` |
| 3 | 文案定稿（Copy Spec） | 逐字定稿“图上写什么”（唯一真值） | `stages/03-copy.md` |
| 4 | 提示词封装（Prompt Pack） | 把 Copy Spec 封装成可复制提示词；生成批量请求包并在用户确认后批量出图 | `stages/04-prompts.md` |
| 5 | 迭代润色 | 根据反馈减字、换隐喻、提可读性 | `stages/05-iterate.md` |

---

## 调度规则

**如何判断当前阶段：**
1. 还没把需求讲清楚（内容 + 场景 + 受众 + 字多/字少）→ 阶段1
2. 文章很长、需要拆块，或需要确定“几张图/每张讲什么”→ 阶段2
3. 已确认图清单，但还没确定“图上逐字写什么”→ 阶段3
4. Copy Spec 已确认，要出可复制提示词；（可选）提示词确认后批量出图 → 阶段4
5. 用户反馈“字多/不好看/不符合封面” → 阶段5（必要时回退到阶段1重锁需求与字多/字少）

**每个阶段开始时：**
- 告诉用户当前阶段与本阶段输出物
- 读取对应阶段文件并按步骤执行

---

## 输出规范（必须遵守）

- 每张图一个“核心信息”，不把解释性段落塞进图里
- 所有中文必须清晰可读：大字号、少字短句、避免密集小字
- 每张提示词用一个独立代码块输出，便于复制
- 默认输出 16:9 横版（除非用户明确要 3:4 漫画/竖版）
- 默认风格：奶油纸底 + 彩铅水彩手绘 + 轻涂鸦，趣味但干净（可用 `templates/style-block.md`）
- 阶段3产物（Copy Spec）一旦确认，阶段4不得擅自改文案，只做封装与参数/约束补全

---

## 快速使用（给用户的最小输入）

用户只要给这四项，就能开始：
1. 要配图的内容（可是一段、一个小节、或整篇文章）
2. 用在哪里 + 观看距离（PPT投影远看 / 手机近看 / 海报）
3. 谁来看（小白/从业者/老板/学生…）
4. 偏好：更“少字清爽”还是更“信息密度”

可选补充（不写也没关系）：
- 你大概想要哪类图：封面/目录、单页概览、讲义解释、社媒海报（不确定我会根据场景与偏好推荐）

你要做的交付顺序：
- 先输出：图清单（几张 + 每张一句话目的 + 模板建议）（阶段2）
- 用户确认后：逐张输出 Copy Spec（逐字定稿）（阶段3）
- Copy Spec 确认后：逐张输出可复制提示词/调用包（阶段4）
- （可选）提示词确认后：批量调用 API 出图（阶段4内连续流程）
- 用户说“字多/不好看”就进入迭代（阶段5）

---

## 文件结构

```
stages/
├── 01-brief.md
├── 02-plan.md
├── 03-copy.md
├── 04-prompts.md
└── 05-iterate.md

templates/
├── style-block.md
├── 16x9-infographic.md
├── 16x9-contrast-2cards.md
├── 16x9-3cards-insights.md
├── 16x9-cover-roadmap.md
├── 16x9-5panel-comic.md
├── api-config.md
├── apimart-curl.md
├── apimart-requests-jsonl.md
└── checklist.md

examples/
└── ai-tools-selection.md

scripts/
├── apimart_batch_generate.py
├── apimart.env.example
└── README.md
```


---

## Referenced Files

> The following files are referenced in this skill and included for context.

### stages/01-brief.md

```markdown
# 阶段1：需求澄清

**目标：** 在“拆文章/配图”之前，先把用户的真实需求说清楚：**内容是什么、用在什么场景、谁来看、想要字多还是字少**。其它默认值（如尺寸/风格）不打扰用户。

## 你需要问用户的 4 个问题（优先级从高到低）

1. **内容（先给我原文/要点）**：把要配图的内容贴过来（整段/小节/提纲都行）。
   - （可选补一句）你希望读者看完**记住哪一句话/得到什么结论**？
2. **场景（用在哪、怎么看）**：手机近看 / PPT 投影远看 / 海报打印？
   - 如果多个都有：**哪个是主场景**（我优先为它优化字号与密度）？
3. **受众（谁来看）**：小白 / 从业者 / 老板 / 学生…（决定措辞与隐喻）
4. **字多还是字少**：你希望更“少字清爽”还是更“信息密度高”（决定文案压缩强度）

## 本阶段输出物

### DoD（Definition of Done：没确认不进阶段2）

- 你复述给用户确认的 1 句话（推荐直接这样说）：
  - **内容主题 + 主场景 + 受众 + 字多/字少 +（我建议的图类型）**
  - 默认补齐但不打扰用户：`16:9`、默认风格（除非用户明确提“竖版/品牌规范/参考图”）
- 口径对齐（方便后续阶段衔接）：
  - 这里的“字多/字少”就是后续阶段会用到的“文字预算”
  - “图类型”用户不确定没关系：你可以先推荐一个，用户点头即可进入阶段2
- 需求小结（不超过 5 条，尽量用口语化而非硬指标）：
  - 例如：`手机近看为主`、`给小白看`、`偏少字清爽`、`希望读者记住：……`、`先做 1 张概览框架图`

## 给用户的参考输入（让他照抄也行）

- 内容：……（粘贴原文/要点/提纲）
- 场景：手机近看为主（也会用于 PPT）
- 受众：给……看（小白/从业者/老板/学生…）
- 偏好：字少/字多
- 目标：希望读者看完记住……

```

### stages/02-plan.md

```markdown
# 阶段2：配图规划（要几张图？每张讲什么？）

**目标：** 基于阶段1已确认的规格（图类型/文字预算/用途），先“拆内容→定图清单→选版式”，避免一张图塞太多导致难看难读。

## 规划原则（核心）

- **优先遵守阶段1的图类型与文字预算**：不符合预算的内容，不要硬塞到图里。
- **一张图=一个核心信息**（通常是一个判断）：读者扫一眼就能记住一句话。
- **概念图 vs 案例图分开**：概念负责“定义与选型”，案例负责“过程可视化”。
- **同一篇文章的多张图要统一风格**：同一套纸张/线条/配色/边框/涂鸦。

## 2A：内容拆块（长文必做）

当用户给你“很长的文章/一堆段落”时，这一步就是你要做的事：

- 先按 **小标题/段落主题** 抽出模块（不要逐句改写）
- 把模块聚类成 3–7 个“可画的块”（每块一句话概括，不写细节）
- 标记每块更适合的图形承载：流程 / 对比 / 清单 / 关系图 / 漫画

> 这一步的输出不要是提示词，而是“图清单草案”，让用户先选方向。

## 2B：判断“需要几张”的启发式规则

1. **纯定义 + 场景**：通常 1 张（卡片/对比/列表）。
2. **涉及流程/步骤**：至少 1 张流程图；若还有“为什么这样”再加 1 张对比/解释图。
3. **需要讲差异**（A vs B）：1 张对比图；如果有经典小故事，再加 1 张漫画/流程故事图。
4. **收束段落**（总结/洞察/框架）：1 张（要点卡片/决策树/关系总览）。

## 2C：图类型分支（避免“阶段2原则”误伤）

- **封面目录图/课程路线图（允许列 4–6 个模块）**
  - 目的：读者一眼知道“这节课讲什么结构”
  - 文案策略：每块 **仅标题**（解释信息移到后续单页/讲义图）
  - 版式建议：5步流程带 / 路线图 / 分段里程碑
- **概览框架图（强结构+少量结论）**
  - 目的：给判断框架（每块允许 1 行结论）
- **讲义解释图（信息密度更高）**
  - 目的：把“为什么/怎么做”讲清楚（但仍避免长段落）

## 本阶段输出物（给用户确认）

- 配图清单（用户确认后才进入阶段3）：
  - 图数量：N 张
  - 每张图：**一句话目的** + **对应内容块** + **建议版式模板**
  - 若是封面目录图：明确“只放标题、不放解释小字”

```

### stages/03-copy.md

```markdown
# 阶段3：文案定稿（Copy Spec：唯一真值）

**目标：** 把内容变成“上图文案规格表（Copy Spec）”：逐字定稿 + 字数预算 + 区域结构。阶段4只负责“封装成提示词”，不再改文案本身。

## 先选模式（必须与阶段1一致）

- **封面模式（目录/路线图）**：每块只放标题；不写解释句；尽量不出现小字。
- **概览模式（框架图）**：每块允许 1 行结论；禁止长解释。
- **讲义模式（解释图）**：可以更密，但仍要短句；避免段落与密集小字。

> 如果模式不清楚，回到阶段1补齐“图类型 + 文字预算”，否则阶段3会跑偏。

## 压缩规则（默认规则；封面模式更严格）

- 先删掉“讲解用”的背景句，只保留“结论/动作”
- 默认：每块区域 **1–2 行**，每行尽量 **≤10 个字**
- 封面模式：每块 **仅 1 行标题**（0 解释）
- 用直观词替代术语堆叠：更稳/更可控/更省心/能跑通/能复刻…

## 隐喻与元素（只列清单，不画细节）

- **超载/规则太多**：塞爆背包、溢出的纸条、仪表盘转红
- **复杂任务一步到位**：打结毛线/一团乱麻 → 分卷/分步骤卡片
- **Agent 自驱**：失败→排查→定位→修复→重试（漫画）
- **Skills**：工具箱/文件夹积木/工牌
- **关系总览**：阶梯演化 + 套娃容器/大盒子调度

## Copy Spec 输出模板（你交付给用户确认的格式）

对每张图输出一份 Copy Spec（可直接粘贴）：

- 图编号：图1 / 图2 / …
- 图类型：封面 / 概览 / 讲义
- 画幅：16:9（或用户指定）
- 版式模板：对比两卡 / 三卡洞察 / 五步路线图 / 通用信息图 / 五格漫画
- 文字预算（硬指标）：例如“全图仅：标题1行 + 5块标题 + 底栏2行；禁小字；禁模型加字”
- 区域 → 逐字文案（唯一真值）：
  - 标题：
  - 区域A（如：流程5块）：
  - 区域B（如：底部两卡）：
- 图标/隐喻清单（可选）：每个区域配 1 个图标关键词

## 本阶段输出物

- **Copy Spec（逐字定稿）**：用户确认后才进入阶段4
- 若用户说“字还是多”：先回到“文字预算”，优先删到“每卡 1 句（或仅标题）”

```

### stages/04-prompts.md

```markdown
# 阶段4：提示词封装（Prompt Pack：可执行生成包）

**目标：** 把阶段3的 Copy Spec 原样封装成"可复制/可调用"的提示词包（Prompt Pack），并支持批量出图。阶段4不负责改文案，只负责：模板拼装、风格一致、参数/约束齐全、避免模型乱加字、把提示词整理成可批量请求的结构化请求包。

## 封装原则（避免和阶段3混淆）

- **Copy Spec 是唯一真值**：提示词中“必须逐字放入”的文字，直接来自阶段3，不在这里重写。
- **提示词负责“怎么画”**：画幅、版式、留白、对齐、图标隐喻、风格块、强制约束、负面提示、参数。
- **封面类默认“禁额外小字”**：明确写“除指定文字外不要生成任何额外文字”。

## 生成步骤（按顺序）

1. 选定结构模板（与 Copy Spec 的版式一致）
2. 粘贴通用风格块：`templates/style-block.md`
   - **风格基准锁定**：每张图都必须以 `templates/style-block.md` 定义的风格作为**唯一允许的基础风格**来生成（奶油纸 + 彩铅线稿 + 淡水彩 + 轻涂鸦、少字高可读）。
   - **不得换风格**：不要让模型自行切换成扁平矢量海报风/3D/摄影写实等“更像信息图默认风格”的路线。
   - 允许你用自己的话描述该风格，但不能删掉关键要素与负面约束（否则风格会被模型先验带偏）。
3. 写清楚画幅/用途（PPT远看 vs 手机近看）与排版硬约束（对齐、留白、字号）
4. 粘贴 Copy Spec 的"必须逐字放入的文字"
5. 加强制约束 + 负面提示（无乱码/不加字/不密集小字/不背景杂乱）
6. 生成**批量请求包（JSONL）**：把每张图的 Prompt 内容写入一行（参考 `templates/apimart-requests-jsonl.md`）
7. 用户选择批量API方式后：直接生成JSONL并执行批量出图（不再二次确认）

## 模板使用

- 通用风格块：`templates/style-block.md`
- 结构模板：
  - 封面路线图（目录/5步）：`templates/16x9-cover-roadmap.md`
  - 对比两卡：`templates/16x9-contrast-2cards.md`
  - 三卡洞察：`templates/16x9-3cards-insights.md`
  - 五格漫画：`templates/16x9-5panel-comic.md`
  - 通用信息图：`templates/16x9-infographic.md`

## 本阶段输出物

- **Prompt Pack**：按"图1/图2/…"编号输出；每张图一个独立代码块（便于复制/脚本调用）；代码块外最多 1–2 句说明
- **Batch Request Pack（JSONL）**：例如 `out/apimart.requests.jsonl`（一行一张图，字段见下文）
- **执行方式**：当用户在阶段4明确选择"批量API"时，先输出提示词让用户查看（选项A：手动出图 或 选项B：批量API），一旦用户选择B，直接生成JSONL并执行，不再二次确认

## 为什么“阶段4”容易风格跑偏（解释逻辑）

阶段4本质是“用文字去约束一个带强默认审美的出图模型”，风格会被多方力量拉扯：

1. **模型先验（Style Prior）**：很多模型看到 “infographic/信息图” 会自动偏向“干净的扁平矢量/海报风”，即使你写了彩铅水彩，也可能只被当作弱建议。
2. **可读性约束会压过质感**：当你同时要求“中文大字号、严格对齐、少字、清晰”，模型会优先保证字清楚与版式稳定，牺牲纸纹、彩铅笔触等“质感细节”。
3. **风格基准不够“排他”会降权**：如果不强调“这是唯一允许风格，不能换”，模型会把它当成“可选项”，然后自动回到信息图的默认风格（常见是扁平矢量/海报风）。
4. **风格词太短/太抽象**：仅写“彩铅水彩”不足以锁定细节，需要补“纸纹可见、笔触可见、轻晕染”等可观察特征，并配合负面约束（已在风格块中补强）。

实操上要提升稳定性：在每张图的 prompt 里都明确“以该风格为唯一基础，不得换风格”，并加入“不要扁平矢量/不要3D/不要摄影”等负面约束来对冲模型的默认风格。

---

## 批量调用 APIMart API 出图（用户选择后直接执行）

> 规则：**先封装 Prompt Pack 并展示给用户 → 询问"手动出图"还是"批量API" → 用户选择"批量API"后直接生成JSONL并执行**。不在生成JSONL后再次确认。

### 需要的两个东西

1. **API 配置**（建议放本地文件）：`scripts/apimart.env`（参考 `scripts/apimart.env.example` 与 `templates/api-config.md`）
2. **批量请求包**（JSONL）：例如 `out/apimart.requests.jsonl`（参考 `templates/apimart-requests-jsonl.md`）

### 请求包字段（每行一张图）

- `id`：建议 `01` / `02` / …
- `prompt`：阶段4输出的 Prompt 内容（可直接粘贴）
- `size`：默认 `16:9`
- `n`：默认 `1`
- `resolution`：默认 `2K`
- `model`：默认 `gemini-3-pro-image-preview`
- `pad_url`：可留空（暂不需要垫图 URL）

### 运行方式（二选一）

**A) 用脚本批量出图（推荐）**

```bash
python3 scripts/apimart_batch_generate.py \
  --config scripts/apimart.env \
  --input out/apimart.requests.jsonl
```

**B) dry-run（不请求；把 curl 与请求信息写入单个 `run.json`）**

```bash
python3 scripts/apimart_batch_generate.py \
  --config scripts/apimart.env \
  --input out/apimart.requests.jsonl \
  --dry-run
```

> curl 格式参考：`templates/apimart-curl.md`

```

### stages/05-iterate.md

```markdown
# 阶段5：迭代润色（让图更好看）

**目标：** 根据用户反馈快速迭代：更趣味、更少字、更清楚。

## 常见反馈 → 对应动作

- “字太多/太丑” → 每卡压到 **1 句 + 1 关键词**，删掉副标题或把副标题变短
- “这张应该是封面/目录，但你给成了讲义” → 回到阶段1重锁：图类型 + 文字预算（封面模式：每块仅标题，禁小字）
- “隐喻看不懂” → 换成更大众隐喻（毛线/背包/路牌/工具箱）
- “排版不均衡” → 强调“等宽卡片/严格对齐/留白”
- “中文不清楚” → 强调“大字号/无小字/干净字体/避免花体”
- “模型乱加字/补充说明” → 在提示词里加硬约束：**除指定文字外不要生成任何额外文字**

## 回归检查

迭代后对照 `templates/checklist.md` 过一遍再交付。

```

### templates/style-block.md

```markdown
# 通用风格块（风格基准：必须以此为唯一基础）

- 画幅：16:9 横版信息图（除非用户要竖版）
- 质感：奶油色纸张底（纸纹可见），彩铅线稿（笔触可见） + 淡水彩上色（轻晕染）
- 氛围：暖色调、轻涂鸦装饰、趣味但干净
- 可读性：中文必须清晰可读、无乱码；大字号；少字短句；避免密集小字/段落
- 版式：留白充足、层级清晰、卡片对齐、箭头醒目
- 负面约束：不要扁平矢量海报风、不要 3D、不要摄影写实、不要复杂背景/强渐变光效、不要额外小字注解/水印/署名、不要英文与随机字符

```