AI news

开源一个非常漂亮的文章配图 Skill

By 歸藏的AI工具箱1 viewsSource: 歸藏的AI工具箱
开源一个非常漂亮的文章配图 Skill

昨天早上我想给 Claude 的一篇文章配几张 3:4 的社交媒体图。手边有自己做的社交媒体 Skills,就顺手让 Codex 调了 GPT-Image 2.0。出来的效果超出预期。干净白底,克制的 3D 材质,中文标签直接印在图里,远看像杂志内页,近看细节都读得清。

The full text has not been translated yet. The Chinese original is shown below.

文章配图

昨天早上我想给 Claude 的一篇文章配几张 3:4 的社交媒体图。

手边有自己做的社交媒体 Skills,就顺手让 Codex 调了 GPT-Image 2.0。

出来的效果超出预期。

干净白底,克制的 3D 材质,中文标签直接印在图里,远看像杂志内页,近看细节都读得清。

发到群里和社交媒体后好几个人来问怎么做的,我自己也觉得满意。

文章配图

既然效果已经验证了,不如做成正式的 Skill 分享出来。

于是就有了guizang-material-illustration(github.com/op7418/guizang-material-illustration)

不过期间还是做了很多工作,从一段"能跑"的提示词到一个别人拿过去也能稳定出好图的 Skill,中间差的东西还是挺多的。

它解决什么问题

写文章、做周报、发社交媒体、准备 PPT,都绑不开一个配图的问题。

不是缺封面,封面用模板就能搞定。

难的是那种需要把一个概念、一套流程、一组数据讲清楚的配图。

要么是密密麻麻的截图直接贴上去,要么是 AI 画了一张很漂亮但谁也看不懂在说什么的插画。

文章配图

把你的文章、笔记、数据或产品说明,变成一张带中文标签的解释图。

图里有箭头和标注,有空间关系,读者扫一眼就能抓到你在说什么。

文章配图

它不管小红书卡片排版,也不管 PPT 页面设计。

只负责中心那张图,生成完直接放进社交卡片 Skill、PPT Skill 或者任何文档里就行。

从随手写的提示词到正式 Skill

最初那段提示词只在特定场景下跑得通。要做成一个别人也能稳定使用的工具,每个环节都得单独适配。

场景适配和统一视觉风格

最开始只能处理简单的流程图。但现实中需要配图的场景太杂了:

周报里的项目进度、产品文档里的系统架构、数据分析里的图表、教学材料里的物理实验,甚至一篇讲哲学概念的文章。

我把这些场景逐一拆开,每种类型单独做了视觉结构和提示词模板:

工作汇报与产品说明:进展、风险、决策、路线图,用流程和层级图来表达。

文章配图

数据图表:花时间最多的部分。AI 领域的测评图表普遍死板,千篇一律的柱状图和折线图。

我专门做了图表的材质化表达,让柱状图、甘特图、桑基图、热力图都带上 3D 质感。

文章配图

教育解释图:小学的杠杆原理、中学的电磁感应,每个部件、力的方向、反应过程都要标对位置。

好看不够,得准确。

文章配图

人文配图:丝绸之路的商路、古诗里的月光意象、哲学概念的抽象关系。

这类图最难,要在"有氛围"和"讲明白"之间拿捏。

文章配图

这些场景最终统一在同一套视觉语言下:白底工作室光线、克制的 3D 材质物件、一个鲜明的点缀色(默认 IKB 蓝)、图内嵌入短中文标签。

看起来像一套实体模型摆在白色桌面上拍的照片。

文章配图

冷门概念与 Logo 的参考检索

测试的时候撞上了一个问题。

你让 AI 画一个 PKCE 流程图,或者画一个 Zettelkasten 卡片系统,它大概率不知道这些东西长什么样。

更别说一些新产品的 Logo、特定的科学装置、历史文化物件。

文章配图

所以我加了一套判断逻辑:Agent 在生成之前先评估这个概念是不是够常见。

如果判断是冷门的,比如一个管理学框架、一个生物实验器材、一个小众 AI 模型的标识,它会先去检索参考信息和参考图片,提取视觉线索(轮廓、配色惯例、标志性形状),再统一转化成歸藏材质插画风格。

文章配图

参考只用来理解事物本身长什么样,不用来复制画风。最终所有图都回到统一的视觉体系里。

让模型老老实实在图里写字

GPT-Image 2.0 的中文文字生成能力其实不错,但 AI Agent 有时候会"自作聪明":

它知道图像模型生成文字可能出错,干脆就不放文字,转而用 HTML 在图片外面贴标签。

你拿到的是一张漂亮但什么都没标注的装饰图,外面围着一圈割裂的文字。

对解释图来说,图内标签就是内容本身。"用户提示"、"AI 执行"、"结果检查"这些短标签如果不在图里,读者就得来回对照,解释力直接打折。

文章配图

我在提示词层面反复纠正这个行为:

要求标签必须生成在图片内部,限制每个标签 2-5 个汉字,指定空间位置(左上、右下、居中等),要求放在干净的白色区域或标注板上。

调了很多轮,现在标签准确率稳定下来了。

图表不截图换皮,从数据重画

最直觉的做法是把原始图表截图扔给模型,让它"美化"一下。

问题是:原始图表如果排版很差(密密麻麻的坐标、模糊的颜色、挤在一起的数据点),模型会继承这些糟糕的视觉特征。换了个皮,骨子里还是那张丑图。

我的做法是走"语义抽取":

Agent 先从图表截图或原始数据中提取真正重要的信息,包括图表类型、标题、结论、横纵坐标、数据值、单位、类别顺序、需要强调的极值或异常点。

然后把这些纯语义信息交给 GPT-Image 2.0,让它从零画一张全新的材质化图表。

最终的图表可以有更大的标题区域、更清晰的数据呈现,旁边还能加入小场景和图标来辅助理解。不是给原图换皮,是重新设计一张信息图。

文章配图

反模式纠正与交付前审核

AI 配图有一些反复出现的坑,不专门防范就一定会踩:

•图里没有任何文字,明明要解释概念,结果画了一张纯氛围图

•图里塞了一大段文字,把整段说明都挤进图片里,根本读不了

•中文标签出错,写了错字、出现乱码、或者标签指向了错误的位置

•提示词泄露,把生成时用的提示词内容直接显示在了成品图里

•参考图照搬,模型把参考图里的水印、低画质背景、甚至原有的 UI 元素都一起复制了

文章配图

我在 Skill 的最后阶段加了一道 QA 审核。Agent 在交付之前逐项检查:

标签对不对、数据对不对、画面有没有被裁切、有没有意外的水印或乱码。发现问题直接重新生成,不靠外部打补丁。

能做什么,不能做什么

以前看过我写的东西、熟悉 Skills 的人都知道,我一般会写清楚什么东西适合用这个做,什么东西不适合用这个做。没有什么是全能的,Skills 也做不到包揽所有事情,这里依旧是这样。

文章配图

适合的场景:

•文章配图、知识解释图、概念拆解图

•工作汇报配图、项目状态图

•产品机制图、系统架构图

•数据图表美化(柱状图、折线图、甘特图、桑基图、热力图、漏斗图)

•教学材料配图(小学科学、中学物理化学生物)

•人文观点配图(历史、哲学、文学意象)

•社交卡片的中心图、PPT 的主视觉

不适合的:完整的小红书卡片排版(那是社交卡片 Skill 的工作)、PPT 结构设计、真实摄影修图、人像写真、长文海报排版。

安装和使用

跟你的 Codex 说,当前其他 Agent 也行,但是这套提示词没有在其他图像模型测试过:

BASH

帮我安装这个 Skill:npx skills add https://github.com/op7418/guizang-material-illustration --skill guizang-material-illustration

装好之后对 Agent 说自然语言就行,比如:

"用歸藏的材质插画 Skill,帮我把这段产品说明做成一张带中文标签的机制图"

"把这篇文章挑 3 个核心概念,各生成一张带字配图"

不用选模式、不用指定参数,Agent 根据材料自动判断该生成什么类型的图。

也可以跟藏师傅的 PPT Skill 和社交媒体图片 Skill 配合,生成更漂亮、更丰富的内容。

文章配图

这又是一个模型涌现的案例。

今天早上我为那篇文章生成测试图片的时候,其实并没有要求它的图像风格和图像类型,但它自己挑选了一个非常适合的风格,而且颜色也和原来的主题色保持了一致。

所以很多时候,提供给 AI 的上下文真的很重要。

一旦你提供了足够丰富的上下文,它自己就会靠着审美和内容去达成统一、一致与和谐。

文章来自于微信公众号 “歸藏的AI工具箱”,作者 “歸藏的AI工具箱”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)