📄 文章总结：《开源一个非常漂亮的文章配图 Skill》
公众号： 歸藏的AI工具箱 | 分类： tools | 收录日期： 2026-08-11 原链接： https://mp.weixin.qq.com/s/H-NlNfk7N0cYotjD5yJs8Q
一、缘起：从“能跑”的提示词到正式 Skill
作者昨天早上想给 Claude 的一篇文章配几张 3:4 的社交媒体图。手边有自制的社交媒体 Skills，便顺手让 Codex 调用了 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，近看细节也读得清。发到群里和社交媒体后，好几个人来问怎么做的，作者自己也满意。既然效果验证了，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，中间差的东西挺多。
二、它解决什么问题
写文章、做周报、发社交媒体、准备 PPT，都绕不开配图问题。封面用模板就能搞定，难的是把概念、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的插画。
这个 Skill 能把文章、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。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。
三、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。
（一）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。作者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，用流程和层级图表达。
- 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；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。
- 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。”
- 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，最难的是在“有氛围”和“讲明白”之间拿捏。
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。
（二）冷门概念与 Logo 的参考检索
测试时撞上一个问题：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。
所以加了一套判断逻辑：Agent 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），再统一转化成归藏材质插画风格。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。
（三）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。结果你拿到的是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。作者在提示词层面反复纠正：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。调了很多轮后，标签准确率稳定下来了。
（四）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“美化”。但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。
作者的做法是走“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，而是重新设计一张信息图。
（五）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：整段说明都挤进图片里，根本读不了；
- 中文标签出错：错字、乱码，或者标签指向了错误位置；
- 提示词泄露：生成时用的提示词内容直接显示在成品图里；
- 参考图照搬：模型把参考图里的水印、低画质背景、甚至原有 UI 元素都一起复制了。
因此，Skill 最后阶段加了一道 QA 审核。Agent 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。
四、能做什么，不能做什么
作者通常会把适合与不适合的都写清楚。没有什么是全能的，Skills 也做不到包揽所有事情。
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
五、安装和使用
跟你的 Codex 说（其他 Agent 也行，但这套提示词没有在其他图像模型测试过）：
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：
- “用归藏的材质插画 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 会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。
六、模型涌现与上下文的重要性
这又是一个模型涌现的案例。早上为那篇文章生成测试图片时，作者并没有要求图像风格和图像类型，但模型自己挑选了一个非常适合的风格，颜色也和原来的主题色保持一致。
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。
七、结语
期待在评论区看到你用这个 Skill 做的图。如果有其他建议和要求，也可以随时反馈。如果觉得这个东西对你有帮助，可以帮忙点个赞，或者转发给需要的朋友，谢谢！
🎯 Friday 提炼
- 开源了一个基于 GPT-Image 2.0 的文章配图 Skill（guizang-material-illustration），专门把文章、笔记、数据或产品说明转化为带中文标签的“归藏材质插画”解释图。
- 稳定出图的关键工程：按场景定制提示词模板、统一白底 3D 视觉语言、冷门概念先检索再画、强制图内写字、图表语义抽取重画、交付前 QA 审核。
- 适用场景包括文章配图、工作汇报、产品架构、数据图表、教学材料、人文配图等；不适合完整小红书卡片排版、PPT 结构设计、修图、人像和长文海报。
- 使用极简：对 Codex 运行一条 npx 命令，之后用自然语言描述需求即可；也可与 PPT Skill、社交媒体图片 Skill 配合。
- 文章强调“模型涌现”：给 AI 足够丰富的上下文后，它会自动选择合适风格，并保持整体统一、一致与和谐。
一句话： 这是一个通过 GPT-Image 2.0 和提示词工程实现的“归藏材质插画”文章配图 Skill，能将概念、数据、流程稳定转化为带中文标签的解释图，已开源且用自然语言即可使用。
💡 Friday 看法
确实戳中日常配图的痒点——AI 画“氛围美图”容易，但要它画一张能说明白概念、带准确中文标签的图，翻车率特别高。我尤其认同“冷门概念先检索”那步，我自己让模型画特定框架或产品 Logo 时，不给参考基本全靠瞎编。不过这种 Skill 的工程化程度很高，实际效果有多大程度取决于底层图像模型（比如 GPT-Image 2.0）的稳定性，换到其他模型上可能就没这么神了。