Agent-Skills.md

Agent Skills: Wise Image Flow · 配图全流程

将文章或 PPT 大纲拆成图清单、统一系列风格、逐张图上文案与提示词，并可生图及拼版交付。用于需要内容规划的系列配图，或用户明确指定 wise-image-flow。普通生图、修图、已有完整提示词的直接执行不触发；Codex 此时直接使用内置生图工具。进入本 Skill 后，Codex 生图也仅限 image_gen.imagegen，不回退第三方通道。

UncategorizedID: wisewong6/prompt-skills/wise-image-flow

Repository

wisewong6/prompt-skills
WiseWong6License: MIT
104

Install this agent skill to your local

pnpm dlx add-skill https://github.com/WiseWong6/wise-skills/tree/HEAD/wise-image-flow

Skill Files

Browse the full folder contents for wise-image-flow.

Download Skill

Loading file tree…

wise-image-flow/SKILL.md

Skill Metadata

Name
wise-image-flow
Description
将文章或 PPT 大纲拆成图清单、统一系列风格、逐张图上文案与提示词，并可生图及拼版交付。用于需要内容规划的系列配图，或用户明确指定 wise-image-flow。普通生图、修图、已有完整提示词的直接执行不触发；Codex 此时直接使用内置生图工具。进入本 Skill 后，Codex 生图也仅限 image_gen.imagegen，不回退第三方通道。

Wise Image Flow · 配图全流程

一个 skill 覆盖「内容 → 提示词 → 生图」全链路：

  • 上半场（配图助手）：把文章/模块/PPT 大纲转成统一风格、少字高可读的提示词（11 种风格 + 25 种布局 + 5 阶段流程）
  • 下半场（生图工具）：Codex 只用 image_gen.imagegen，不可用或失败即停；其他宿主按下方通道规则选择内置工具、MCP 或 API。

触发方式

先判断是否需要配图规划，再选择普通或 PPT 模式；不能只凭图片数量、文件格式或布局标记触发。

  • 进入本 Skill：用户明确指定 wise-image-flow；或要求将文章/PPT 大纲拆成系列配图，需要确定图清单、统一系列风格、逐张文案和提示词，并可继续生图、拼版交付。
  • 直接使用生图工具：普通生图、修图、已有完整提示词的单张或批量执行，不进入本 Skill。在 Codex 中直接使用 image_gen.imagegen，不插入图清单、风格 Gallery 或 Copy Spec 确认流程。
  • 用户指定优先：用户说“直接用 Codex 生图”“不用这个 Skill”时跳过本 Skill；不因“配图”“出图”“PPT”或单张图片的风格要求强制进入。仅拼接已有图片时使用 image-to-pages。
  • 续作：已在本 Skill 中完成规划后要求“出图”，沿用已确认方案进入生图步骤；已提供完整提示词并显式指定本 Skill 时，同样跳过前置规划。

普通配图模式

例如：“把这篇文章拆成一组图，规划每张讲什么、写什么，并统一风格。”

PPT 配图模式（快速通道，3 阶段）

只有已满足本 Skill 进入条件，且用户要求按 PPT 大纲规划系列配图时才进入。第X页、可视化类型：、ASCII 框图和布局标记只辅助解析，不独立触发。

详见 references/stages/00-ppt-mode.md。

风格 Gallery（⚠️ 阶段 2 必须用户确认，禁止自动决定）

支持 11 种风格，必须向用户展示并等待明确选择：

⚠️ 禁止自动选择：以下"参考关键词"仅供推荐参考，严禁未获用户确认前擅自决定风格。

| 风格 ID | 名称 | 适用场景 | 参考关键词 | |---------|------|----------|-----------| | cream-paper | 奶油纸手绘 | 配图、信息图、概览、框架图、路线图（默认推荐） | 通用/配图/概览/框架 | | infographic | 扁平化科普图 | 概念解释、原理说明、步骤展示 | 科普/原理/是什么/如何 | | handdrawn | 方格纸手绘 | 笔记手绘、学习感 | 笔记/手绘/草图/学习 | | healing | 治愈系插画 | 情绪叙事、场景氛围、治愈感 | 情绪/故事/人物/治愈 | | sokamono | 描边插画 | 清新文艺、简洁治愈 | 清新/简洁/文艺 | | minimalist-sketch | 极简手绘笔记 | 细线条手绘、纯白背景、信息图解 | 极简/技术/专业 | | xhs-cartoon | 小红书卡通 | 干货分享、萌系表达、轻松活泼 | 萌系/干货/分享/活泼 | | editorial | 社论全景 | 深度分析、商业场景；封面 21:9，内页 16:9 | 商业/深度/全景/严肃 | | cream-journal | 奶油手账 | 手账风知识卡片、小红书图文、学习笔记（3:4） | 手账/笔记/知识卡片 | | editorial-paper | 社论纸艺 | 责任关系、工作流重构、AI 工作产品；默认 3:4，也可按场景扩展横版 | 纸艺/拼贴/责任/工作流 | | paper-precision-atlas | 纸上精密图谱 | 概念研究、技术机制、科学结构；含简约纸本视频变体 | 石墨/精密图谱/工匠感/线网 |

用户已明确指定风格或提供已确认的延续方案时，直接沿用该选择并读取对应模板，无须重复展示 Gallery。

强制流程：1. 展示上表 → 2. 询问"请选择（数字或名称）" → 3. 收到明确选择才进入下一阶段 → 4. 风格锁定后阶段 3+ 不得更改（要换回退到阶段 2.5）

布局系统（自包含速查表）

注：本表为 25 种布局标记的自包含速查表（标记 + 名称 + 场景 + 选择原则）。5 种通用结构模板（balanced / comparison / list / flow / sparse）位于 references/templates/16x9-*.md，阶段 4 按 Layout ID 动态读取（见 references/stages/04-prompts.md）。

| 布局标记 | 名称 | 适用场景 | |---------|------|----------| | .vs-grid | 对比 | 痛点 vs 解法、旧 vs 新 | | .process-chain | 流程 | 3-6 步骤线性流程 | | .process-loop | 循环流程 | 三角/四角/五角循环（PDCA 等） | | .matrix-grid | 维度矩阵 | 2×2 或 3×3 网格分类 | | .stat-card | 指标卡片 | 核心数据、关键指标 | | .timeline | 时间轴 | 里程碑、发展历程 | | .concentric | 同心圆 | 内核→外层、核心→扩展 | | .pyramid | 金字塔 | 层级结构、需求层次、转化漏斗 | | .fishbone | 鱼骨图 | 根因分析、问题归因 | | .iceberg | 冰山 | 表层 vs 深层 | | .journey | 旅程 | 用户旅程、体验地图 | | .venn | 韦恩图 | 概念交集、市场重叠 | | .mind-map | 思维导图 | 头脑风暴、结构发散 | | .comparison-table | 多因素对比表 | 方案选型、功能对比 | | .quote | 引用页 | 金句、过渡页 | | .radar | 雷达图 | 多维度能力评估 | | .gantt | 甘特图 | 项目排期、并行任务 | | .code-block | 代码块 | 技术分享、命令展示 | | .architecture | 架构图 | 系统架构、技术栈 | | .alert-box | 警告框 | 风险提示、注意事项 | | .terminal-box | 术语框 | 核心概念、关键定义 | | .title-card | 标题页 | 封面、过渡页 | | .list-card | 列表 | 要点罗列、清单 | | .three-col | 左中右三栏 | 三个并列要点/维度 | | .split-v | 上下分层 | 上下两个区域 |

选择原则：对立/比较→.vs-grid；先后顺序→.process-chain；循环往复→.process-loop；多分类/多维度→.matrix-grid；核心数据→.stat-card；时间发展→.timeline；核心到扩展→.concentric；层级结构→.pyramid；根因分析→.fishbone；表层深层→.iceberg；用户路径→.journey；概念交集→.venn；发散→.mind-map；多方案评分→.comparison-table。

配图助手流程

普通模式（5 阶段）

| 阶段 | 名称 | 目标 | 详细文件 | |---|---|---|---| | 1 | 需求澄清 | 挖需求：内容/场景/受众/字多字少；产出一句话复述 | references/stages/01-brief.md | | 2 | 配图规划 | 拆内容→定图清单（几张/每张讲啥/用啥模板） | references/stages/02-plan.md | | 2.5 | 风格选择（⚠️ 强制阻塞） | 展示 11 种风格表，必须等用户明确选择 | references/stages/02-plan.md 2D 节 | | 3 | 文案定稿 | 逐字定稿"图上写什么"（唯一真值） | references/stages/03-copy.md | | 4 | 提示词封装 | 把文案封装成可复制提示词 | references/stages/04-prompts.md | | 5 | 迭代润色 | 减字、换隐喻、提可读性 | references/stages/05-iterate.md |

PPT 模式（3 阶段）

适用于已有完整 PPT 大纲（含布局+文案）：

| 阶段 | 名称 | 目标 | |---|---|---| | P1 | 解析确认 | 解析大纲，提取每页布局+文案，确认页数 | | P2 | 风格配色 | 选风格 + 确认配色（文案已固定） | | P3 | 批量生成 | 为每页生成完整提示词，一次性输出 |

详见 references/stages/00-ppt-mode.md。

调度规则

判断当前阶段：

  1. 需求没讲清（内容+场景+受众+字多/少）→ 阶段 1
  2. 文章长需拆块，或要定"几张图/每张讲什么" → 阶段 2
  3. ⚠️ 图清单已确认但风格没选 → 阶段 2.5（阻塞）
  4. 图清单+风格都确认，但"图上写什么"没定 → 阶段 3
  5. Copy Spec 确认，要出可复制提示词 → 阶段 4
  6. 用户反馈"字多/不好看" → 阶段 5

交付示例

首次为用户跑全流程，或用户想先看"配出来长什么样"时，读取 references/examples/ai-tools-selection.md：一篇「AI 工具选择」文章从图清单、文案压缩到提示词输出的完整形态参考。

输出规范（提示词阶段必守）

  • 每张图一个"核心信息"，不塞解释性段落
  • 所有中文清晰可读：大字号、少字短句、避免密集小字
  • 全图字体最多 2 种：标题字体 + 正文字体，层级靠字号、字重与颜色深浅区分，禁止引入第三种字体、禁止手写体与印刷体混排（手账类风格则两种都用手写体）
  • 每张提示词独立代码块输出，便于复制
  • 比例由场景判定，不单独询问：小红书 3:4；公众号封面 21:9、公众号正文及其他 16:9；纯 PPT 16:9。用户明说 → 直接用；可推断 → 复述确认；未说明 → 阶段 1 询问；仍不明确 → 默认 16:9 并告知可改
  • 默认风格：奶油纸底 + 彩铅水彩手绘（references/templates/style-block-cream-paper.md）
  • 阶段 3 文案确认后，阶段 4 不得改文案，只做封装

生图工具（下半场）

生图通道判定（先于一切生图调用，必走）

先识别宿主。下列 Codex 分支优先于后续 API 示例、依赖说明及其他宿主规则。

Codex：

  • 生成、编辑、批量或多图合成都只调用宿主内置 image_gen.imagegen。
  • 工具不可用或失败时停止生图并说明原因；不得转用 Ark、Doubao、Gemini、第三方 MCP、本地模型、CLI、脚本或其他第三方图片生成 API，也不得安装或恢复第三方 image-gen Skill。
  • “批量”“本地生成”“编辑合成”等要求不构成改用第三方通道的例外；不引导配置第三方生图 Key 或依赖。
  • scripts/generate_image.py 及下方 API 操作说明只适用于其他宿主。图片生成后的 HTML/PDF 拼版仍可使用 scripts/generate_html.py。

其他宿主：

| 优先级 | 判定方式 | 生图通道 | |---|---|---| | 1 | 宿主自带生图能力 | 使用宿主内置工具，无需 API Key | | 2 | 内置工具不可用，有生图 MCP | 使用该 MCP 工具 | | 3 | 前两种工具不可用，或用户明确要求本地批量生成/编辑合成 | 使用 scripts/generate_image.py（Ark / Gemini） |

其他宿主使用 API 通道但缺 Key 时，引导用户配置 ARK_API_KEY 或 GEMINI_API_KEY，不编造或硬编码凭据。各宿主自身的权限及工具限制仍须遵守。

提供商（仅其他宿主的 API 通道）

  • 火山 Ark（默认）：OpenAI 兼容接口，Doubao Seedream 系列
  • Gemini 3 Pro Image：Nano Banana Pro，支持图片编辑和多图合成

默认关闭水印，可输出 URL 或 base64，支持批量生成和多线程并行。

火山 Ark（默认）

可选模型（同接口，--model 不同）：

| 模型 ID | 特点 | 适用场景 | |---|---|---| | doubao-seedream-5-0-260128（默认） | 快（~30s/张） | 批量配图、公众号/小红书正文图 | | doubao-seedream-5-0-pro-260628 | 慢（~110s/张），画质更精 | 封面图、单张精修、视觉要求高 |

# 默认（快版）
python scripts/generate_image.py \
  --prompt "星际穿越，黑洞，复古列车，电影大片感" \
  --model "doubao-seedream-5-0-260128" --size "2K"

# pro 精修
python scripts/generate_image.py \
  --prompt "星际穿越，黑洞，复古列车，电影大片感" \
  --model "doubao-seedream-5-0-pro-260628" --size "2K"

Gemini 3 Pro Image

# 生成
python scripts/generate_image.py --provider gemini \
  --prompt "一只可爱的猫咪" --output "./cat.png" --resolution 2K

# 编辑（单图）
python scripts/generate_image.py --provider gemini \
  --prompt "给这只猫加上墨镜" --input-image ./cat.png --output "./cool-cat.png"

# 多图合成（最多 14 张）
python scripts/generate_image.py --provider gemini \
  --prompt "把这些合成为一个场景" \
  --input-image img1.png --input-image img2.png --input-image img3.png \
  --output "./combined.png"

平台智能识别（比例自动）

脚本根据输出路径自动识别平台并应用固定比例：

| 平台 | 图片类型 | 比例 | |------|----------|------| | 公众号（WeChat） | 封面图 | 21:9 | | 公众号（WeChat） | 正文图 | 16:9 | | 小红书（Xiaohongshu） | 全部 | 3:4 | | PPT | 全部 | 16:9 |

PPT 场景（含 PPT 配图模式）所有页面统一 16:9 横版。

检测路径中的 wechat/公众号/xiaohongshu/小红书 关键词。手动覆盖用 --aspect-ratio "1:1"。

# 提示词文件 → 批量生图
python scripts/generate_image.py \
  --prompts-file "./prompts.md" \
  --out-dir "./images/"

参数速查

通用：--provider（ark/gemini）、--prompt、--output、--aspect-ratio（1:1/16:9/9:16/4:3/3:4/21:9）

Ark 专用：--model、--size（如 2K）、--prompts-file（从 md 读多提示词）、--out-dir、--watermark（默认 false）、--response-format（url/b64_json）

Gemini 专用：--input-image/-i（可多次，最多 14）、--resolution/-r（1K/2K/4K）

生成后拼版交付（PDF/HTML，内置能力，继承自 image-to-pages）

触发条件：场景判定为小红书（3:4 竖版合集）或 PPT（16:9 横版系列），且本次生成 ≥ 2 张；公众号及其他场景不触发。

生成完成后主动询问用户：「需要将这组图拼成可翻阅的 PDF / HTML 吗？」用户同意后，直接运行本 skill 自带脚本：

# 文件名有序（image_01.jpg、image_02.jpg…）→ 直接传图片目录
python3 scripts/generate_html.py <图片目录> [输出名]

# 文件名无序 → 先按内容排好顺序，再用 --files 传有序列表
python3 scripts/generate_html.py --output <输出名> --files 封面.png 01.png 02.png

场景参数：

| 场景 | 参数 | |---|---| | 小红书 3:4 | 竖版默认；图片接近 3:4 时自动升级为每张独占一页 | | PPT 16:9 | --orientation landscape（每页一张，contain 不裁切） |

  • 输出与图片同目录：<名>.html（图片 base64 自包含，双击即开）+ <名>.pdf（需 Chrome/Edge/Arc 渲染，缺失时自动降级为仅 HTML 并提示可手动打印）
  • 常用参数：--mode auto/full、--no-pdf、--img-format webp|jpeg、--quality 80、--max-width 1920、--pdf-quality none|screen|ebook|printer（压缩依赖 Pillow/Ghostscript，缺失时优雅降级为原图/跳过）

依赖与环境变量（仅其他宿主的 API 通道）

pip install openai python-dotenv pyyaml          # Ark
pip install google-genai pillow                   # Gemini（可选）

| 变量名 | 用途 | 必需 | |--------|------|------| | ARK_API_KEY | 火山 Ark API Key | Ark 必需 | | GEMINI_API_KEY 或 NANO_BANANA_PRO_API_KEY | Gemini API Key | Gemini 必需 |

风格出处与致谢（开源声明）

本 skill 的风格库参考、整理自社区创作者的公开分享，仅作提示词语感参考：

| 风格 | 出处 | |---|---| | 奶油纸手绘（cream-paper） | @云舒的AI实践笔记 | | 小红书卡通（xhs-cartoon） | @宝玉 | | 方格纸手绘（handdrawn） | @松果先森 | | 极简手绘笔记（minimalist-sketch） | @Aki聊AI | | 社论全景（editorial） | @歸藏 | | 奶油手账（cream-journal） | @歪斯Wise | | 社论纸艺（editorial-paper） | @歪斯Wise | | 纸上精密图谱（paper-precision-atlas） | @歪斯Wise | | 拼版交付能力（scripts/generate_html.py） | @歪斯Wise（继承自其 image-to-pages skill） | | 扁平风 / 治愈系 / 描边插画 等 | 网络整理，出处待补 |

如你是某个风格的原作者，欢迎提 Issue / PR 认领补充出处；也欢迎贡献新风格（附上 references/templates/style-block-*.md 模板与 references/styles.json 条目）。

文件结构

SKILL.md                    # 本文件（入口）
README.md
agents/
└── openai.yaml             # Codex 薄适配层：生图锁定宿主内置通道，失败即停
scripts/                    # 可执行脚本
├── generate_image.py       # 生图统一入口（Ark + Gemini）
└── generate_html.py        # 拼版输出 HTML/PDF（继承自 image-to-pages）

references/                 # 参考资料
├── stages/                 # 配图助手流程（5 阶段 + PPT 模式）
│   ├── 00-ppt-mode.md
│   ├── 01-brief.md
│   ├── 02-plan.md
│   ├── 03-copy.md
│   ├── 04-prompts.md
│   └── 05-iterate.md
├── templates/              # 风格模板与布局模板
│   ├── style-block-*.md    # 11 种风格
│   ├── 16x9-*.md           # 16:9 布局模板
│   └── checklist.md
├── examples/
│   └── ai-tools-selection.md  # 完整交付示例（首次跑流程/用户想看形态时读）
└── styles.json             # 风格/布局信号匹配表

快速使用（给用户的最小输入）

用户只要给四项就能开始：

  1. 要配图的内容（一段、小节、或整篇）
  2. 用在哪个场景（小红书 / 公众号封面 / 公众号正文 / PPT / 海报；比例随场景自动确定）
  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"

交付顺序：图清单（阶段 2）→ 用户确认后展示 11 种风格等用户选（阶段 2.5 阻塞） → 逐张 Copy Spec（阶段 3）→ 可复制提示词（阶段 4）→ 按生图通道判定出图（Codex 仅 image_gen.imagegen；其他宿主按通道规则）→（小红书/PPT 场景）询问是否拼版交付 PDF/HTML。