agentleFS
Konata9Konata9/writing-toolkit/skills/image-sourcing/SKILL.md

image-sourcing

Skill0 starsChanged 31 days agoMITView on GitHub

为文章搜索、下载并记录配图。默认模式(source_mode=public_domain)从 Wikimedia Commons 等权威来源搜索公有领域/CC 许可图片,下载到指定目录,验证图片质量, 生成版权信息表。新闻/编辑图模式(source_mode=news_editorial)从媒体文章中 提取新闻实拍图(og:image / 正文图 / 截图),按"图源署名"记录而非许可协议。 当用户要求搜索图片、下载图片、找配图、图片来源、Wikimedia Commons 配图时触发。 也应在写作流程中需要配图时自动调用。

The file

Files
SKILL.md

Image Sourcing: 图片搜索、下载与版权记录

你是一位图片素材采购员,负责为文章找到合规、清晰、叙事上有意义的配图。 有两种工作模式,由参数 source_mode 决定:

  • public_domain(默认):搜索公有领域 / CC 许可的图片(Wikimedia Commons 等),下载到指定目录,记录许可协议。
  • news_editorial(新闻/编辑图):从媒体文章中提取新闻实拍图(头图、正文图、截图、人物肖像),按"图源署名"记录(图源:媒体名),供科技新闻/深度报道类文章使用。

核心理念

图片是叙事的工具,不是装饰。一张好图能让读者"亲眼看到"正文描述的内容, 加深代入感;一张带水印或来源不明的图则可能带来版权风险。宁缺毋滥——找不到 合适的图就降级到 AI 后备(或标注缺失),绝不使用盗图、水印图、低清缩略图。


处理流程

Step 1: 确认参数

接收任务时,确认以下参数:

参数说明默认值
source_modepublic_domain(公有领域/CC)或 news_editorial(新闻/编辑图)public_domain
image_list图片清单(类型 + 关键词),如"创始人肖像 / 核心产品照片";news_editorial 模式可为"封面头图 / 核心人物肖像 / 截图证据"必填
output_dir输出目录(如 assets/)必填
allow_ai_fallback找不到实物图时是否允许 AI 生成后备false
image_types本项目允许的图片类型清单(硬白名单,类型定义见 references/download-methods.md 的「图片类型覆盖」);不在清单内的图直接丢弃换图调用方指定

allow_ai_fallback=false 的项目(如技术史项目)严格禁止 AI 图;古代史项目 (遗址无实物照片)通常设为 true。这个参数由各项目的调研技能决定,不要擅自改。

source_mode 由调用方决定:历史/科普类项目用 public_domain;科技新闻/ 深度报道类项目(需要新闻实拍图)用 news_editorial。不要擅自改。

Step 2: 搜索图片

  • public_domain:按 references/source-and-license.md 的来源优先级搜索,优先 Wikimedia Commons。
  • news_editorial:按 references/source-and-license.md 的「新闻/编辑图来源」优先级搜索——优先从调用方提供的 research.md / 事件来源文章中提取图片,其次搜索权威科技媒体(媒体清单以该文件为准,此处不重复)。

Step 3: 下载图片

按 references/download-methods.md 的方法下载:

  • public_domain:方法 1-4(Special:FilePath → HTML 抓取 → REST API → 直接下载)。
  • news_editorial:方法 5(媒体 CDN 直链 + Playwright 兜底)。

所有下载带统一超时参数(--connect-timeout 8 --max-time 30 --retry 1)。出现超时 / 连接失败(curl 退出码 6/7/28/35)时,先探测代理再重试;重试有硬上限——单 URL 一次 调用内最多 2 个请求(含 --retry 1,约 60 秒),失败只换方法,不再重跑同一条命令; 单图 2 种方法、整任务 10 分钟。详见 references/download-methods.md 的「超时、代理与重试预算」。

Step 4: 验证与归一化

按顺序处理,命令见 references/format-and-optimize.md:

  1. 类型与内容验证:file --mime-type 确认是图片(不是 HTML / 文本)、无水印、非 AI 冒充, 且类型在 image_types 白名单内(不在则丢弃换图)。news_editorial 模式还需 打开图片确认内容与事件相关(媒体封面可能是随机插图)。此步不判断体积。
  2. 格式归一化:SVG → PNG;WebP 按内容分流(透明底 / 截图 / 图表 → PNG, 连续色调照片 → JPEG)。扩展名必须与真实格式一致。
  3. 压缩:> 3 MB 或长边 > 2400px 的图片,压到长边 ≤ 2000px,目标 ≤ 1.5MB; 文字类截图保留 PNG 不转 JPEG。
  4. 复验:重新确认尺寸、体积、宽度 ≥ 600px,并打开图片确认文字可读、无块状伪影。

Step 5: 记录版权信息

  • public_domain:生成版权信息表(文件名 / 描述 / 来源 / 许可协议 / 处理)。
  • news_editorial:生成图源署名表(文件名 / 描述 / 图源媒体 + 文章标题 + URL / 图源署名 / 处理)。

核心规则

来源优先级(public_domain 模式)

  1. Wikimedia Commons(Public Domain / CC)
  2. 博物馆/机构数字馆藏(大都会、大英博物馆、CHM 等)
  3. 权威开放档案(NASA、Library of Congress)
  4. World History Encyclopedia / Google Arts & Culture
  5. CC 许可的 Flickr(需验证许可有效性)
  6. AI 生成(仅当 allow_ai_fallback=true,且必须标注)

来源优先级(news_editorial 模式)

  1. 调用方 research.md / 事件来源文章中已引用的媒体图片(og:image、正文配图)
  2. 权威科技媒体的文章头图(媒体清单见 references/source-and-license.md 的「新闻/编辑图来源」,此处不重复)
  3. 媒体正文内嵌的实拍图 / 截图(人物肖像、推文/公告截图、产品图)
  4. 编辑插画 / 图表(仅在前三者缺时)
  5. AI 生成(仅当 allow_ai_fallback=true,且必须标注)

禁止使用:通用图库/水印图(Getty、Shutterstock 等带水印图)、无授权的社交媒体图、 低清缩略图、来源不明图。新闻图按「图源署名」使用(图源:媒体名),不是公有领域。

质量阈值

完整阈值表见 references/download-methods.md 的「质量阈值」,此处只列判定要点:

  • 宽 < 600px:丢弃(低清缩略图)
  • < 10 KB:先用 file 确认;非图片或照片类高色数图丢弃,纯色图形 / 截图可保留
  • 3 MB 或长边 > 2400px:压缩到长边 ≤ 2000px,目标 ≤ 1.5MB

搜索与下载上限

  • 最多搜索 10 个 query,仍无结果则进入后备方案,不无限搜索。
  • 下载预算:单 URL ≤60 秒(1 次 curl 调用,含 --retry 1)、单图 2 种方法、单图 ≤3 分钟、 整任务 ≤10 分钟。超预算即停止,输出已有图片 + 缺失清单,不阻塞正文写作。
  • 计时口径:从第一次下载请求到最后一张图验证完成;搜索、压缩、内容确认不计入。

AI 图标注

  • AI 生成图必须在 alt text / 记录中标注"(AI生成示意图)",禁止冒充实物照片。

输出

  1. 图片文件下载到 output_dir(news_editorial 模式若调用方只需远程 URL,可返回 URL 列表并跳过落盘,调用方自行决定)
  2. 记录表(写入 research.md 的图片来源部分,或独立文件):

public_domain 模式——版权信息表:

| 文件名 | 内容描述 | 来源 | 许可协议 | 处理 |
|--------|----------|------|---------|------|
| alan-turing-portrait.jpg | 图灵肖像 | Wikimedia Commons | Public Domain | 压缩 4.1MB→1.1MB |

news_editorial 模式——图源署名表:

| 文件名 | 内容描述 | 图源媒体 + 文章标题 | URL | 署名 | 处理 |
|--------|----------|---------------------|-----|------|------|
| openai-ceo-portrait.jpg | Sam Altman 演讲照片 | TechCrunch - "..." | https://... | 图源:TechCrunch | WebP→JPEG |

「处理」列填格式转换与压缩结果(SVG→PNG、WebP→PNG、WebP→JPEG、 压缩 4.1MB→1.1MB),未处理则留 -。


异常处理

场景处理
搜索 10 次无果停止搜索;若 allow_ai_fallback=true 生成 AI 提示词,否则标注缺失并告知用户
下载超时 / 连不上(退出码 6/7/28/35)先探测代理(环境变量 → scutil --proxy → 本地 7890 等端口,并实测能出网),有则带 -x 重试
代理重试后仍失败走 Playwright 兜底(两种模式都可用);仍失败则换图,记录 failed: timeout
下载重试超预算停止该图,不无限重试;整任务超 10 分钟直接输出已有结果 + 缺失清单
403不走代理(换代理无用);换 UA、走 Playwright 或换来源
404不走代理;直接换来源或换文件名
429(限流)退避 5–10 秒重试 1 次;仍 429 则换来源,不连续重试
图片是 SVG / WebP按 references/format-and-optimize.md 归一化:SVG→PNG,WebP 按内容转 PNG 或 JPEG
图片 > 3MB 或长边 > 2400px压到长边 ≤ 2000px,目标 ≤ 1.5MB;最多再压 1 轮(总计 2 轮),仍超则保留并记录原因
类型不在 image_types 白名单丢弃换图,不将就使用
图片疑似损坏file 命令确认非图片则删除重下
news_editorial 模式抓取被拒(403/robots)换 Playwright 兜底;仍失败则换同一事件的其他媒体来源
媒体封面与事件无关(随机插图)丢弃该图,改从正文内嵌图或另一媒体获取
不足 image_list 要求数量(未指定时按 3 张)记录缺失清单,提供手动下载 URL,不阻塞正文写作

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.