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。

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）。

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）

PPT 模式（3 阶段）

适用于已有完整 PPT 大纲（含布局+文案）：

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：

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）：

# 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：

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：

• 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）

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：

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。