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。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-illustrationgithub.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。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。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。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。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。这类图最难要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。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。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。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。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。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。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 Skillnpx 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。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。期待在评论区看到你用这个 Skill 做的图。如果有其他的建议和要求也可以随时跟我反馈。关于Python爬虫学习指南如果你对AI爬虫逆向感兴趣想通过学习AI爬虫逆向获取更高的薪资那下面这套AI爬虫逆向学习资料一定对你有用资料包括Python安装包激活码、Python web开发Python爬虫Python数据分析人工智能、机器学习等学习教程。0基础小白也能听懂、看懂跟着教程走带你从零基础系统性地学好AI逆向爬虫一、Python所有方向的学习路线Python所有方向路线就是把Python常用的技术点做整理形成各个领域的知识点汇总它的用处就在于你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。二、Python学习软件工欲善其事必先利其器。学习Python常用的开发软件都在这里了三、Python操作实例学python就与学数学一样是不能只看书不做题的直接看步骤和答案会让人误以为自己全都掌握了但是碰到生题的时候还是会一筹莫展。因此在学习python的过程中一定要记得多动手写代码教程只需要看一两遍即可。四、Python就业项目实战我们学习Python必然是为了找到高薪的工作或者高报酬的兼职下面是一些公司所能用到的实战项目学完这些相信大家一定可以找到满意的工作。领取方式我会放在下面希望领取了的朋友不要忘了下方名片放心添加*)