开源个 Skill｜彻底解决小红、小绿书配图难题

前段时间开源了 guizang-ppt-skill，之后自己用它做内容的时候发现了一件事：用它生成的网页，单张截下来发到图文平台，反响和数据居然比手工排版还好。

市面上之前也有不少类似的提示词或 Skill，用来生成 3:4 的卡片图。但它们几乎都是一个味道：Tailwind + 大色块 + emoji 堆砌 + 中规中矩的字号层级。看完之后，大概能理解为什么 AI 出的图文卡片那么容易一眼被识破——它们做的是网页，不是杂志。

图文卡片和 PPT 完全是两种生物：竖屏、信息流里 1 秒钟决定停不停下、靠图说话而不是靠字。版式不同，节奏不同，读者也不同。

于是把它从 PPT Skill 里拆了出来，单独做成了

。下面讲讲它好在哪，以及为什么值得在它身上花这么多时间。

到底好在哪里

目标先说清楚：3:4 竖图是图文卡片的主战场。这个 Skill 的绝大部分设计精力都集中在 3:4 上，字号层级、版式比例、断行规则，全部按 3:4 在手机信息流里被滑过的真实场景校准过。21:9 和 1:1 的公众号头图也都支持。

下面从图文创作者最关心的事开始讲。

它分得清你在写什么，然后用对的方式去配

图文平台上的内容是分门类的：一篇影评和一篇产品测评，需要的视觉语言完全不一样；一篇旅行散记和一篇职场干货，该用的版式也不是同一回事。但绝大多数 AI 工具不管这件事，你写什么它都用同一套模板套出来。结果就是所有人发的卡片都长得像一个公众号的封面流水线。

这个 Skill 内置了 11 个常见图文品类的适配规则：

• 旅行/生活方式：杂志风为主，暖色板，大图压全屏，衬线大标题；
• 职场/干货/商业洞察：网格风为主，深色背景，数据大字报版式；
• 影视/文化：偏冷色调的杂志风，电影海报式版式，人物特写优先；
• 产品测评/数码：网格风，对比矩阵，设备框美化截图；
• 读书/笔记：杂志风，衬线字体，引文居中版式，留白拉满；
• 美食/探店：高饱和杂志风，俯拍图优先，文字向四角让位；

它甚至为旅行博主专门做了地图组件，可以把店铺位置和旅行路线都标注在上面，AI 会自动生成标注。

同一段文字喂给它，你说这是影评，它给你电影海报式的卡片；你说这是产品测评，它给你带设备框的对比图。

更重要的是，它有明确不接的活：追星粉丝向的视觉语言完全是另一脉；纯促销硬广违背它强调内容性的设计哲学；超过 12 屏的长教程也不是图文形态的最优载体。碰到这些场景，Skill 会在开头就告诉你“你可能想用别的工具”。能力边界比能力本身更能定义一个产品，一个什么都能做的 Skill 最后通常什么都做不好。

文字怎么压在图上，这件事啃了很久

文字压图是图文卡片里最难的一件事，也是最容易暴露“AI 感”的地方。压不好就会出现三种翻车：文字盖在人脸或产品中心位置上；白字压浅色背景或黑字压深色背景读不清；文字横跨整张图把本来好看的构图毁掉。

Skill 处理这件事用了三步：识别图里的主体（人脸、产品、文字密集区），版式上自动避开；计算落点区域的色值与明度，决定字色、要不要加蒙版、阴影该多深；字号和断行自适应，根据落点区域大小动态调整字号和换行位置，而不是写死字号让它溢出。

这套规则跑下来，卡片的“高级感”基本就立住了。读者看不出“被压上去的字”和“图本来就在那里的字”的区别。

图片从哪来：和市面上 AI 卡片工具最大的差别

绝大多数 AI 生成图文卡片的工具，要么让你自己上传图，要么用 emoji 顶替，要么生成一些一眼 AI 的插画。结果就是手工补图很累，或者堆 emoji 显得很假。

这个 Skill 默认接入了三个免费可商用图库：Pexels（支持中文搜索，大众化场景够用）、Unsplash（摄影质感最强，人物、生活、空间类内容首选）、Wallha ven（游戏、摄影、壁纸类图片，版权需注意）。它会根据正文段落的语义自动派发搜索词、拿回图、按版式裁切到位、避开人脸或主体被切掉。你拿到的是一张配了真实摄影图的卡片，而不是一张色块卡片。而且它也不会死板地寻找绝对没有版权问题的图，能拿到的图都会告诉你，由你自己来判断是否使用。

另外，现在各个平台对 AI 带水印的问题管得很严。目前大部分 AI 生图都会有水印，有水印就会被平台标注，一旦被标注就容易限流，这确实是个困扰。

截图也是图：四件套美化

很多内容用不了摄影图，得是软件截图、聊天记录、产品界面。Skill 内置了一套截图美化：加 macOS/iOS 风格的设备外框（browser chrome 或手机边框），用不同材质的背景（格纸、点阵、暖白或深色）托住截图，让截图不再白底飘在白底上。同时根据视觉风格自动匹配阴影层次和圆角参数，两套风格各有一套截图配方，前后一致不用手动调。简单说，随手截的图，过它一道，看上去就像产品官方做的宣传图。

AI 生图：克制地用

只有前面所有找图渠道都拿不到合适素材时，Skill 才会调用 AI 生图。生图时会强制带上风格约束词，避免出现“一眼 AI 插画”那种平庸视觉。宁可少用 AI，也不想它成为让所有图文卡片都长得像姐妹的元凶，也避免 AI 图片导致内容曝光受影响。

视觉系统：两套风格 + 28 个版式骨架

熟悉 PPT Skill 的人会觉得眼熟，这两套视觉系统和版式骨架是从那边沿用并重新校准过来的。

两套视觉系统：

• 杂志风：在《The New Yorker》和上海译文社封面上能看到的那种排版。大留白，衬线大标题，版式不对称，文字有呼吸感。
• 网格风：Massimo Vignelli 和 Helmut Schmid 瑞士平面设计那一脉。强网格，无衬线，几何感，用色克制但精准。

28 个版式骨架，是从过去十年看过的杂志、海报、专辑封面、电影海报里挑出来的、经得起放大看的那些。AI 在“自由版面设计”上现在还是平庸的，给它一个被验证过的骨架，它的任务就从“设计”降级成“填充”，成品稳定性立刻上来。10 套主题色板、固定字体搭配、有限图标库，这些细节就不一一列了。它们的逻辑是同一个：限制不是阻碍，是底线。给一个内容创作者无限的颜色选择，他更容易做出难看的东西；给他 10 套被验证过的色板，他做出能看的东西的概率会接近 100%。

为什么要这么做

设计角度：杂志感非常有效

为什么走杂志风和网格风，而不是更“现代”的卡片设计？图文卡片的本质，和印刷海报、画报、专辑封面是同一种东西——用一张静态图，在 1 秒钟里说服一个陌生人停下来。杂志和海报在过去一百年已经把这件事研究透了。网页设计语言是为可滚动、可交互的场景做的，搬到一张静态图上，会显得用力过猛、信息平淡。

所以这个 Skill 在视觉决策上的所有“为什么”：

留白是杂志告诉你“重点在这里”的方式。衬线字体在大字号上有印刷品的重量感。不对称会制造视觉节奏，让眼睛知道先看哪。社交信息流里，克制的色板反而比饱和度高的更显眼，它和周围所有“喊得很大声”的卡片不一样。

这些决策听起来都很“虚”，但它们落到代码里全是具体的常量——字号阶比例、留白比例、网格列数、对比度阈值、断行规则。这些常量才是这个 Skill 真正的护城河。

产品角度：它是一个产品，不是一段 Prompt

做了这么多 Skill 之后，对“Skill 这种东西到底是什么”形成了一个判断：

落到这个项目里：写了 PRODUCT.md，讲清楚它解决什么问题、给谁用、不做什么。这是为了逼自己把“到底在做什么”想清楚，说不清的时候，这个 Skill 就不该被发布。打了版本号（v0.5 / v0.9 / v0.10 / v0.12），每一版都有 CHANGELOG，能告诉你为什么 v0.10 是一次失败的尝试，以及 v0.12 怎么把它修回来的。写了 HANDOVER.md，讲清楚交付物长什么样、能力边界在哪、什么场景该用别的工具，希望任何人接手它都能在 30 分钟内对它有完整理解。提前列出它不擅长的事，省得用户试错三次才发现。

为什么要费这么大功夫？因为 Skill 生态最大的问题，是绝大多数 Skill 满足于“我能做一个”，很少有人在追求“把这件事做到极致”。一个 Skill 应该是能站起来的小产品，Prompt 十分钟会被同行复制走，产品不会。这件事的反面是，如果连自己 Skill 的能力边界都说不清，就没资格让别人把工作流交给它。

写在最后

这个 Skill 反过来让人理解了 PPT Skill 真正做对的是什么——真正做对的，是它从一开始就被当成产品对待。模板多、规则细、颜色好看，都是这件事的副产品。

以后若有人问 Skill 是什么，可以用两句话回答：Skill 是一个产品。判断一个 Skill 好不好，看它有没有被它的作者偏爱过。

如果你也在做图文内容，希望它能帮你省掉那些被排版毁掉的好选题。如果你也在做 Skill，希望它让你重新想一想，你做的那个东西，值不值得有 PRODUCT.md。