文章目录一、配图是内容生产链上最难自动化的一段二、它是什么以及它明确拒绝做什么四、style-dna.md把审美变成可判定的条件五、xiaohei-ip.md一致性与一条可证伪的判据六、composition-patterns.md结构类型库与反复刻规则八种结构类型三步隐喻生成法一个只有九次提交、六个 Markdown 文件的仓库两个半月拿到 9.4k Star。它没有代码却比大多数带代码的项目更像工程。一、配图是内容生产链上最难自动化的一段写一篇技术长文从选题、拉资料到成稿能交给 AI 分担的比例已经相当高。真正卡住的环节反而是配图。大概每个尝试过的人都跑过同一个循环文章里刚写完一句「信任不是喊出来的是一块证据一块证据铺过去的」转身去找图像模型要一张配图拿回来的是蓝紫渐变背景、两只握在一起的手、几个发光节点和若干枚齿轮。风格不对换提示词风格勉强对了画面却和那句判断没有任何关系好不容易两者都对上生成第二张,线条粗细、色调、角色比例又全变了。配图之所以难自动化不是因为模型画不好而是因为这个动作同时压着三条互相拉扯的约束语义约束图必须对应文章里某一个具体的判断而不是话题的泛泛联想。一致性约束一篇文章内部、乃至整个专栏的所有图要看起来出自同一支笔。克制约束图要少、元素要稀、留白要多读者一秒能看懂。通用图像模型在第一条上勉强及格在第二条上表现很差在第三条上几乎是反着来的。原因不难理解——训练语料里被标注为「优秀插画」的样本绝大多数是信息密度高、装饰性强、配色饱满的商业稿。你要的极简白底手绘草图在它的先验分布里是长尾。ian-xiaohei-illustrations值得拆解的地方不在于画风本身有多讨喜而在于它把上面三条约束翻译成了一份 AI agent 能逐条执行、并且能自我验收的规格。整个仓库没有一行可执行代码全是 Markdown但它的组织方式比很多带代码的项目更接近软件工程。几个客观数据MIT 协议2026 年 5 月底上线九次提交9.4k Star、1.1k Fork。作者 IanGitHubhelloianneo是产品设计师同时在做一人公司实践。二、它是什么以及它明确拒绝做什么这是一个Codex Skill——一份能被 Codex、Claude Code 这类 coding agent 加载的能力配置用途是指导 agent 为中文文章、博客、Notion 页面和方法论内容生成正文配图。默认视觉 IP 叫「小黑」黑色实心、白点眼、细腿、空表情的小角色。定位写得很直白——小黑不是吉祥物不是贴纸不是站在角落里的装饰物而是正在认真参与系统运转的荒诞工作者。一句话概括它的目标让 AI 不只是「配一张图」而是把文章里的一个关键认知动作画出来。真正体现工程素养的是它同时写清楚了自己不做什么适合不适合中文文章正文配图商业插画、品牌 KV知识型 / 方法论 / AI 工作流内容传统 PPT 信息图、复杂架构图把抽象判断画成具体隐喻儿童卡通、可爱 IP、表情包需要个人识别度的轻量配图风格把长段解释塞进一张图用 Codex 稳定复用一套视觉语言需要可编辑矢量源文件输出契约同样明确。默认产出 16:9 横版正文配图、一篇文章 4–8 张的 shot list、每张图的主题与结构说明以及最终 PNG落到工作区的assets/article-slug-illustrations/。默认不产出 PPTX、PDF、Keynote、SVG、HTML、Canvas 可编辑图、商业海报和大段文字型信息图。这份「不适合」清单的价值被严重低估了。绝大多数 prompt 项目只写能力上界从不写下界结果就是用户拿它去干它干不了的事然后判定「AI 不行」。把边界写进 README等价于给一个库写清楚它的适用场景和已知限制——是接口文档的一部分不是营销文案的减分项。#三、从 Prompt 到 Skill三层跃迁把这个项目理解成「一段很长的提示词」会错过它真正的价值。Prompt 和 Skill 之间隔着三层结构性差异。第一层从一次性输入变成可寻址的能力。Skill 的入口是SKILL.md头部是一段 YAML frontmatter---name:ian-xiaohei-illustrationsdescription:生成 Ian 风格的中文正文配图。用于用户要求为中文文章、帖子、博客、Notion 文档、 工作流文档、方法论、流程、结构、状态、隐喻或观点生成怪诞小黑手绘正文配图 文章插图配图建议shot list去标题/改图等任务默认使用小黑 IP、纯白手绘、 少量红橙蓝批注、简洁清爽但天马行空的视觉风格。---注意description的写法。它不是给人看的简介而是给模型看的路由信号。Agent 在决定要不要加载这个 skill 时唯一的依据就是这段文字。所以作者往里面塞满了触发词怪诞、小黑、手绘、正文配图、文章插图、配图建议、shot list、去标题、改图。这本质上是一次检索优化——把用户可能说出口的每种表达方式提前铺进索引里。配套的agents/openai.yaml更进一步interface:display_name:Ian 小黑配图short_description:为中文文章生成怪诞清爽、有小黑IP的正文配图资产default_prompt:Use $ian-xiaohei-illustrations to 为这篇中文文章设计并生成几张小黑怪诞正文配图。policy:allow_implicit_invocation:trueallow_implicit_invocation: true意味着用户不必显式写Use $ian-xiaohei-illustrationsagent 判断相关就能自主唤起。召回率上去了误触发的风险也上去了——而唯一的闸门还是那段 description 写得够不够准。写 skill 的人如果只把 description 当摆设要么永远唤不起来要么在不相干的对话里乱插一脚。第二层从单文件变成分层结构。仓库的实际布局是这样. ├── README.md # GitHub 分享文档不进 skill ├── LICENSE / NOTICE.md ├── examples/ │ ├── images/ # 8 张风格校准样例 │ └── prompts.md └── ian-xiaohei-illustrations/ ← 真正要安装的是这个子目录 ├── SKILL.md # 入口约 100 行 ├── agents/openai.yaml ├── assets/examples/ └── references/ ├── style-dna.md # 风格 DNA、颜色、禁忌 ├── xiaohei-ip.md # IP 形象、性格、动作库 ├── composition-patterns.md # 结构类型、原创隐喻、反复刻 ├── prompt-template.md # 单张生图提示词模板 └── qa-checklist.md # 生成后检查与迭代根目录的 README、LICENSE 和 examples 是给 GitHub 访客看的不进 agent 上下文需要拷进~/.codex/skills/的只有那个同名子目录。这个区分本身就是一次刻意的上下文治理。第三层从「一次说完」变成渐进式披露。SKILL.md里有一句关键指令「按任务需要读取不要一次塞满上下文。」入口文件一百行出头五份 reference 加起来三百行左右。如果全量灌进去光风格规范就要吃掉几千 token而其中大部分在任何单次任务里都用不上——用户只要一份 shot list 的时候prompt-template.md和qa-checklist.md完全是噪音。这就是 Agent Skills 规范里 progressive disclosure 的落地形态入口薄细节按需加载。类比到工程实践SKILL.md是头文件references/是实现文件agent 按调用路径决定链接哪些符号。这一点对写自己 skill 的人尤其重要。上下文窗口再大也不是免费的——无关信息不只是浪费预算还会稀释注意力让模型在一堆规则里抓错重点。把 skill 拆成「一个薄入口 若干个职责单一的参考文件」是目前最稳的组织方式。四、style-dna.md把审美变成可判定的条件审美是最难写进规格的东西因为它天然模糊。这份风格 DNA 的处理办法是只要能量化的一律给数字不能量化的用排除法收敛。先看正向的「必须」部分几乎每条都带可核对的判据16:9 横版。纯白背景不要米色、暖灰、纸张纹理、渐变、阴影、噪点、复古纸感。黑色手绘线稿为主细线、轻微抖动、不机械、不矢量、不厚重描边。大量留白主体占画面约 40%–60%至少 35% 空白最好有一整块安静区域。少量中文手写批注最多 5–8 处每处尽量 2–8 个字。一张图只讲一个核心动作、结构、状态或隐喻。结构要自然表达不要在图上写结构类型名称。「主体占 40%–60%」「至少 35% 留白」「标注 5–8 处、每处 2–8 字」——这些数字的意义不在于图像模型能精确遵守它做不到而在于给出了可被检查的近似目标。人和 agent 在复检时可以对着这几个数字给出「过 / 不过」的判断而不是陷入「我觉得有点满」的主观拉扯。审美一旦有了阈值返工就有了方向。更值得学的是颜色部分。四种颜色被赋予了固定语义颜色语义职责黑主体线稿、角色、框线、结构、主要文字、主体物件红重点批注、问题、情绪点、关键提醒、结果橙主流程、路径、箭头、自动化流向、从 A 到 B 的移动关系蓝补充说明、脑内状态、系统状态、第二层解释、AI / 自动化提示并且补了一句蓝色不是每张都必须用颜色要克制宁可少不要多。这就是一套彻头彻尾的语义化设计令牌。它和前端里--color-danger/--color-primary的思路完全同构颜色不再由「这里配什么好看」决定而是由「这个元素承担什么职责」决定。好处是跨图一致性——读者看过三张图之后会无意识地学会「橙色箭头 主流程」第四张图的理解成本随之下降。这种跨图的语义积累是单张图再精美也换不来的。然后是「绝对不要」的十三条不要商业插画、不要 PPT 信息图、不要正式流程图、不要课程课件、不要可爱卡通海报、不要儿童插画、不要复杂架构图、不要精致扁平插画、不要科技感 UI、不要真实 App 截图、不要复杂背景渐变阴影纹理、不要把每个节点都解释清楚、不要在左上角写「Workflow 流程图 / 系统架构图 / 常见坑 / 路线图」这类类型标题。正向七条负向十三条。否定项接近正面项的两倍——这个比例不是作者话多而是由生成模型的行为特征决定的。扩散模型对「插画」这个词的默认响应是训练分布里的众数Behance 风格的扁平商业插画饱和配色、圆润造型、装饰性图形。你想要的是分布长尾上的那种粗糙白底草图。正向描述只能把采样点往目标方向推一点真正把它从众数里拽出来的是一串明确的排除项。风格的定义很大程度上是排除的艺术。最后那条「不要在左上角写类型标题」尤其精准。图像模型见过海量信息图其中绝大多数左上角都有一个标题栏于是它会条件反射地补一个上去——哪怕你从没要求。这类模型惯性必须被显式压制否则每张图都要手动修一遍。能写出这条规则说明作者是真的生成过几百张图、被同一个问题烦够了才总结出来的。五、xiaohei-ip.md一致性与一条可证伪的判据视觉 IP 的价值在于跨内容的复利。读者第一次看到小黑没什么感觉第五次看到会觉得眼熟第二十次看到就能在信息流里一眼认出是谁写的。要吃到这份复利前提是每一张图里的小黑都得是同一个小黑。形象定义被拆成了可组合的原子特征黑色实心小怪物、白色圆点眼睛、细腿偶尔有细胳膊、轮廓略微不规则有手绘感、表情空呆冷静认真。身体形态则留了弹性——圆柱、黑豆、黑盒、漏斗、影子、洞口、机器内部的黑块都行。这个「固定核心特征 可变形态」的设计很聪明。完全锁死形态图像模型在复杂构图里必然做不到最后就是规则形同虚设只锁核心识别特征黑实心 白点眼 细腿 空表情既保住了辨识度又给构图留了自由度。性格描述同样具体很认真但做的事有点荒诞像一个低调的系统操作员冷幽默不卖萌有点笨拙但不蠢。这几句不是文学修辞它们直接翻译成了提示词里的deadpan、blank serious expression、not cute、not mascot——每一个形容词都在压制模型把角色画成吉祥物的倾向。还准备了一个动作库直接可选搬运素材、拉线汇聚信息源、卡在断点里、在机器里操作「判断」杆、变成筛选漏斗、切开「素材鱼」、盖章承接话术、牵着承接路径、举警告牌看坑、从洞里伸手但接不住内容、搬砖搭桥开门分拣记录。真正的点睛之笔在最后如果去掉小黑图的核心隐喻还能完全成立说明小黑太装饰了要重写提示词让小黑成为动作主体。这是整个 skill 里最像工程的一句话。它把「小黑不能只是装饰」这个模糊的美学要求变成了一个可执行的反事实测试assert remove(小黑, 图) 隐喻不成立模糊的规则等于没有规则因为它无法判定也就无法驱动返工。「去掉主体后论证是否还成立」这个模式的适用面远超配图——写文章可以问「删掉这一段结论是否还成立」做架构可以问「拿掉这个中间层链路是否还通」。任何一条写进规格的定性要求都应该配一个能让它失败的测试。六、composition-patterns.md结构类型库与反复刻规则这份文件解决两个问题图该怎么搭以及怎么保证每次都是新的。八种结构类型先给了一个可枚举的选择集每种都标注了适用场景和画法结构类型适用场景画法要点Workflow 流程输入→处理→输出、AI 工作流、自动化链路左输入、中间小黑或怪机器处理、右输出橙色箭头表主流向系统局部信息来源、过滤器、数据库、agent 系统局部只画 3–5 个核心模块小黑参与其中一个关键动作前后对比混乱/有序、手动/自动、焦虑/稳定左混乱右稳定中间橙色箭头角色可以更夸张角色状态用户痛点、信息焦虑、卡住到跑起来2–4 个小状态每个配一个短标注概念隐喻内容工厂、脑内黑盒、自动日报一个大的怪物件或机器少量输入一个输出方法分层方法论框架、能力栈、系统层级一层层盒子不要正式金字塔小黑在旁边搬砖搭建地图路线从想法到上线、用户路径、学习路线一条弯曲路径、少量节点、小黑牵线或走路小漫画分镜失败到成功、真实过程、使用前后2–4 个小场景每格只表达一个动作并且明确要求选一种就好不要混太多。把开放式创作收敛成八选一是很实际的做法。让模型自由发挥构图方差极大给一个有限选择集输出立刻可控同时八种类型基本覆盖了技术写作里所有需要图解的场景。这和给 LLM 做结构化输出约束是同一个道理——限制自由度往往是提升质量最便宜的手段。三步隐喻生成法结构类型定了骨架隐喻决定这张图有没有记忆点。这里给了一个可复用的三步流程