SPACE XHS Image

把用户内容变成可直接发布的小红书 3:4 信息图。默认使用 Codex 内置 image_gen，不探测外部后端，不索要 API Key，不调用第三方生图脚本。

视觉目标不是复刻某张参考图，而是稳定复用一套独立的“轻盈 AI 产品信息图”系统：强标题、卡片化结构、线性科技图标、紫蓝与青柠绿强调、白色呼吸感。

先读

执行前必须读取：

• references/visual-system.md：固定视觉语言、颜色、字体层级、组件与提示词锁。
• references/page-patterns.md：封面、流程、对比、清单、拆解、总结等页面结构。

适用范围

适合：

• AI、效率、产品、财务、职场、教程、SOP、方法论内容。
• 一张封面、单张知识图，或 6–9 张连续组图。
• 用户提供参考图，希望借鉴其信息层级、色彩关系和组件语言。
• 用户希望直接得到位图，不需要 HTML。

不适合：

• 要求文字 100% 可编辑、逐像素改版：改用 xhs-html。
• 需要 SVG、HTML、PPT 等原生可编辑格式。
• 只写正文、标题或选题。
• 自动发布、批量矩阵号生产。

默认交付

• 比例：竖版 3:4，最终保存为 1080×1440 PNG。
• 数量：
  • 用户明确“单图/封面”时做 1 张。
  • 用户明确数量时按其数量。
  • 用户说“组图/图文”但没说数量时，给 6、7、8、9 张选项，并推荐一档。
  • 用户说“直接做/你定”时：短清单 6 张，完整方法 7 张，实操教程 8 张，完整 SOP 9 张。
• 品牌名或账号名默认只放首页；内页不重复。
• 一张图只承担一个中心任务，不把整篇文章塞进一张图。
• 每张图单独调用一次内置生图工具，不用一次调用生成多张不同内容。

工作流

1. 读取内容

先读完整内容，再拆页。不要边读边生成。

提取：

1. 目标读者：这组图写给谁。
2. 核心承诺：看完能完成什么动作。
3. 最小完整链路：准备 → 操作 → 结果 → 验收。
4. 可直接拿走的材料：步骤、提示词、字段、模板、检查表、例子。
5. 可删除内容：重复铺垫、空泛鼓励、同义反复、爹味教训。
6. 原文中的具体信息：对象、字段、规则、步骤、数字、阈值、输出名称和人工边界。

拆页前建立“原文依据 → 页面文案”映射。页面里的具体描述必须能回到用户原文；为了排版可以压缩句子，但不能把原文改造成新的口号或泛化观点。

2. 建立页序

输出简短页面规划：

## 组图规划

风格：轻盈 AI 产品信息图
数量：8 张
账号名：只在第 1 张出现

| 页码 | 页面任务 | 主标题 | 原文依据 | 结构 | 读者拿走什么 |
|---|---|---|---|---|---|
| 01 | 点击 | 财务人怎么用 Codex | 原文总主题 | 封面 | 明确主题 |
| 02 | 留人 | 完整处理链路 | 原文步骤段 | 总览 | 知道后续路径 |
| 03 | 准备 | 准备 3 份输入 | 原文准备段 | 清单 | 可照着准备 |
...

如果用户只要求一张图，不输出组图规划，直接提炼该图的主标题、重点和结构。

3. 控制文字

生图模型能生成文字，但信息越密，错字和错行概率越高。封面和内页使用不同信息密度：

封面

• 主标题：8–18 个汉字，最多 2–3 行，可以占据较大面积。
• 副标题：0–28 个汉字。
• 只保留主题、结果和一个主视觉，不承担完整教学。

内页

• 主标题：6–16 个汉字，最多 2 行；视觉字号约为封面标题的 55%–68%。
• 标题区高度控制在页面的 8%–14%，把主要空间留给正文。
• 正文：4–6 个模块；每个模块必须有“短标题 + 12–28 字的完整说明”，不能只放名词标签。
• 每页建议 120–180 个汉字；操作模板页可以到 220 字，但必须拆成清楚的层级。
• 优先保留用户原文中的对象、字段、动作、判断条件、输出和复核要求。
• 所有文字逐字写入提示词的 Text (verbatim)，不可让模型自行改写。

正文过多时先拆页；正文不足时回到原文补充具体说明，不用装饰图标占满空间。

4. 文案句式

内页以直接说明为主：

• 写“扫描件提取后，需要核对金额、日期和模糊字段”。
• 写“文档生成前提供固定模板、必填字段和指标口径”。
• 写“表格处理会输出标准表、汇总表和差异表”。

限制以下口号式句型：

• “不是 A，而是 B”
• “能 A，不等于 B”
• “不要 A，要 B”
• “别急着 A，先 B”

除非它是用户原文中的关键表达，一组图最多使用一次。能直接陈述事实时，直接写事实。

5. 选择版式

根据内容从 references/page-patterns.md 选择，不连续三页使用同一种结构。

优先关系：

• 一个结论 → Hero / 单观点
• 3–5 个步骤 → 横向或纵向流程
• A 与 B → 左右对比
• 3–6 条并列信息 → 清单 / 卡片矩阵
• 表层与本质 → 双层拆解
• 做前与做后 → Before / After
• 一套完整方法 → 总览 + 分步 + 验收

6. 生成图片

默认调用 Codex 内置 image_gen。

新图：

• 不传 num_last_images_to_include。
• 没有参考图时不传 referenced_image_paths。
• 用户提供参考图并要求借鉴时，可将最有代表性的 1–3 张作为 referenced_image_paths；在提示词中明确它们只是“视觉语言参考”，不得复制账号名、Logo、水印、原文、插图或具体版式。

系列图：

• 每张图调用一次 image_gen，按页序逐张生成。
• 每一页都逐字复用 references/visual-system.md 的 Style Lock。
• 只改变本页的标题、内容模块、图标和版式。
• 不用 n 代替多次调用；不同页面必须是不同提示词。

提示词使用以下结构：

Use case: infographic-diagram
Asset type: 3:4 Xiaohongshu vertical infographic, page {页码}/{总页数}
Primary request: 根据本页内容生成一张信息图，不增删、不改写给定文字
Input images: {如有，逐张说明“仅作视觉语言参考”}
Scene/backdrop: 白色到极浅薰衣草背景，大面积留白
Style/medium: {粘贴完整 Style Lock}
Composition/framing: {选中的页面结构 + 模块数量 + 位置}
Color palette: {固定色板}
Source grounding:
- 原文依据：“{对应原句或要点}”
- 允许压缩，不允许新增结论
Text (verbatim):
- 顶部标签：“{标签}”
- 主标题：“{主标题}”
- 副标题：“{副标题}”
- 模块 1：“{文字}”
- 模块 2：“{文字}”
Constraints: 3:4；文字逐字准确；简体中文；外边距充足；信息层级清晰
Avoid: 水印、Logo、AI_walker、账号仿冒、乱码、伪文字、照片感、复杂 3D、拥挤小字、厚重阴影、过度装饰

具体视觉约束以 references/visual-system.md 为准。

7. 逐图复核

每张生成后检查：

1. 是否为 3:4，主体没有贴边或被裁。
2. 主标题是否一眼读完，紫/绿强调是否只落在关键词。
3. 中文是否逐字正确，数字和英文是否准确。
4. 卡片、线性图标、流程关系是否与本页内容一致。
5. 是否出现参考图的账号名、Logo、水印或近似复制。
6. 是否和前页保持同一色板、圆角、线宽、阴影和留白节奏。
7. 缩小到信息流尺寸后，主标题和主结构是否仍清楚。
8. 内页标题是否明显小于封面，正文是否占据页面主要空间。
9. 每个正文模块是否有完整说明，且能在用户原文中找到依据。
10. 是否滥用了“不是…而是…”“能…不等于…”等反转句式。

可运行：

python3 scripts/check_image.py <图片路径>

它检查比例、尺寸、浅色背景、文件大小，并输出 260px 缩略图。机器检查通过后仍需肉眼检查文字。

8. 修正

一次只修一个问题：

• 错字：要求“仅把 X 改成 Y，其余构图、颜色、图标和文字完全不变”。
• 太挤：先缩小内页标题区；正文仍拥挤时拆页，不把模块说明压成小字。
• 太空：从原文补回字段、步骤、输出或验收要求，不增加空泛口号和装饰。
• 文案跑偏：回到“原文依据 → 页面文案”映射，替换为贴近原文的说明。
• 风格跑偏：重贴完整 Style Lock，指定以前一张已通过图片为视觉一致性参考。
• 比例不对：重新生成优先；若画面安全，可居中裁成 3:4 后缩放到 1080×1440。

编辑最近生成的图片时，仅包含完成本次编辑所需的最近图片；不要把整组图全部作为输入。

同一张图连续两次仍有中文错误时：

1. 先把文字压短再生成一次。
2. 若用户要求 100% 精确，说明限制并建议用 xhs-html 做文字确定版。
3. 不把有明显错字的图片当成完成稿交付。

9. 保存与交付

预览讨论可保留在 Codex 默认生成目录。用户要发布、继续编辑或用于项目时，必须把最终图片保存到工作区。

默认目录：

09 frames/xhs-image/{主题-slug}/
├── 01-cover.png
├── 02-overview.png
├── 03-step-1.png
├── ...
├── 08-checklist.png
└── prompts.md

不要覆盖既有文件；使用 -v2、-v3 版本名。交付时列出：

• 每张最终图片路径。
• 实际采用的页数和视觉系统。
• 最终提示词或 prompts.md 路径。
• 使用“Codex 内置 image_gen”，不写成外部 API。

固定视觉原则

• 白色或极浅薰衣草底，外边距宽，页面能呼吸。
• 封面以黑色粗标题为第一视觉；内页标题缩小，正文信息成为第一阅读主体。
• 中部用大圆角白卡承载信息；卡片内使用短标题、完整说明句、编号和线性图标。
• 图标以浏览器窗口、代码、流程、清单、目标、盾牌、机器人、文档为主。
• 装饰只用于平衡画面，不抢正文。
• 可以信息丰富，但不可像截图堆满；先保证层级，再保证数量。
• 第一页可以有账号名；内页默认没有账号名和重复口号。

原创与安全

• 参考图只提供视觉方向，不复制其标题、文案、账号名、Logo、水印、独特插图或逐像素布局。
• 不冒充其他创作者，不保留 AI_walker 或任何来源账号标识。
• 不生成虚假数据、收益承诺、排名、疗效或未经提供的事实。
• 不用“某位在世设计师/艺术家的风格”描述；只使用客观视觉特征。
• 未经用户要求，不生成真人肖像或品牌商标。

文件结构

space-xhs-image/
├── SKILL.md
├── agents/openai.yaml
├── evals/evals.json
├── references/
│   ├── visual-system.md
│   └── page-patterns.md
└── scripts/check_image.py