Ai Image Generator

AI配图能力 Skill

> 这是一个能力层 Skill，被其他 Skill 调用，不直接面向用户任务。 > 任何需要生成图片的 Skill 都应该引用本 Skill，而不是自行嵌入 API 细节。

---

模型与 API

| 优先级 | 模型 | 适用场景 | API Key | |---|---|---|---| | 首选 | qwen-image-2.0-pro | 含中文文字的信息图、结构图 | sk-68b70d6863b94c299ecd27e9d49b41ba | | 次选 | wan2.6-t2i | 纯视觉风格图（无需复杂中文文字排版）| 同上（dashscope）| | 备用 | gpt-image-1（DMXAPI）| 英文为主的极简图 | sk-wzI4JscScaJ1pxVKRQ4qxmJcpH1OIgsqshlP55Tq6NtZ3H5p |

选择原则：信息图/结构图/有中文标注 → 用 qwen-image-2.0-pro；纯视觉风格图 → 用 wan2.6-t2i。

wan2.6-t2i API 调用（endpoint 不同）：

url = 'https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image/image-synthesis'
body = {'model': 'wan2.6-t2i', 'input': {'prompt': 'PROMPT'}, 'parameters': {'size': '1024*1024', 'n': 1}}

⚠️ 已知问题：DMXAPI 上的 DALL-E 3 有较高概率网络超时（实测超时案例：2026-03-20 向日葵调研任务）。遇到超时时直接切换 qwen-image-2.0-pro，不要反复重试 DALL-E 3。

qwen-image-2.0-pro API 调用

import requests, base64

API_KEY = 'sk-68b70d6863b94c299ecd27e9d49b41ba'
ENDPOINT = 'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation'

headers = {'Content-Type': 'application/json', 'Authorization': f'Bearer {API_KEY}'}
payload = {
    "model": "qwen-image-2.0-pro",
    "input": {"messages": [{"role": "user", "content": [{"text": "你的提示词"}]}]},
    "parameters": {
        "n": 1,
        "watermark": False,
        "prompt_extend": True,
        "size": "1024*1024"   # 标准图；小图同尺寸，HTML 中用 max-width: 65% 控制
    }
}

resp = requests.post(ENDPOINT, headers=headers, json=payload, timeout=120)
img_url = resp.json()['output']['choices'][0]['message']['content'][0]['image']

# 下载并保存（URL 24 小时有效，立即保存）
ir = requests.get(img_url, timeout=60)
with open('output.png', 'wb') as f:
    f.write(ir.content)

⚠️ 限速处理：遇到 429 时等待 30 秒后重试，最多重试 3 次。

---

风格库

风格库文件：_内部总控/产品定义/图片风格库.md（10种风格，当前文章使用 S03）

S03 标准提示词前缀（适合大多数中文信息图）：

简洁专业的信息图，适合微信文章，白色背景。[内容描述]
深蓝色#1a2f5e和橙色#e8622c为主色，圆角矩形，清晰中文标注，整体简洁商务风格。

---

全景图优先原则（先于绘图流程执行）

> 核心规则：先建立完整的对象-关系模型，再决定画什么图

对象-关系分析（Step 0，必须在 Step 1 之前完成）

在分析段落逻辑之前，先问自己：

1. 这段内容描述的「系统」里有哪些对象？
   （人 / 设备 / 服务 / 组织 / 数据 / 概念阶段...）

2. 这些对象之间有哪些关系？
   （数据流 / 指令控制 / 包含/被包含 / 演化前后 / 并列对比...）

3. 我现在要画的是「全景图」还是「局部图」？
   全景图：展示系统所有对象及一级关系 → 优先画
   局部图：聚焦某对对象的交互细节 → 作为补充

4. 如果是局部图，前面是否已经有对应的全景图？
   没有 → 先画全景图，再画局部图
   有 → 可以直接画局部图，但在提示词里说明「这是XX全景图的局部放大」

五种全景图类型（优先选用）

| 类型 | 使用时机 | 结构 | |---|---|---| | 系统全景图 | 展示所有组成部分及关系 | 对象节点 + 层次边框 + 关系箭头 | | 演化状态图 | 系统随时间的状态变化 | 横向时间轴 + N个状态并列 | | 并列对比图 | 多种方案/模式的异同 | N列相同结构 + 内容不同 | | 层次依赖图 | 技术栈或组织的依赖关系 | 垂直叠加 + 依赖箭头 | | 双列映射图 | 理论框架 vs 实际形态 | 左右两列 + 对应连线 |

参考图库：_内部总控/产品定义/图片参考库/架构图-全景对象关系型/

人-设备-服务器-云端 场景的标准全景图要素

当内容涉及「人-AI协作」「多设备」「分布式」等场景时，全景图必须包含：

对象层（从下到上，或从内到外）：
  ① 个人设备层：用户 + 本地PC + 手机
  ② 组织局域层：组织服务器 + 组织内成员
  ③ 云端层：云服务/API/OpenBrain
  ④ 社会层：跨组织交互/世界

关系标注：
  局域网连线（实线/虚线区分）
  云端上传（带方向箭头）
  数据流动（带标注：数据类型/权限级别）
  包含关系（用大矩形框圈定边界）

---

绘图流程（每张图必须走完）

Step 1：分析段落逻辑（含对象-关系检查）

在开始绘图之前，必须先回答：

1. 这张图对应手稿哪个段落？（定位行号/小节）
2. 这段文字涉及哪些「对象」？（穷举：人/设备/服务/组织/数据/概念...）
3. 这些对象之间有哪些「关系」？（列出所有连接和方向）
4. 这是「全景图」还是「局部图」？（参见全景图优先原则）
5. 这张图如果画成功，读者读完会在脑子里形成什么完整的系统印象？
6. 图不只是文字映射——它应该让读者建立「这个系统里有什么、它们怎么连」的完整心智模型

Step 2：从多个视角设计草图

对每张图，至少从 2 个独立逻辑视角各写一条提示词：

• 视角A：[逻辑A]，提示词：...
• 视角B：[逻辑B]，提示词：...

⛔ 禁止：只写一条提示词直接生成，跳过视角分析

Step 3：调用 API 生成

按上方 API 调用格式，对每个视角各生成一张图。

Step 4：更新配图索引

生成完毕后，必须在对应文章的 配图索引_[文章名].md 中追加/更新条目：

| 图片文件名 | 对应段落 | 段落核心主旨 | 提示词摘要 | 状态 |

如果文章还没有配图索引，立即创建（模板：.cursor/skills/wechat-article-writer/templates/配图索引模板.md）。

Step 5：嵌入到 HTML

• 大图（核心结构图）：max-width: 100%
• 小图（辅助说明图、循环图、对比图）：max-width: 65%

---

图片大小原则

| 图类型 | 用途 | HTML 宽度 | |---|---|---| | 大图 | 核心结构图（坐标系、架构图、飞轮图）| 100% | | 小图 | 辅助说明（循环图、对比图、路径图）| 65% |

---

图的质量原则

1. 全景优先：第一张图应该是全景图——所有对象和关系都呈现，读者看完能建立完整的系统心智模型
2. 对象-关系完整：图中所有重要的对象都有，所有对象之间的关系都有箭头/连线表示
3. 不是文字映射：图应该传达文字没法直接说的空间/结构关系
4. 局部是放大镜：局部图必须有对应的全景图作为基础，局部图是全景图某个部分的放大说明
5. 层次清晰：用矩形框/颜色区分不同层次（个人/组织/云端/世界）
6. 提示词足够清晰：描述节点数量、颜色、连接关系、箭头方向、副文字内容

---

与其他 Skill 的关系

| 调用方 | 调用方式 | |---|---| | wechat-article-writer | Step 4（配图生成）引用本 Skill | | role-UI设计师 | 需要可视化时引用本 Skill | | role-产品经理 | 需要配图说明产品结构时引用本 Skill | | 其他需要绘图的 Skill | 同上 |

---

变更记录

v1.0 — 2026-03-20 — 初始创建（从 wechat-article-writer 提取）

根因：绘图 API 细节和多视角草图流程只存在于 wechat-article-writer，其他 Skill 无法复用。根本原因是 Skill 体系缺少「能力层」，导致执行细节散落在流程层 Skill 里。

修改内容：

• 新建：ai-image-generator Skill（能力层）
• 从 wechat-article-writer Step 4 提取：API 配置、多视角流程、风格库引用
• wechat-article-writer Step 4 改为引用本 Skill

验证状态：🔵 待验证

v1.0 → v1.1 — 2026-03-20 — 加入全景图优先原则 + 对象-关系分析框架

根因：AI生成的图倾向于展示「局部交互」（如单个节点的输入输出），而不是「全景图」（所有对象及其关系）。用户指出：好的信息架构图应该先展示所有对象和关系的全貌，让读者建立完整心智模型，局部图作为补充。

关键原则：「先区分对象和对象的关系，把所有对象和关系一次性呈现，而不是只展示某个局部的相互作用」——郑博元

修改内容：

• 新增：Step 0「对象-关系分析」（先于 Step 1 执行）
• 新增：「全景图优先原则」节——五种全景图类型 + 人-设备-服务器-云端标准要素
• 修改：Step 1 加入对象-关系穷举
• 修改：图的质量原则加入「全景优先」和「局部是放大镜」
• 新增：参考图库路径 _内部总控/产品定义/图片参考库/架构图-全景对象关系型/

验证状态：✅ 已验证（2026-03-20 OpenClaw推文项目：全景图优先原则 + S03风格成功执行，四层架构图质量达标）

---

v1.1 → v1.1（验证记录）— 2026-03-20 — 全景图原则首次真实验证

验证场景：OpenClaw 推文项目中，按「全景图优先原则」生成「四层智能协作架构图」（人层/分身层/讨论层/信源层），S03 风格，qwen-image-2.0-pro 生成。

验证结果：通过。图片直接用于公众号 HTML，无需重绘。

验证状态：✅ 已验证

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: TashanGKD
• Source: TashanGKD/tashan-cursor-skills
• License: MIT

Install and usage instructions live in the source repository linked above.