Files
MetaSkill/skills/le-wechat-article/references/visual-production.md
T

88 lines
8.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 视觉生产手册
封面与正文解释性插图的生产方法。核心原则:**配图是内容的一部分,不是装饰**——信息位图上的文字逐字取自文章,封面上的是这篇文章的标题,不是好看的背景。
## 封面规格(硬约束)
- 比例 **2.35:1**(建议 1200×509 或更大,微信信息流首图比例)
- **标题主体放中央安全区**:微信会另裁一张 1:1 的方形分享卡(默认居中裁),主体偏左或偏右会被裁掉字——同步草稿箱时脚本会提交两个裁剪框参数,但设计上就要满足「中心裁一块 1:1 不丢主信息」
- 图上主标题 **4–7 字**最佳,字高占画面 25–35%;缩略到 345px 宽(信息流实际尺寸)主体仍一眼可辨——这是验收标准,不满足重做
## 封面七步推导
不要「想一个好看的画面」,按顺序走:
1. **找张力**:这篇文章里什么打破了什么 / 什么变成了什么?(「手写模板 → 自动生成」「一台机器 → 十三台」)张力即画面
2. **定关系**:对比 / 流程 / 层级 / 汇聚 / 转折——关系的类型决定构图骨架
3. **找隐喻**:把抽象张力翻译成具体物件。**避雷**:机器人、发光大脑、齿轮堆、赛博蓝紫渐变——这些是 AI 生图的默认值,出现即平庸
4. **选形态**(从下表挑一个,不混搭)
5. **布局**:左文右图 / 上题下景 / 中央大字,按形态模板走
6. **写成 brief**:一段 150–300 字的散文描述(给 ckm-banner-design 或生图模型),含标题文案、字体感、颜色、位置
7. **缩略图回看**:345px 下看主体可辨、标题完整;不过关回到对应步骤重做,不盲目重跑
## 封面形态速查
| 形态 | 适合 | 要点 |
|---|---|---|
| 纯色大字 | 观点、宣言 | 底色克制,字即主体 |
| 数字冲击 | 数据结论 | 一个大数字 + 一句限定,防断章取义 |
| 图上压字 | 叙事、体验 | 底图留白充足,压字区加暗色遮罩 |
| 对比式 | 前后变化 | 左右分栏,箭头/裂隙点题 |
| 扁平插画 | 方法、教程 | 元素 ≤3,不写实 |
| 截图标注 | 产品更新 | 真实界面 + 标注,最可信 |
| 信息表 | 评测、清单 | 封面即结论摘要 |
| 场景实拍 | 生活叙事 | 有人的真实场景优于摆拍 |
## 正文解释性插图
- **信息位**(删图读者看不懂):图上文字**逐字取自文章**,不自由发挥——让模型自由发挥会生成无关鸡汤并自带 emoji
- **节奏位**(删图读者读不下去):概念隐喻或场景,图上不加文字
- **手绘媒介**:同一篇内统一一种媒介,篇与篇之间轮换,避免整个号只有一种图。媒介池:马克笔白板 / 方格笔记本 / 便签 / 黑板粉笔 / 牛皮纸手绘 / 终端等宽 / 打印稿批注 / 扁平矢量
- **实证图**(真实截图/照片):优先作为证据直接使用,不重绘产品界面当证据;需要标注/放大/对比时才加工
## 生产路由(每张图先判断走哪条路径,充分发挥各路径长处)
判断原则:**画面质感、设计感、字效构图优先走 le-gpt-image(它输出的是设计);精确几何、多元素结构、可编辑性优先走 SVG(它输出的是图形);实证不生成只加工。**
| 图位类型 | 路径 | 理由 |
|---|---|---|
| 实证位(真实截图/照片) | 直接使用,不生成;需标注/高亮/对比时用 le-gpt-image `edit` 加工 | 证据不可代生成,但可以加工 |
| 节奏位(概念隐喻、场景氛围,图上无文字) | **le-gpt-image** | 质感、光影、氛围是它的主场;SVG 画氛围图易显工程感 |
| 信息位 · 视觉卡片型(少文字概念图、金句卡、海报感信息卡) | **le-gpt-image**(文字排版走其 Gallery 的 layout-and-text 类) | 字效、版式、质感远超 SVG 拼贴;图上中文逐字写入 prompt 并读图复核(见联动协议) |
| 信息位 · 精确结构型(多节点流程、数据曲线、层级结构图) | **SVG 自绘** | 元素多、标签密、要求逐字精确与可编辑,SVG 更稳 |
| 封面(所有形态) | **le-gpt-image 首选**——layout-and-text 类案例打底出设计感封面,标题 4–7 字逐字写进 prompt 并要求主体居中(1:1 安全区),生成后居中裁到 2.35:1 再缩略验收;两轮不合格回退 SVG 纯色大字形态 | 字效、材质、构图是它的长处;尺寸偏差用裁剪兜底,安全区用验收兜底 |
走 le-gpt-image 的图篇内风格要统一(同一 Gallery 案例,或首张定稿后作 `--style-image` 生成其余);SVG 信息图与 AI 图因功能不同可共存,各自内部统一。
## 与 le-gpt-image 的联动协议(节奏位、卡片型信息位、封面首选)
前提:本机已装 le-gpt-image 且 Codex 已登录(其 `scripts/gpt_image.py check` 可验)。把 brief 交给它执行时:
1. **Gallery 优先**:由 le-gpt-image 按其 gallery 索引路由精调案例做底改写,不现写——画面类(照片/插画/场景)走 generation 案例类,**文字排版类(封面、金句卡、信息卡、图表)走 layout-and-text 案例类**;改写只替换主体与文案,保留风格构图框架。
2. **图上文字**:要出现的中文**逐字写进 prompt 并用直引号引用**(如 `the text "省 88% Token" centered`,原文直引不转述);**带文字的图生成后逐字读图复核**(对图识字、与文章原文逐字比对);错字用 `edit` 修(指令指明改哪个字)或重出一次,仍错回退 SVG 重做该图。带数量的图(「三步」「九张卡」)同样逐个数复核。
3. **比例与裁剪**:其通道尺寸是建议值(实测约六成精确)——封面生成后**一律居中裁到 2.35:1**(sips 或 Pillow),prompt 同时要求主体居中(1:1 安全区),裁切与 345px 缩略回看双保险。
4. **风格统一**:同一篇的多张 AI 图共用同一 Gallery 案例;或第一张定稿后作 `--style-image` 参考生成其余(风格迁移保篇内统一)。
5. **实证加工**:真实截图需标注、高亮、去敏感信息时用 `edit`(指令明确「保留界面内容不变,仅添加/修改标注」),不重绘证据本体。
6. **额度纪律**:单张 40–60 秒、消耗 ChatGPT 订阅额度——逐张生成逐张验收;变体只在验收不合格时重出一次,不做探索性批量。
7. **失败回退**:凭证失效(401)、配额不足、内容策略拒绝、超时、或文字复核两轮不过——该图**回退 SVG 自绘路径**(节奏位降级为媒介池图形、卡片型信息位改几何卡、封面改纯色大字形态),如实记入交付清单的图片状态(哪张回退、原因),不中断交付流程。
## 与 ckm-banner-design 的联动协议
需要直接生成封面图时,把 brief 交给 ckm-banner-design 执行,brief 必须包含:
1. 比例 2.35:1 与目标像素
2. 主标题文案(4–7 字)与短标题(1:1 分享卡用,2–4 字)
3. 视觉张力一句话 + 形态名 + 避雷项(AI 默认视觉)
4. 风格媒介(从媒介池指定一种)
5. 验收点:345px 缩略可辨、标题完整、中央 1:1 安全区无关键信息丢失
产出后按「缩略图回看」验收;不合格改 brief 重生,不改用其他工具绕开。
## SVG 自绘路径(零依赖,兼失败回退位)
没有生图管线时,几何类信息图(流程、对比、曲线、分层)用 SVG 手绘完全够用,且比 AI 生图**文字更可靠**(不会出缺字错字):SVG 源文件放 `imgs/src/`,浏览器打开后按目标尺寸截屏导出 PNG。曲线/管道/卡片类图优先走这条路;只有需要插画质感时才必须用生图。封面同样可 SVG 自绘(文字型封面 = 纯色大字形态,正是最稳的封面形态之一)。le-gpt-image 失败时,节奏位图与封面底图也回退到这条路(见上节第 5 条)。
---
致谢:封面七步推导、形态库与媒介轮换方法改写自 [wechat-article-skills](https://github.com/aiworkskills/wechat-article-skills)(Apache-2.0)的 cover-method / image-method;组合封面安全区意识来自 [mp-article-writor](https://github.com/balabalabalading/huuuuuuho-skills/tree/main/skills/mp-article-writor)(MIT)的视觉路由。仅借方法。