技能介绍

它解决的问题

文章封面图看起来只是一张配图，实际上承担了主题定调、视觉识别和信息密度三重职责。不同主题的文章需要完全不同的视觉语言：技术拆解适合 hero 或 conceptual，观点评论适合 typography 或 metaphor，场景叙事适合 scene。但直接调用通用文生图接口时，提示词稍有变化，配色、渲染风格和文字排布就会跳变，返工成本高。更常见的问题是生成的标题出现错字、乱码或字体漂移，而这些错误在位图上几乎无法修图修复。

技能如何工作

oneone-封面生成 把封面生成拆成一组可组合的决策点，用参数控制输出，而不是每次临时写提示词。

核心是五维定制：类型（hero、conceptual、typography、metaphor、scene、minimal）、配色（warm、elegant、cool、dark 等）、渲染方式（flat-vector、painterly、digital 等）、文字层级（none、title-only、title-subtitle、text-rich）、情绪强度（subtle、balanced、bold）。字体在 clean、handwritten、serif、display 之间选择。宽高比默认 16:9，也支持 2.35:1、4:3、1:1、3:4 等常见规格。

工作流分五步：

加载偏好配置，首次使用时先完成初始化
分析文章内容，识别主题、语气、关键词和视觉隐喻
通过交互确认类型、配色、渲染、文字层级、字体等选项
把最终提示词写入 prompts/01-cover-[slug].md，再调用后端生成图像
输出完成报告

两个硬约束值得注意。第一，提示词文件必须在调用任何后端之前先落盘，它是可复现记录，也是切换后端时的输入。第二，默认在生成前确认参数，只有显式传入 --quick 或配置 quick_mode: true 才跳过。

适用边界

这个技能只负责生成栅格位图。规范明确禁止用 SVG、HTML、Canvas 或其他代码渲染替代位图生成，即使内容看起来像示意图也不行。同理，它禁止在生成好的位图上用 ImageMagick、Pillow、OCR 脚本等手段覆盖或重写标题文字；文字不对就重新生成，而不是后期修补。

后端选择有优先级：用户在当前请求中指定的后端 > 保存的偏好 > 运行时原生工具（如 Codex 的 imagegen、Cursor 的 GenerateImage）> 已安装的非原生后端。如果没有任何可用后端，技能会告知用户并询问如何处理。参考图会保存到 refs/ 目录并按 --ref 参数传入；模型不支持参考图时，需要用文字描述人物特征。