简诗信息图版式工坊
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 的官方安装指南,把 @user_fccf428b/modular-infographic-layout-studio 安装到你的 AI 助手中。
技能介绍
它解决什么问题
信息图生成常见的两难:内容结构清楚,但排版像流水账;或者画面好看,却承载不住信息。把「信息结构」和「视觉表现」塞进同一个 prompt 里一次性生成,结果往往是两者互相打架,只能反复重抽。
这个技能的做法是把信息图拆成两个正交维度:
- layout(信息结构,21 种):内容按什么方式排布
- style(视觉美学,22 种):画面按什么风格呈现
二者可以自由组合,例如 linear-progression + craft-handmade 适合时间线,dense-modules + pop-laboratory 适合技术指南。内置的推荐组合只是建议输入,不会绕过确认。
关键流程
- 加载偏好:先读
EXTEND.md,确认已保存的出图后端偏好等设置。 - 收集选择:版式、风格、画面比例(
--aspect)、语言(--lang)、参考图(--ref)。优先使用运行时的内置提问工具(如AskUserQuestion);没有则退化为编号纯文本提问。支持批量提问时就一次问完,否则按优先级逐个问。 - 确认:默认在生成前确认。只有显式出现
--no-confirm或「直接生成」这类表述才跳过,跳过时也会先说明假定的组合、比例与后端。 - 解析后端:按「本次请求指定 → 已保存偏好 → 自动选择」的顺序确定栅格出图后端。自动选择时优先运行时原生能力,如 Codex 的
imagegen、Cursor 的GenerateImage。 - 写提示词文件:调用任何后端之前,先把完整 prompt 写入
prompts/NN-{type}-[slug].md。这份文件是可复现记录,换后端时不必重写 prompt。 - 参考图处理:可按
direct、style、palette三种模式使用,提取结果与用法记录在 prompt 的 frontmatter 中。
适用边界
- 输出必须是栅格位图。不要用 SVG、HTML、canvas 或其他代码渲染顶替;后端不可用时应询问用户,而不是静默改成矢量输出。
- 生成图上的文字不要事后修补。不能用 ImageMagick、Pillow、OCR 脚本等方式覆盖、改写或擦除图中已有文字;文字有问题就从修正后的 prompt 重新生成。
- 数据保真:保持原始数据不变,不改写、不缩写;但输出前必须剔除凭据、API key、token 等敏感内容。
- 版式与风格选项很多,默认组合仅作兜底推荐,不绕过确认步骤。
- 输出 slug 约定为 2–4 个 kebab-case 词,发生冲突时追加时间戳。
使用场景
- 运营要做一份讲清各模块职责的产品功能导览图,需要按模块划分页面结构并统一视觉风格。
- 内容编辑要产出 A/B 方案对比图,需要左右分栏或对比矩阵的版式,并给出清晰优劣结论。
- 产品经理要画转化漏斗图,需要在每个阶段标注转化数据,风格保持企业化但不过于严肃。
- 教学设计要把流程型知识点做成一步步教程图,需要线性推进的版式和手绘教学风格。
适合人员
- 需要在报告中输出图表的内容运营,诉求是把抽象概念变成读者一眼能看懂的信息图。
- 负责产品文档和帮助中心的编辑,诉求是把操作步骤拆成线性推进的说明图,减少文字篇幅。
- 要把数据指标讲给非技术团队看的数据分析师,诉求是把 KPI 组织成看板式版面并保持专业感。
- 做课程内容的讲师或教学设计师,诉求是把重叠概念用韦恩图或层级结构图清楚呈现。