ImageGen 专业成组封面生成

概述

何时用

需要为博客/站点/报告批量生成一组（≥3 张）相互关联但各自独立的配图（如 20 篇博客封面），且满足：

• 风格专业、统一调性，排除科幻/无厘头元素；
• 成组缩略图并排时配色互不重复；
• 输出无平台自动水印、规格统一（如 16:9）；
• 完成后上线并击穿浏览器缓存。

🔴 铁律 1：ImageGen 绝对禁止并行调用（最高优先级）

ImageGen 的 output_dir 是全局可变状态。若在同一批消息里并行发起多次调用（即便各自传了不同 output_dir），它们会全部落到最后一次设置的 output_dir，叠加同秒时间戳 → 静默互相覆盖，最终只剩少量甚至错误的图。

规则：每条消息只调用一次 ImageGen，严格串行。 用多轮对话或单条消息内 await 顺序调用，绝不在一条消息里写多个 ImageGen 调用块。

🔴 铁律 2：每篇一个独立 output_dir

为每张图指定独立的输出子目录（如 _gen/a01、_gen/a02…），不要共用同一目录靠文件名区分。这是铁律 1 之外的第二道保险，也便于逐张质检与单独重做。

工作流

步骤 0：规划配色（自动化 · 撞色自检）

首选自动化：用随技能附带的 scripts/plan_colors.py 一次性为整组文章分配「互不撞色」的专业编辑风主色，并产出可直接粘进 ImageGen 提示词的色块段落。

原理（构造性保证不撞色）：调色板在色环上等距 24 色、每色相隔 15° → 色环上任意两个不同色的最小色调差 = 15° ≥ MIN_SEP=14°。分配策略「语义优先 + 色调下限」：每篇先按关键词偏好选色（偏好色须 ≥ MIN_SEP 于已分配色），偏好色被占用/太近则退化为「与已分配色最分散的可用色」。因调色板最小间隔 15° ≥ MIN_SEP，无论分配结果如何都 100% 不撞色，无需手调。语义提示把关键词映射到合适色系（大模型→蓝、金融→绿/金、制造→暖棕、治理→莓红、多模态/AIGC→珊瑚橙、编程→雾紫…），软偏好而非硬约束。

用法：

# 输入：每行一个标题的文本文件（最常用）
python scripts/plan_colors.py --topics titles.txt --out _gen/color_plan

# 或 JSON 数组（[{title}] 或 ["标题",...]），或读 stdin
python scripts/plan_colors.py --json articles.json

输出：

• _gen/color_plan/color_plan.json —— 机器可读：每篇的 main_hex / accent_hex / neutral_bg / ink / hue / rationale / prompt_color_block。
• _gen/color_plan/color_prompts.txt —— 每篇一段可直接粘进提示词的「CRITICAL COLOUR REQUIREMENT」英文色块段落（强制主色大面积主导，抑制生成器把主色缩成小块、整图落灰）。
• 控制台打印 Markdown 配色总表 + 撞色自检：相邻最小色调差 / 全局最小色调差 / 主色是否复用。验收标准：两值均 ≥ 14° 且 主色未复用（✅）。若标题数 > 24，脚本会告警并要求扩充调色板，否则必然复用。

喂给 ImageGen：对每篇，取 main_hex 作为主色、accent_hex 为辅色，把 prompt_color_block 整段粘到该篇提示词末尾（即步骤 1 的「CRITICAL COLOUR REQUIREMENT」段落，直接复用，不要再手搓）。

次级校验（可选）：若仍想用 PIL 主色量化（_gen/analyze.py，Image.quantize 或 KMeans 取主色）辅助验证，注意浅色底图下自动检测易把背景当主体——以规划表为准，脚本只做参考。

风格区分（与配色并行决策）：概念/策略类 → 扁平矢量编辑插画（几何构成、留白、单焦点，HBR/经济学人语言）；真实案例类（产线/工位/数据中心/仓储）→ 写实摄影（在提示词强制「绝对无屏幕/显示器/发光界面」以防科幻 HUD）。

步骤 1：逐篇写提示词

提示词要点（插画类）：

• 明确「editorial flat vector illustration, geometric, generous whitespace, single focal point」；
• 在提示词末尾加 「CRITICAL COLOUR REQUIREMENT」段落强制主色大面积填充（否则生成器常把指定主色缩成小块、整图落灰/落青绿）；
• 硬性排除清单（写进每段）：neon glow / starfield / hologram / cartoon mascot / robot with face / purple-blue sci-fi gradient / any text letters numbers / watermark。

摄影类：写实、自然光、真实场景，同样排除发光屏幕与科幻元素。

步骤 2：串行生成（铁律 1 + 2）

每条消息一次 ImageGen，指定 size（源图用 1536×1024 给裁切余量）、output_dir=_gen/aNN、quality 按需。全部生成完再进入下一步。

步骤 3：去水印 + 裁切统一规格

平台自动在右下角压「AI生成 WorkBuddy」水印（实测位于 x≈1415–1530 / y≈963–1013，源图 1536×1024）。

固定安全裁切窗口：源图 1536×1024 → 裁 16:9（1536×864） 用窗口 (0, 70, 1536, 934)（底边 934 < 水印上沿 963，完整剔除）。不要依赖自动水印检测（prep.py 在浅色底会误判）。裁完输出渐进式 JPEG（q88），单张约 110–240KB。

步骤 4：总览图 QC（关键验收）

生成 4×5 拼接总览图 contact.jpg（一次 Read 整体验收配色/构图/主题），再生成右下角放大拼接 wm_check.jpg 逐张复核水印无残留。这两张是「一次 Read 看全组」的验收手段，比逐张 Read 高效且准。

Read 工具对生成图可能返回「Content filtered」系统提示（模型无法直接看图），但质检仍据可见视觉给出达标/不达标判定，并据此针对性重做。

步骤 5：上线 + 缓存击穿

封面文件名不变但内容替换时，必须击穿浏览器缓存：

• 静态资源 index.html 中 styles.css、config.js、app.js 以 ?v=<版本号> 引用；
• 数据库/种子里的 cover_image 路径同步追加 ?v=<版本号>（如 /assets/covers/cover-01.jpg?v=1.2.0）；
• config.js 递增 appVersion。

部署后线上验证：抽查若干 cover-NN.jpg?v=x.y.z 返回 HTTP 200，且 SHA256 与本地一致（确认不是旧缓存）。

操作安全（避坑）

• 破坏性清理命令（rm -rf）不得与其他调用同批：曾因 mv 失败被 && 短路、但 ; rm -rf 仍执行，误删已质检通过的图。清理 _gen 临时目录前先确认内容、单独执行。
• 批量改日期/版本先 Grep 全文再统一替换，避免漏改。

版本化

每次发布在 CHANGELOG.md 顶部加 ## vX.Y.Z — 日期 条目，说明本次变更（如「封面全面重制：混合风格 + 独立配色 + 去水印 + 缓存击穿」）。