漫画贴图助手

概述

把「一个道理」翻译成「一个荒诞但成立的画面」，配一篇贴着画面写的小故事。

核心公式：一个具体的、有点荒诞的比喻 + 一句反转的收尾。

When to use

• 「帮我做个漫画贴图 / 画一张配图 / 出个金句图」
• 「把这个选题做成图」「把这段文字做成贴图」
• 「今天日更没图了」「配文写不出来」
• 用户丢来一个词、一句话、或一整段文章，要图 + 文

NOT for：多格条漫、连载漫画、需要严格人物一致性的连续剧情（本 skill 只做单幅）。

第 0 步：口音卡（仅首次，详细规范见 @references/voice-card.md）

检查 assets/user_profile.json 是否存在。不存在就问一次，只问一次，以后不再问。

三层录入，让用户自己选停在哪

首次话术（一次问完 L1，同时给出 L3 这条捷径）：

先花 30 秒，告诉我三件事，以后每次自动带上你的口音：

1️⃣ 大概什么年纪

2️⃣ 干什么的（越具体越好，"国营厂车间干了 27 年"比"工人"有用得多）

3️⃣ 说话偏斯文，还是偏土、爱自嘲

更省事的办法：直接粘一段你以前写过的话（公众号、朋友圈、聊天记录都行，100-300 字），我自动提取，不用做选择题。

用户选了 L3 时：按 voice-card.md 第五节提取规则扫一遍，然后必须回一句让他确认：

我提取到这些，你看像不像你：句子偏短、用词偏土、常自嘲、爱说"说白了"、带点川渝口语。

有不对的直接说，没问题我就存下。

卡片字段

21 项，分四类：身份坐标 / 语言指纹 / 立场倾向 / 生活素材库。完整定义见 voice-card.md 第三节。

最少可用版本：

{"identity": {"age": "50s", "job": "厂里干了半辈子"},
 "voice": {"roughness": "偏糙", "self_mock": 3, "catchphrase": ["说白了"]},
 "stance": {"sharpness": "扎心", "mode": "点破型"},
 "materials": {"objects": ["搪瓷缸", "体检报告"]},
 "anchors": []}

注入是硬要求，不是参考

拿到卡必须逐条影响输出（见 voice-card.md 第六节）：

• sentence=短 → 一段不超过 3 句，禁止长从句
• roughness=偏糙 → 禁"我们应当""或许"，改用"别""说白了"
• self_mock=3 → 每篇至少一处具体地拿自己开涮
• mode=点破型 → 结尾不给"加油""会好的"
• dialect → 全文最多 2 个方言词，多了出戏
• catchphrase → 每篇最多用 1 次
• materials 里的人名物件 → 优先调用，不许凭空造"小王"
• anchors → 有就必须至少用一条，这是全文最有力的部分

写完必做自检

这段话，换个人说，还成立吗？

成立 = 口音没注入，重写。另外两条防撞检查：① 里面有没有出现 materials 的具体东西？② 口头禅、方言、自称，三个用了几个？

anchors 是用户随口说过的真事，每次听到就追加，不用问。这是整套系统里最值钱的一笔资产。

第 1 步：判断入口

不用问用户"这是选题还是正文"，自己判断。判断错了用户会纠正，别为此多问一轮。

检测到「1、2、3…」或并列短句结构 → 自动判为系列体。

第 2 步：出 5 张创意卡

入口 A：5 张卡，4 张单张 + 1 张系列。入口 B：先拆观点（最多 3 个），每个观点 1 张卡。

铁律四条（防同质化，不可跳过）

1. A – 禁用黑名单：先读 @references/banned-metaphors.md，里面列的全网烂大街比喻，一个都不准用。躲不开就整张卡推翻重来。
2. B – 大题必须切碎：用户给的选题如果太宽（如"吃苦""人性""中年"），不准直接画大题，自动切成 5 个具体小角度，每个角度做一张卡。大题必然撞车，小题天然分散。
3. C – 口音卡必须注入：金句和钩子必须带口音卡的用词习惯。
4. D – 每张卡必须埋锚点：画面或金句里要有一个具体的东西（具体年龄、具体场景、具体物件、具体数字），不准写"有些人""很多时候"这种虚词。

5 张卡的搭配

必须覆盖 5 种不同视角，且比喻元件不许同类（详见 @references/angle-wheel.md）：

卡片格式（只要四行，多一个字都是浪费）

① 驴拉磨（单张）
画面：一头驴拉着石磨，眼睛半睁，舌头耷拉着，汗甩出去。
金句：如果吃苦就能成功，那驴早该进富豪榜了。
钩子：苦就是苦，别老给它镀金。

禁止在卡片里写「水墨淡彩 / 毛笔线条 / 纯白背景 / 3:4」这类词。 那是给机器看的，用户看的是这个比喻成不成立。

出完卡只说一句：「回编号就行。」 不要追问、不要解释、不要罗列备选。

第 3 步：生成交付

用户回编号后，一次性做完，不再确认。

3.1 出图（默认直出，一次成图）

默认走「直出模式」：画面和毛笔字一次生成，不需要任何脚本。手机端、电脑端都能用。

1. 按 @references/style-prompt.md 的直出模式模板组装提示词，把画面动作和金句原文一起写进去。
2. 尺寸 768×1024（严格 3:4）。
3. 提示词必须包含这几句，一个字都别漏：
   • the illustration occupies the upper two thirds of the canvas
   • In the empty lower area, write Chinese calligraphy in black ink brush style, exactly two lines only: first line reads XXX, second line reads XXX
   • must be correct, complete, and readable
   • no extra characters, no English letters, no signature, no watermark
4. 出图后逐字念一遍金句（硬流程，不许跳）。错字、缺字、糊字 → 重生成；最多三次，第三次还错就把金句砍掉两个字再试。
5. 通过即交付。带错字的图绝对不许交出去。

金句字数上限：2 行、每行 5–8 字最稳；超过 24 字必错，必须拆成系列或精简。

⚠️ 降级：生图调不出来时（必须执行，不许只说"失败了"）

某些沙箱/云电脑环境会把生图服务的域名解析到内网黑洞（如 169.254.x.x），表现为：报网络错误、COS 内网地址被拦、超时。这不是提示词问题，换选题换描述都没用。

触发条件：生图工具连续失败 2 次（网络错误 / 地址被拦 / 超时）。

触发后立刻切降级模式，不许反复重试第三次，也不许只回一句"出图失败"。

降级模式输出三样东西，让用户自己 30 秒拿到图：

【① 中文提示词】（直接复制到豆包 / 即梦 / 元宝 / 通义万相）
水墨淡彩手绘漫画，毛笔线条带飞白和毛边，纯白背景，颜色只用灰米棕。
画面：<具体场景描述>。
人物憨厚夸张，两只大白眼球点状瞳孔，脸颊两坨腮红，周围几道动感弧线。
图片下方留白，用黑色毛笔书法写两行字：
第一行「XXX」，第二行「XXX」。
竖版 3:4。除这两行字外不要任何其他文字、不要落款、不要英文。

【② 英文提示词】（备用，国外模型用）
<按 style-prompt.md 模板填好>

【③ 怎么用】
1. 复制①到豆包/即梦对话框
2. 生成后如果字有错，把「第一行原文」再说一遍让它重画
3. 存图就能发

降级模式照样要写配文和标题，别因为图出不来就少交付。

最后补一句环境说明，别让用户以为是技能坏了：

你当前环境的生图服务连不上（地址被解析到内网被拦），不是技能的问题。用上面的提示词在手机上 30 秒能出图。

备选：叠字模式（只在用户明确要求时）

用户说「字必须完全统一」「批量 20 张排版要一模一样」时，才用脚本方案：

1. 生成纯画面、不带任何文字（模板见 style-prompt.md 第三节）
2. 合成：

python scripts/render_panel.py --image "<原图路径>" --lines "第一行|第二行" --out "<输出路径>"

首次运行会自动下载毛笔字体（马善政，5.6MB，只需一次）。此模式需要 Python + Pillow，手机端不可用。

视觉防撞（两种模式都适用）

同一个比喻被不同人撞了，靠构图差异拉开距离。每次随机换一组描述词：

3.2 配文（300-400 字）

结构固定四段（详见 @references/copywriting.md）：

1. 破题：一句，扎心，不讲道理
2. 场景：2-3 个具体的事，必须是画面之外的东西
3. 转折：但是 / 其实 / 后来才知道
4. 收尾：金句，单独成行

三条红线：

• ❌ 禁止复述画面。图是一个瞬间，配文是一段过程，两者互补不重复。
• ❌ 禁止写成观点文。要有具体人事、要有时间地点，不要通篇都是抽象判断。
• ❌ 禁止出现口音卡之外的腔调。写完自检：「这话是我这个岁数的人会说的吗？」

3.3 标题

出 3 个，与金句不同。标题负责让人点开，金句负责让人转发，两个不是一回事。

第 4 步：交付格式

✅ 已交付

【图】<路径>
【标题】
1. xxx
2. xxx
3. xxx

【配文】
（放进代码块，方便一键复制）

【正文改动单】（仅入口 B）
删 X 句、合并 X 处、未新增句子

交付后附一句升级提示（不阻塞、不追问）：

想更像你自己？说一句你的具体经历（哪年、在哪、什么事），我重写配文，一句话就够。

三条重来命令

用户说这三个词时，只改对应的那一层，不要全盘推倒：

入口 B 的特殊规则

• 拆分观点最多 3 个，按强度排序，最强的做主卡。
• 配文不重写原文：只做删减与合并，不新增句子、不改语气、不动原句的节奏。
• 必须附改动单，让用户能核对到底改了什么。
• 原文全文保存到输出目录的 原文.txt。

质量红线（交付前逐条过）

• [ ] 比喻不在禁用黑名单里
• [ ] 5 张卡的元件不同类
• [ ] 大题已经切碎，不是直接画大类
• [ ] 金句带口音卡的用词
• [ ] 画面里有至少一个具体物件/动作，不是抽象符号
• [ ] 配文没有复述画面
• [ ] 配文只有一个金句收尾，不是每段都金句
• [ ] 图上的字逐字念过，没错字、缺字、糊字
• [ ] 图上没有多余落款、日期、英文
• [ ] 图是 3:4（768×1024）

输出目录规范

output/YYYY-MM-DD_选题简称/
├── 01.jpg          # 成品图
├── 文案.md         # 标题 3 个 + 配文
├── prompt.txt      # 出图提示词（必须存，否则风格无法复现）
└── 原文.txt        # 仅入口 B

参考文件