下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-0lub9joc--text-to-image1.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @org-0lub9joc/text-to-image1。【罗斯蒙德·出品】资讯文转图。一篇资讯、活动介绍或宣传文案，配图从挑风格到过合规一次做完——先判定内容类型（会议论坛、活动推广、产品发布、招聘、公益志愿、节日节气、政策解读、培训学习、企业文化、产业科技等），抽取画面主体、场景、道具与情绪基调，按活动标识确定性锁定一套风格与配色，保证同一活动下多张图风格统一；产出 3-5 张构图互不重复的候选分镜，每张带中英双语提示词与负向提示词并附原文溯源依据。
进入生成前逐条扫描侵权风险：命中品牌商标、受版权保护的卡通影视形象、在世艺术家个人风格、真实人物姓名与肖像、敏感内容即中止并给出替换建议，原文提到的品牌与 IP 单列为画面必须回避清单。生成后自动登记溯源台账并渲染成配图图册，供运营挑图、法务抽查。触发词：资讯配图、文生图、AI 配图、活动配图、文章配图、生成图片、AI 画图、封面图、无侵权配图、商用配图、配图方案、提示词生成、配图风格统一。
阅读全文 （展开查看完整说明）
概述
把资讯和活动文案变成风格统一、构图各异、风险可查的一套配图。
一、适用场景
| 场景 | 输入 | 典型话术 |
|---|---|---|
| 资讯配图 | 公众号/官网推文 | 「这篇推文帮我配几张图」 |
| 活动物料 | 活动方案、报名文案 | 「这个活动出几张主视觉」 |
| 节日海报 | 节日与主题说明 | 「中秋活动配图，风格统一一点」 |
| 政策解读 | 通知、办法、解读稿 | 「这篇政策解读找张配图，别侵权」 |
| 电商/宣传 | 产品与卖点描述 | 「新品宣传图，不要出现别家品牌」 |
二、痛点与解法
| 业务痛点 | 本技能的解法 |
|---|---|
| 大量文字资讯和活动介绍没有对应图片 | 一篇原文直接产出 3-5 张候选分镜，文案到配图不再靠人找 |
| 图片适配性不足、没专人处理 | 按内容类型自动匹配画面要素与构图模板；风格按活动锁定，多图拼在一起像一套物料 |
| 图片质量要求高、很难找到合适的图 | 结构化提示词（风格+主体+场景+道具+情绪+构图+配色+光线+负向）显著提升出图稳定性；不是"搜图碰运气" |
| 配图有侵权风险且没人把关 | 生成前逐条扫描品牌/IP/艺术家/真人肖像等阻断词；原文提及的品牌单列「画面必须回避」清单 |
| 出了事说不清来源 | 溯源台账记录原文依据、完整提示词、生成参数、扫描结论与许可声明，可随时抽查举证 |
三、工作流程
资讯原文（txt/md）
↓ analyze_article.py
shotlist.json（3-5 张候选分镜）+ 提示词清单.md
↓ check_shots.py ← 侵权扫描、候选数、构图多样性、提示词质量
核验报告.md
↓ 图像生成（平台内置能力，本技能脚本不联网）
↓ register_manifest.py
manifest.json（溯源台账）
↓ render_catalog.py
图册.md（运营挑图 / 法务抽查）第 1 步 · 分析原文
python scripts/analyze_article.py
--input 资讯原文.txt
--output shotlist.json --prompts 提示词清单.md
--activity-id "活动标识" --count 4自动完成：内容类型判定 → 画面要素抽取 → 风格锁定（同 activity-id 结果稳定可复现）→ 按构图模板铺设多候选 → 拼装中英双语提示词与负向提示词 → 扫描原文风险并生成「画面必须回避」清单。
加 --no-generate 只产出提示词方案，不进入生成环节——适合"先评审提示词再决定生成哪张"。
第 2 步 · 校验（生成前必过）
python scripts/check_shots.py --shots shotlist.json --report 核验报告.md命中侵权阻断词即退出码 1，按提示替换后重跑。不要跳过这一步直接生成。
第 3 步 · 生成图片用平台的图像生成能力，按分镜顺序逐张生成；prompt_en 用于通用模型，negative_prompt 一并传入。建议串行生成并在每张完成后立即改名（含分镜号，如 S-01.jpg），避免同名覆盖。
第 4 步 · 登记台账与出图册
python scripts/register_manifest.py --shots shotlist.json
--image-dir 图片目录 --image-base . --output manifest.json
python scripts/render_catalog.py --manifest manifest.json --output 图册.md四、输出规范
| 产物 | 关键要求 |
|---|---|
| 分镜清单 | 3-5 张；至少 1 张主视觉；至少 3 种不同构图（只换措辞不算候选） |
| 中文提示词 | ≥30 字，含风格+主体+场景+道具+情绪+构图+配色+光线+安全后缀 |
| 英文提示词 | ≥40 字符且纯英文（中英混排会明显拖垮出图质量） |
| 负向提示词 | 不得为空，统一压制文字、水印、品牌标识、可识别真人面孔、畸形 |
| 溯源依据 | 每张必须写明对应的原文片段，否则视为不可追溯 |
| 风格锁定 | 同 activity-id 多图共用一套风格与配色，并记录锁定原因 |
| 台账 | 含原文来源、活动标识、完整提示词、生成时间、风险扫描结论、许可声明 |
五、校验器拦什么（44 项断言）
| 类别 | 断言 |
|---|---|
| 源头 | 原文内容类型识别、时间地点抽取、风格锁定可复现 |
| 生产 | 候选 3-5 张、≥3 种构图、含主视觉、提示词长度与语言、负向提示词、溯源依据 |
| 侵权 | 品牌商标、IP 形象、艺术家个人风格、真实人物姓名肖像、敏感内容 —— 全部阻断 |
| 溯源 | 台账生成、许可声明、风险结论、图片匹配 |
| 误报回归 | 负向提示词里的 no logo 不误报；environmental context 不被当成图内文字；正常中文描述不误报 |
最后一行是这套检查器能不能用的关键：安全护栏不能把自己拦死。这两条误报（负向词自命中、英文子串误匹配）都是调试中真实踩到并修掉的。
六、验收标准对照
| 你的验收标准 | 判据 | 示例实测 |
|---|---|---|
| 根据资讯与活动内容生成匹配图片 | 内容类型识别 + 画面要素抽取 + 每张溯源原文片段 | 会议类资讯 → 演讲台/会场/大屏，4 张候选 |
| 无侵权风险 | 生成前阻断词扫描 + 原文回避清单 + 台账留痕 | 提示词阻断词 0；5 类风险原文全部识别 |
| 具备期望输出能力 | 真实出图 + 多候选 + 风格统一 + 台账图册 | 生成 3 张，风格统一，台账与图册齐备 |
七、知识库（改规则不改代码）
| 文件 | 作用 |
|---|---|
references/risk_lexicon.json | 侵权风险词库（8 类，block/warn 分级 + 替换建议 + 负向提示词模板） |
references/style_library.json | 7 种风格（中文提示词、英文提示词、配色、光线、适用/不适用场景） |
references/scene_elements.json | 10 类内容类型的中英双语画面要素与情绪-配色映射 |
references/composition_templates.json | 6 种构图模板与候选计划（默认 4 张，3-5 可选） |
references/shot_schema.json | 分镜字段定义、质量门槛、溯源与许可声明口径 |
templates/shot_list_template.json | 分镜清单精修模板 |
examples/ | 完整示例（原文 / 分镜 / 提示词 / 核验报告 / 3 张实拍示例图 / 台账 / 图册） |
八、使用纪律
- 先扫后画：提示词未通过风险扫描不得进入生成环节。生成后发现问题，代价远高于改提示词。
- 不写具体品牌、IP、名人、艺术家名：一律泛化描述（"运动鞋"而不是某品牌鞋；"手绘水彩自然风景"而不是某位画家）。
- 原文提到品牌不代表画面要出现：原文的品牌/IP 会被列成「画面必须回避」清单，生成后逐项肉眼核对。
- 台账不许省：它是无侵权举证的唯一依据；没登记台账的图不建议对外发布。
- 本技能不提供法律意见：词面规避能显著降低风险，但不等于法律意义上的"无侵权"。重要商用前请法务按最终用途复核。
九、已知限制
- 生成器自带水印：本平台生成的图片右下角带"AI 生成"标识，负向提示词无法去除；发布前请确认渠道是否接受（示例图中可见）。
- 模型可能自行添加文字：即使负向提示词写了
no text，仍可能出现讲台名牌、屏幕伪文字等（示例的 S-01 就出现了）。发布前必须肉眼核对，这也正是把「图内文字」列为需确认项的原因。 - 风险词库是黑名单，无法穷举：能拦住已收录的品牌/IP/名人，但对新出现的商标、小众 IP、外文艺人覆盖有限；需持续补充词库。
- 风格一致性受生成模型影响：同
activity-id在本技能侧是确定性锁定的（提示词、配色、光线完全一致），但不同模型或同一模型不同版本的实际出图观感仍可能有差异。 - 要素抽取是规则匹配：内容类型与画面要素基于关键词词典，表述极不常规的文案可能回落到"通用资讯"，需人工用
--style/ 精修分镜补足。 - 不支持图内文字排版：生成模型渲染文字不可靠，标题字建议留白后由设计工具叠加。
- 示例图为虚构资讯：
examples/中的资讯与配图均为演示用途的虚构内容。
十、快速开始
# 1. 原文 → 分镜与提示词
python scripts/analyze_article.py --input 资讯.txt --output shotlist.json
--prompts 提示词清单.md --activity-id "秋季新品活动" --count 4
# 2. 生成前校验（必过）
python scripts/check_shots.py --shots shotlist.json --report 核验报告.md
# 3. 用平台图像生成能力出图后，登记台账并出图册
python scripts/register_manifest.py --shots shotlist.json --image-dir images --output manifest.json
python scripts/render_catalog.py --manifest manifest.json --output 图册.md
# 4. 一键验证本技能自身
python test/run_all.py
