Baoyu Article Illustrator

核心功能

baoyu-article-illustrator 是一款专为长文配图设计的结构化工具，通过「Type × Style」双维度方法论实现插图生成的系统化管理。

Type（信息结构维度）：提供6种核心类型——infographic（数据指标）、scene（叙事情感）、flowchart（流程工作流）、comparison（对比分析）、framework（模型架构）、timeline（历史演变），精准匹配不同内容场景的视觉化需求。

Style（视觉美学维度）：支持notion、warm、minimal、blueprint、watercolor、elegant等多种风格，并可通过--preset快速调用预设组合（如tech-explainer）。

显著优点

1. 结构化工作流：六步闭环流程（预检查→内容分析→参数确认→大纲生成→图像生成→最终整合），强制要求保存提示词文件后再生成，确保可复现性
2. 配置优先设计：通过EXTEND.md实现项目级/用户级偏好持久化，避免重复配置
3. 智能位置识别：自动分析文章核心论点，识别高价值插图点位，并强制要求将隐喻转化为概念可视化而非字面图像
4. 批量生成优化：多图任务优先使用baoyu-imagine批处理模式，提升效率

局限性与风险

• 依赖外部配置：首次使用必须通过first-time-setup完成EXTEND.md配置，否则阻断执行
• 预设覆盖限制：选择preset后跳过风格选择，灵活性降低
• 路径耦合度高：输出目录策略与EXTEND.md强绑定，多项目协作时需注意隔离

适合人群

技术博客作者、教程创作者、产品文档维护者、需要为长文批量生成统一风格配图的内容运营团队。

常规风险

• 提示词泄露：要求保存prompt文件可能暴露敏感内容路径
• 风格一致性：跨session生成时若未严格遵循EXTEND.md配置，可能出现风格漂移
• 批处理单点故障：批量模式下单图失败可能影响整体交付

核心功能与用法

baoyu-article-illustrator 是一款专为文章配图设计的智能 Skill，采用 Type × Style 双维度体系精准生成插图。

核心用法：
1. 内容分析：自动识别文章类型（技术/教程/叙事）与核心论点
2. 类型选择：infographic（数据）、scene（场景）、flowchart（流程）、comparison（对比）、framework（架构）、timeline（时间线）
3. 风格匹配：notion、warm、minimal、blueprint、watercolor、elegant 等视觉风格
4. 批量生成：支持 baoyu-imagine 批量模式，自动插入 Markdown 引用

工作流程：预检配置 → 内容分析 → 确认设置 → 生成大纲 → 批量出图 → 自动插入

---

显著优点

| 优势 | 说明 |

|------|------|

| **结构化思维** | 将「配图需求」转化为可量化的 Type/Style/Density 参数，避免主观模糊 |

| **工程化流程** | 6 步标准 SOP，从 EXTEND.md 配置到最终插入，可复现、可审计 |

| **隐喻可视化** | 关键原则：将抽象隐喻转化为概念图，而非字面图像，提升内容深度 |

| **批量效率** | 优先使用 `baoyu-imagine` 批量模式，避免子代理开销 |

| **零依赖安全** | 无第三方依赖，纯 Markdown+TypeScript 构建脚本 |

---

局限性与风险

局限性：

• 需预先配置 EXTEND.md，首次使用有学习成本
• 风格预设覆盖有限，高度定制需手动调参
• 依赖 baoyu-imagine 等外部图像生成能力，本身不直接生成像素

常规风险：

• 图片路径管理：输出目录策略（imgs-subdir/same-dir/independent）配置错误会导致引用失效
• 命名冲突：slug 重复时自动追加时间戳，可能破坏文档版本控制
• 语言错配：文章语言与 EXTEND.md 设置不一致时需手动覆盖

---

适合人群

• 技术写作者：需要为 API 文档、架构说明、教程步骤配图
• 内容运营：追求视觉一致性，需批量生成系列文章插图
• 知识管理用户：Notion/Obsidian 用户，偏好 notion/minimal 风格
• 安全敏感场景：S+ 级认证，适合企业内网、隐私合规要求高的环境

---

安全与合规

• S+ 级安全认证：六维检测满分，零威胁发现
• 纯文档架构：94.6% Markdown，无危险函数、无数据外泄
• 隐私合规：GDPR/CCPA 全通过，无用户数据收集