核心用法
baoyu-cover-image 是一款专为内容创作者设计的封面图生成技能，通过五维定制体系（Type/Palette/Rendering/Text/Mood）实现专业化视觉输出。用户可通过自然语言指令（如"生成封面图""创建文章封面"）触发工作流，系统将自动引导完成从内容分析到最终输出的全流程。
标准工作流包含六个阶段：
- Step 0 偏好配置：自动检测并加载 EXTEND.md 配置文件，首次使用需完成初始化设置
- Step 1 内容分析：解析文章主题、提取关键词、识别视觉隐喻，支持参考图上传与深度风格提取
- Step 2 选项确认：通过交互式工具确认六大维度（类型/配色/渲染/文字/情绪/字体）与画幅比例
- Step 3 提示词构建：基于模板生成结构化提示词文件，自动处理参考图引用
- Step 4 图像生成：智能调度可用后端（Codex imagegen / baoyu-image-gen / codex-imagegen CLI 等）
- Step 5 完成报告：输出包含完整元数据的生成摘要
关键特性包括 6 种封面类型（hero/conceptual/typography 等）、11 种配色方案（warm/elegant/dark/macaron 等）、7 种渲染风格（flat-vector/hand-drawn/pixel 等），以及 3 种画幅比例（2.35:1 电影宽屏、16:9 标准宽屏、1:1 方形）。
显著优点
专业化设计体系：五维参数空间覆盖视觉设计的核心决策点，而非简单的"生成一张图"，使输出具备可解释的设计逻辑。
高度可复现性：强制要求将完整提示词写入独立 Markdown 文件（prompts/NN-cover-[slug].md），配合版本控制可实现设计资产的精确回溯与迭代管理。
智能后端调度：内置多层级后端选择策略，优先使用运行时原生工具（Codex imagegen），支持通过 preferred_image_backend 锁定偏好，在无可用后端时优雅降级至用户确认。
严格的确认策略：默认强制确认生成参数，防止误触消耗 API 额度；同时支持 --quick 模式与 quick_mode: true 配置满足高频批量需求。
参考图深度处理：针对含有人物的参考图，智能选择直接传递（--ref）或风格提取策略，适配不同模型的能力边界。
潜在缺点与局限性
配置门槛较高：首次使用强制要求完成 EXTEND.md 配置，涉及多路径优先级搜索（项目级/XDG/用户级），对非技术用户存在认知负担。
运行时依赖外部：Skill 本身无图像生成能力，必须依赖 Codex、Claude Code + Codex CLI 或其他外部后端，环境配置复杂度随部署场景显著变化。
T3 来源可信度：维护者为个人开发者 JimLiu，虽采用 MIT-0 开源许可，但长期维护稳定性、安全漏洞响应速度均不及 T1/T2 级别来源。
生成不可控因素：AI 图像生成固有的随机性、文字渲染质量不稳定、特定风格下人物形象一致性等问题，文档虽已明确禁止"绘制覆盖修复"策略，但仍需用户接受迭代生成成本。
中文生态适配：默认字体选项（clean/handwritten/serif/display）以英文场景为基准，中文标题的字体适配效果依赖底层模型理解，可控性较弱。
适合的目标群体
内容创作者与自媒体运营：需要为博客、Newsletter、公众号文章批量生成风格统一封面图的独立创作者。
技术写作者与开发者：撰写技术文档、开源项目 README、教程系列时，希望快速获得专业化视觉资产的技术人群。
小型内容团队：缺乏专职设计师，需要通过标准化流程实现设计资产复用与品牌视觉一致性的小团队。
AI 工作流集成者：希望将封面生成嵌入自动化发布流程（如从 Markdown frontmatter 自动提取元数据生成封面）的高级用户。
使用风险
性能与超时风险：Codex CLI 后端默认 5 分钟超时，复杂提示词或慢速网络环境下可能触发失败，需手动调整 --timeout 参数。
数据残留风险：运行时可能在本地缓存提示词、参考图及生成配置，涉及敏感内容时需定期清理 ~/.cache/baoyu-codex-imagegen 等目录。
模型拒绝机制弱化风险：精心设计的提示词可能绕过图像生成模型的安全过滤，需避免使用真实人物肖像、版权角色或敏感主题。
后端可用性风险：Codex imagegen 为闭源服务，策略变更或额度限制可能导致工作流中断；多后端并存时需关注各服务的隐私条款差异。
版本兼容性风险：Skill 版本 1.117.4 持续迭代，参考文档路径（references/ 目录结构）可能随版本调整，自动化脚本需做好异常处理。