Baoyu Article Illustrator

核心用法

baoyu-article-illustrator 是一套专业的文章视觉化解决方案，采用 Type × Style × Palette 三维体系：

• Type（信息结构）：infographic（信息图）、scene（场景）、flowchart（流程图）、comparison（对比图）、framework（框架图）、timeline（时间线）
• Style（渲染风格）：notion、warm、minimal、blueprint、watercolor、elegant 等
• Palette（配色方案）：macaron、warm、neon 等，可覆盖风格默认色彩

触发条件：用户说出 "illustrate article"、"add images"、"generate images for article"、"为文章配图" 等指令时自动激活。

显著优点

1. 结构化工作流：六步标准流程（Pre-check → Analyze → Confirm → Outline → Generate → Finalize），确保输出质量可控
2. 强制确认机制：Step 3 为硬性拦截点，防止误操作批量生成
3. 可复现性设计：所有图片提示词必须先行保存为独立文件（prompts/NN-{type}-{slug}.md），便于回溯与切换后端
4. 灵活的后端适配：支持运行时原生工具（如 Codex imagegen）、第三方技能（baoyu-imagine）及用户自选
5. 完善的配置体系：通过 EXTEND.md 实现项目级、用户级偏好持久化
6. 参考图支持：允许用户传入参考图指导风格、配色或构图

潜在局限

1. 依赖外部配置：首次使用需完成 first-time-setup，否则 Step 1.5 阻塞
2. 后端可用性不确定：若未安装任何图像生成后端，流程将中断并询问用户
3. 中文支持有限：Style/Palette 标签为英文，虽支持 language: zh 配置，但风格术语未本地化
4. 复杂度门槛：三维参数组合对新手有一定学习成本，需阅读多份参考文档
5. 批量生成策略：仅在后端提供 batch 接口时优化，否则顺序执行效率受限

适合人群

• 技术博客作者、内容创作者、教育类文档撰写者
• 需要为长文自动生成结构化插图的设计师
• 追求视觉一致性、愿意投入配置时间的专业用户

常规风险

• 版权与合规：生成内容受后端模型训练数据影响，需用户自行审查
• 配置覆盖风险：EXTEND.md 优先级规则可能导致意外配置生效
• 文件路径冲突：slug 冲突时自动追加时间戳，可能打乱预期文件组织

核心用法

baoyu-article-illustrator 是一款专为文章配图设计的结构化 AI 工具，采用「类型 × 风格 × 配色」三维生成体系。用户只需提供文章路径或粘贴内容，系统即自动分析文本结构，识别需要视觉辅助的关键位置，生成包括信息图、场景图、流程图、对比图、框架图、时间轴在内的多类型插图。整个流程遵循严格的工作流：预检查（加载用户偏好配置）→ 内容分析（识别核心论点与配图位置）→ 设置确认（通过 AskUserQuestion 交互确认类型、密度、风格、配色、语言等参数）→ 生成配图大纲 → 创建结构化提示词文件 → 调用图像生成后端 → 自动插入文章。支持 18+ 预设风格（notion、warm、minimal、watercolor 等）和多种配色方案（macaron、neon 等），并可加载用户参考图指导风格迁移。

显著优点

极致安全架构：100% 纯 Markdown 文档构成，无任何可执行代码，从根本上杜绝代码注入与恶意执行风险。零依赖攻击面：无 package.json、requirements.txt 等依赖文件，完全规避供应链攻击。功能透明可控：所有操作需用户确认（可通过"直接生成"等指令跳过），配置存储于本地 EXTEND.md，隐私数据零外泄。专业配图体系：独创 Type×Style×Palette 三维模型，支持 infographic、scene、flowchart 等 6 大类型与 18+ 风格组合，满足技术文档、叙事文章、教学材料等多场景需求。工程化输出：自动生成 outline.md、结构化 prompt 文件，支持批量生成与子代理调度，输出路径可配置（同目录/子目录/独立目录），完整保留可复现记录。灵活后端适配：优先使用 Agent 运行时原生图像工具（Codex imagegen、Hermes image_generate 等），支持多后端自动选择或用户指定。

潜在缺点与局限性

配置门槛：首次使用需运行 first-time-setup 完成偏好配置（输出目录、默认风格、图像后端等），对新手有一定学习成本。后端依赖性：本身不内置图像生成能力，必须依赖外部工具（Codex imagegen、baoyu-imagine 等），若环境中无可用的图像后端则无法完成生成任务。中文生态适配：虽然支持中文界面与中文文章分析，但风格预设、配色命名等仍以英文为主，本地化程度有限。批量性能瓶颈：当文章需要 6+ 张插图时，若后端无批量接口则需顺序生成，耗时较长；子代理策略虽灵活但增加了调度复杂度。风格一致性依赖 LLM：复杂长文的跨图风格一致性高度依赖底层大模型的理解能力，极端情况下可能出现风格漂移。无实时预览：必须完成全部生成流程后才能看到最终效果，不支持中途预览调整。

适合的目标群体

内容创作者与自媒体运营者：需要为公众号、博客、 newsletter 快速生成风格统一的配图，提升阅读体验。技术写作者与文档工程师：撰写技术教程、API 文档、架构说明时，需要自动生成流程图、框架图、信息图等专业插图。教育工作者与培训师：制作课件、教学材料、在线课程时，需要将抽象概念可视化。产品经理与运营人员：输出产品说明书、竞品分析、运营报告时，需要配套的数据可视化与对比图表。AI 工作流构建者：希望将配图能力集成到自动化内容生产 pipeline 中的高级用户。

使用风险说明

运行时工具依赖风险：图像生成功能完全依赖 Agent 运行时暴露的原生工具，若运行环境变更或工具升级，可能导致功能异常。T3 来源可信度：由个人开发者 JimLiu 维护（非知名公司/基金会），建议关注仓库更新、在关键场景充分测试，并审查 references/ 目录下的提示词模板。生成内容合规性：虽工具本身安全，但生成的图像内容受底层大模型内容政策约束，用户需自行审核输出结果。配置覆盖风险：EXTEND.md 的加载遵循特定优先级（项目级 > XDG 级 > 用户级），多项目场景下可能出现配置覆盖混乱，建议明确项目级配置。参考图版权风险：使用 --ref 传入参考图时，需确保拥有合法使用权，避免风格迁移引发的潜在版权争议。