Baoyu Xhs Images

核心用法

baoyu-xhs-images 是专为小红书、微信图文等中文社交媒体场景设计的图片卡片生成技能。它将复杂内容拆解为1-10张视觉统一的卡通风格图片卡片，支持12种视觉风格（cute、fresh、warm、bold、minimal、retro、pop、notion、chalkboard、study-notes、screen-print、sketch-notes）、8种信息布局（sparse、balanced、dense、list、comparison、flow、mindmap、quadrant）及3种配色方案（macaron、warm、neon），用户可通过 --preset 快速调用27+场景化预设组合。

典型工作流包含四步：Step 0 加载用户偏好配置（EXTEND.md）；Step 1 深度内容分析并输出 analysis.md；Step 2 智能确认（支持Path A快速生成、Path B自定义调整、Path C详细模式三选一）；Step 3 图片批量生成，采用"image-1锚定链"确保视觉一致性；Step 4 完成报告。技能内置自动风格匹配算法，能根据关键词（如"美妆"→cute、"教程"→chalkboard）推荐最优组合。

显著优点

• 场景深度定制：针对小红书"种草"、微信"小绿书"等中文社媒生态优化，预设27+场景模板覆盖知识科普、生活分享、产品测评等高频需求
• 视觉一致性保障：强制首图锚定机制，后续图片均以首图为参考生成，有效避免多图序列中的角色/色彩漂移
• 工程化流程：完整的文件布局规范（prompts/、refs/、备份规则）、可复现的prompt文件管理、批量生成与失败重试机制
• 多后端兼容：优先支持Codex原生imagegen，同时兼容baoyu-image-gen等第三方后端，自动探测可用工具
• 非侵入式水印：支持EXTEND.md配置个性化水印，自动嵌入生成提示

潜在局限

• 依赖外部图像后端：本身不内置图像生成能力，需预装imagegen或baoyu-image-gen等后端，零配置环境可能中断
• 批量并发受限：默认batch size为4，大规模序列（10张）需多轮生成，时间成本较高
• 文本渲染不可控：明确禁止生成后通过代码覆盖修改文字，若AI绘图出现错别字需整图重绘
• 风格×布局存在禁忌：如study-notes风格避免sparse布局、screen-print避免dense布局，非最优组合需用户手动规避
• 中文内容适配：Auto-Selection关键词库以中文场景为主，纯英文内容可能匹配失准

适合人群

• 内容创作者：小红书博主、公众号运营者，需快速产出高质量图文笔记
• 知识付费从业者：课程讲师、咨询顾问，制作知识卡片、教程图解
• 电商运营：产品测评、对比导购类内容的视觉化呈现
• 品牌市场：社媒营销物料的标准化、规模化生产

常规风险

• 版权与肖像：生成公众人物需使用风格化卡通替代，避免侵权
• 平台合规：小红书/微信对营销内容有审核规则，过度"种草"表述可能触发限流
• 后端稳定性：图像生成服务存在队列拥塞、API限流风险，建议关键项目预留重试时间
• 数据持久化：依赖本地文件系统存储prompts和refs，多设备协作需自行同步

核心用法

baoyu-xhs-images 是一款专为社交媒体内容创作者设计的图文卡片生成工具。用户只需提供原始内容（文章、笔记、产品描述等），该 Skill 即可通过四步工作流自动生成适配小红书、微信图文等平台的视觉卡片系列：

1. 内容分析：自动识别内容类型、受众画像与视觉机会点，推荐最佳策略（故事驱动/信息密集/视觉优先）
2. 智能确认：基于内容信号自动匹配风格×布局组合，支持快速确认、自定义调整或详细模式三种路径
3. 批量生成：采用「封面锚定」技术确保系列视觉一致性，支持并行批量渲染
4. 完成报告：输出结构化文件包，包含分析文档、大纲与成品图片

核心交互方式为 CLI 风格参数：--style cute --layout balanced --palette macaron --preset knowledge-card，同时支持自然语言触发词如"小红书图片""微信图文"等。

显著优点

设计系统成熟：内置 12×8 风格布局矩阵，覆盖从少女风、极简商务到手绘教育等全场景，每种组合配有兼容性评分（✓✓高度推荐/✓可用/✗避免）。

内容智能拆解：独创三种大纲策略——故事驱动（适合测评分享）、信息密集（适合教程干货）、视觉优先（适合生活方式），自动将长内容适配为2-10张卡片的信息架构。

视觉一致性保障：通过「image-1 anchor chain」机制，先生成封面作为风格锚点，后续卡片均以之为参考，有效解决多图生成中的角色/色彩漂移问题。

工程化流程：完整的文件管理规范（自动备份、版本控制）、批生成策略（支持原生批量接口或并行工具调用）、以及可复现的提示词文件体系。

潜在局限

依赖外部图像后端：本身不内置图像生成能力，需依赖 Codex imagegen、baoyu-image-gen 等后端，不同后端的能力差异（如是否支持参考图、会话ID）会影响最终效果。

中文场景优化：触发词与预设场景明显偏向中文社交媒体生态（小红书、微信），英文内容需手动调整风格参数。

文本渲染限制：明确禁止对已生成图片进行文字修补（overlay/OCR），若出现文字错误需整体重绘，对精确文案场景有一定成本。

学习曲线：EXTEND.md 配置体系、风格×布局矩阵、批量策略等概念对轻度用户存在认知负担。

适合群体

• 自媒体创作者：需要批量生产小红书种草图、微信知识卡片的博主
• 知识付费从业者：将课程讲义、读书笔记转化为视觉化内容
• 品牌运营人员：快速生成产品测评、对比评测的系列图文
• 教育工作者：制作教程步骤图、概念图解、课堂笔记卡片

使用风险

性能风险：批量生成时若后端不支持并行，顺序渲染10张图可能耗时较长；建议通过 generation_batch_size 控制并发数。

依赖可用性：若所有配置的图像后端均不可用，流程将中断并需用户介入选择，建议首次使用前确认后端状态。

风格匹配偏差：自动选择基于关键词匹配，复杂内容可能推荐非最优组合，关键项目建议采用 Path C 详细模式人工校验。

文件管理开销：严格执行备份规则会在频繁迭代时产生较多历史文件，需定期清理或配置自动化归档。