社交轮播图设计 Social Carousel

核心用法

该 Skill 提供了一套完整的社交媒体轮播图（Social Carousel）设计工作流，核心方法论为"decide intent first, then execute"（先确定意图，再执行生成）。其执行框架采用"单次确认 + 封面先行"的两阶段流程：

Phase 1：方向确认 + 全幻灯片规划

• 建立视觉参考（优先使用用户提供素材，否则通过搜索获取）
• 输出确认表格，包含平台、幻灯片数量、每张幻灯片的角色/标题/副标题、参考图列表及技术细节
• 必须获得用户明确确认（如"ok / go / continue"）后方可进入 Phase 2

Phase 2：封面先行生成（5 步执行）
1. 分析参考图：提取设计结构（色彩策略、字体层级、背景材质、元素融合方式、空间构图、纹理质量），输出 3-6 种结构模式
2. 内容映射：将各幻灯片内容映射至提取的结构模式，保持质量层级，避免内容污染
3. 生成封面（Slide 1）：使用 REFERENCE_TO_IMAGE 任务类型，默认分辨率 1K，生成后展示并等待用户确认
4. 分析已确认封面：识别视觉锚点（需保留：调色板、字体风格、用户资产）与灵活元素（可变化：布局构图、背景图像、装饰元素），实现"同一家族，不同个性"
5. 批量生成剩余幻灯片（2-N）：以封面 URL 作为新的风格参考，不再传递原始风格参考，使用 REFERENCE_TO_IMAGE 保持一致性

平台规格支持

| 平台 | 宽高比 | 安全区域（上/下） |

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

| TikTok | 9:16 | 15% / 25% |

| Instagram Feed | 4:5 | 10% / 10% |

| Instagram Story | 9:16 | 15% / 25% |

| 小红书 | 3:4 | 8% / 20% |

| LinkedIn | 1:1 | 5% / 5% |

显著优点

1. 结构化工作流：将模糊的"做一套图"需求转化为可执行、可追踪的任务计划，降低沟通成本
2. 视觉一致性保障：封面先行策略确保整套轮播图风格统一，避免传统批量生成中的风格漂移
3. 参考图智能复用：通过结构提取而非风格模仿，将参考图的设计语言迁移至新内容，避免"换字模板"效果
4. 平台原生适配：内置主流社交媒体平台的规格参数，减少手动计算安全区域的繁琐
5. 分步交互设计：强制分步执行、每步等待确认，符合创意设计领域的迭代习惯

潜在缺点与局限性

1. 依赖外部 CLI 工具：必须安装 @dlazy/cli@1.0.9，且需要有效 API Key，存在供应商锁定风险
2. 云端 SaaS 模式：所有生成请求发送至 dLazy 服务器，存在数据隐私顾虑，不适合处理敏感内容
3. 版本固定限制：Skill 锁定 CLI 版本 1.0.9，可能错过后续安全更新或功能改进
4. Windows PowerShell 兼容：明确禁止 & 和 && 命令串联，在 Windows 环境下需特别注意命令执行方式
5. 默认分辨率保守：1K 分辨率在现代高 DPI 设备上可能略显不足，需用户主动要求提升
6. 中文生态局限：dLazy 作为国内服务商，其模型对中文内容的理解和支持程度需实际验证

适合人群

• 社交媒体运营者：需要批量产出风格一致的 Instagram/TikTok/小红书内容
• 独立设计师：希望将重复性视觉执行工作流化，聚焦创意决策
• 品牌市场团队：需要维护多平台视觉规范，确保输出符合品牌指南
• AI 辅助设计初学者：通过结构化提示词学习如何与图像生成模型有效沟通

常规风险

• API 成本累积：按调用计费模式下，多次迭代可能产生意外费用，建议设置预算提醒
• 生成结果不可控：AI 图像生成的随机性可能导致封面确认后，后续幻灯片仍出现风格偏差
• 版权灰色地带：参考图搜索功能可能抓取受版权保护的内容，商业用途需谨慎
• 服务可用性：依赖 dLazy 服务器稳定性，关键项目应准备备选方案
• 配置泄露风险：API Key 存储于本地 JSON 文件，需确保文件权限设置正确，避免共享设备上的密钥泄露

核心用法

image-social-carousel 是一款专为社交媒体轮播图设计的结构化工作流技能，采用「先定方向、后执行」的封面优先（Cover-First）两阶段流程。其核心理念在于：先与用户确认完整的设计方向与分镜规划，再进入生成阶段，避免反复返工。

Phase 1：方向确认 + 全部分镜规划

• 建立视觉参考：直接使用用户提供的风格参考图，或通过 search_image 搜索合适参考
• 输出确认表格：包含平台规格、幻灯片数量、每张幻灯片的标题/副标题、参考图列表、技术细节（目标受众、叙事节奏等）
• 等待用户单次确认（必须明确回复「ok/go/continue」才能进入下一阶段）

Phase 2：封面优先生成（5步流程）
1. 结构分析：使用 analyse_image 提取参考图的色彩策略、字体层级、背景材质、元素融合方式、空间构图等 3-6 个结构模式
2. 内容映射：将每张幻灯片的内容映射到上述结构，保持技法一致性，完全替换参考图的具体内容
3. 封面生成：仅生成第一张图，使用 REFERENCE_TO_IMAGE 任务类型，提示词必须包含构图技法、融合方式、空间构图，默认分辨率为平台比例 + 1K
4. 封面确认：展示封面后询问用户「这张封面看起来对吗？我将生成其余部分来匹配此风格」，获批后方可继续
5. 批量生成：以已确认封面为唯一风格参考，使用 REFERENCE_TO_IMAGE 生成剩余幻灯片，保持「同一家族、不同个性」

显著优点

结构化工作流程：封面优先策略大幅降低返工率，避免「生成全套后发现风格不符」的沉没成本。单次确认机制确保用户与设计方向对齐。

视觉一致性保障：通过结构化解构（色彩、字体、材质、空间、融合技法）而非简单模板套用，实现「同一家族、不同个性」的设计输出，避免千篇一律的换字模板感。

平台原生适配：内置 TikTok、Instagram Feed/Story、小红书、LinkedIn 等主流平台的画幅比例与安全区域规范，输出即合规。

灵活的执行方式：支持全局安装或 npx 按需运行，CLI 版本固定锁定（1.0.9），避免版本漂移带来的不确定性。

潜在缺点与局限性

外部服务强依赖：核心生成功能完全依赖 dLazy.com 的商业 API，服务可用性、定价策略、模型迭代均不受用户控制。若 dLazy 服务中断或调整，技能将无法工作。

API 成本累积：每次生成均消耗 dLazy API 额度，多轮迭代（封面调整、风格重选）可能带来较高使用成本。

T3 来源可信度：维护者 dlazyai 为个人/社区项目，虽源码开源可查，但长期维护承诺、安全响应速度相较于企业级服务存在不确定性。

分辨率天花板：默认仅 1K 输出，需用户主动要求才能提升，对于需要印刷级精度的场景可能不足。

隐私数据出境：设计参数、参考图片、用户资产均需上传至 dLazy 服务器（files.dlazy.com），敏感内容存在合规风险。

适合的目标群体

• 社交媒体运营者：需要批量产出风格统一的 Instagram、小红书、TikTok 内容
• 品牌内容团队：需要维护视觉识别系统（VIS）一致性的多图叙事
• 设计师提效场景：快速产出草案、风格探索、客户确认前的方向对齐
• 小型创业团队：无专职设计师，需通过结构化流程自助产出专业级视觉内容

常规使用风险

性能与稳定性：API 调用受网络延迟、服务端负载影响，高峰期可能出现超时或排队。建议预留充足时间，避免 deadline 前密集调用。

依赖项管理：CLI 依赖 Node.js/npm 环境，Windows PowerShell 用户需特别注意：禁止使用 & 或 && 串联命令，必须单独同步执行。

API Key 安全：默认存储于 ~/.dlazy/config.json，建议使用 DLAZY_API_KEY 环境变量方式传入，定期轮换并在不再需要时吊销。

上传内容审查：本地媒体文件自动上传至 dLazy 服务器，务必避免上传含敏感个人信息、商业机密或版权受限的内容。

版本锁定：技能固定于 CLI 1.0.9 版本，但 npm 包可能发布更新，建议通过 npx @dlazy/cli@1.0.9 明确指定版本运行。