昨天早上我想給 Claude 的一篇文章配幾張 3:4 的社交媒體圖。
手邊有自己做的社交媒體 Skills，就順手讓 Codex 調了 GPT-Image 2.0。
出來的效果超出預期。
乾淨白底，剋制的 3D 材質，中文標籤直接印在圖裏，遠看像雜誌內頁，近看細節都讀得清。
發到羣裏和社交媒體後好幾個人來問怎麼做的，我自己也覺得滿意。
既然效果已經驗證了，不如做成正式的 Skill 分享出來。
於是就有了
guizang-material-illustration
（
github.com/op7418/guizang-material-illustration
）
不過期間還是做了很多工作，從一段"能跑"的提示詞到一個別人拿過去也能穩定出好圖的 Skill，中間差的東西還是挺多的。
它解決什麼問題
寫文章、做週報、發社交媒體、準備 PPT，都綁不開一個配圖的問題。
不是缺封面，封面用模板就能搞定。
難的是那種需要把一個概念、一套流程、一組數據講清楚的配圖。
要麼是密密麻麻的截圖直接貼上去，要麼是 AI 畫了一張很漂亮但誰也看不懂在說什麼的插畫。
把你的文章、筆記、數據或產品說明，變成一張帶中文標籤的解釋圖。
圖裏有箭頭和標註，有空間關係，讀者掃一眼就能抓到你在說什麼。
它不管小紅書卡片排版，也不管 PPT 頁面設計。
只負責中心那張圖，生成完直接放進社交卡片 Skill、PPT Skill 或者任何文檔裏就行。
從隨手寫的提示詞到正式 Skill
最初那段提示詞只在特定場景下跑得通。要做成一個別人也能穩定使用的工具，每個環節都得單獨適配。
場景適配和統一視覺風格
最開始只能處理簡單的流程圖。但現實中需要配圖的場景太雜了：
週報裏的項目進度、產品文檔裏的系統架構、數據分析裏的圖表、教學材料裏的物理實驗，甚至一篇講哲學概念的文章。
我把這些場景逐一拆開，每種類型單獨做了視覺結構和提示詞模板：
工作彙報與產品說明 ：進展、風險、決策、路線圖，用流程和層級圖來表達。
數據圖表 ：花時間最多的部分。AI 領域的測評圖表普遍死板，千篇一律的柱狀圖和折線圖。
我專門做了圖表的材質化表達，讓柱狀圖、甘特圖、桑基圖、熱力圖都帶上 3D 質感。
教育解釋圖 ：小學的槓桿原理、中學的電磁感應，每個部件、力的方向、反應過程都要標對位置。
好看不夠，得準確。
人文配圖 ：絲綢之路的商路、古詩裏的月光意象、哲學概念的抽象關係。
這類圖最難，要在"有氛圍"和"講明白"之間拿捏。
這些場景最終統一在同一套視覺語言下：白底工作室光線、剋制的 3D 材質物件、一個鮮明的點綴色（默認 IKB 藍）、圖內嵌入短中文標籤。
看起來像一套實體模型擺在白色桌面上拍的照片。
冷門概念與 Logo 的參考檢索
測試的時候撞上了一個問題。
你讓 AI 畫一個 PKCE 流程圖，或者畫一個 Zettelkasten 卡片系統，它大概率不知道這些東西長什麼樣。
更別說一些新產品的 Logo、特定的科學裝置、歷史文化物件。
所以我加了一套判斷邏輯：Agent 在生成之前先評估這個概念是不是夠常見。
如果判斷是冷門的，比如一個管理學框架、一個生物實驗器材、一個小衆 AI 模型的標識，它會先去檢索參考信息和參考圖片，提取視覺線索（輪廓、配色慣例、標誌性形狀），再統一轉化成歸藏材質插畫風格。
參考只用來理解事物本身長什麼樣，不用來複制畫風。最終所有圖都回到統一的視覺體系裏。
讓模型老老實實在圖裏寫字
GPT-Image 2.0 的中文文字生成能力其實不錯，但 AI Agent 有時候會"自作聰明"：
它知道圖像模型生成文字可能出錯，乾脆就不放文字，轉而用 HTML 在圖片外面貼標籤。
你拿到的是一張漂亮但什麼都沒標註的裝飾圖，外面圍着一圈割裂的文字。
對解釋圖來說，圖內標籤就是內容本身。"用戶提示"、"AI 執行"、"結果檢查"這些短標籤如果不在圖裏，讀者就得來回對照，解釋力直接打折。
我在提示詞層面反覆糾正這個行爲：
要求標籤必須生成在圖片內部，限制每個標籤 2-5 個漢字，指定空間位置（左上、右下、居中等），要求放在乾淨的白色區域或標註板上。
調了很多輪，現在標籤準確率穩定下來了。
圖表不截圖換皮，從數據重畫
最直覺的做法是把原始圖表截圖扔給模型，讓它"美化"一下。
問題是：原始圖表如果排版很差（密密麻麻的座標、模糊的顏色、擠在一起的數據點），模型會繼承這些糟糕的視覺特徵。換了個皮，骨子裏還是那張醜圖。
我的做法是走"語義抽取"：
Agent 先從圖表截圖或原始數據中提取真正重要的信息，包括圖表類型、標題、結論、橫縱座標、數據值、單位、類別順序、需要強調的極值或異常點。
然後把這些純語義信息交給 GPT-Image 2.0，讓它從零畫一張全新的材質化圖表。
最終的圖表可以有更大的標題區域、更清晰的數據呈現，旁邊還能加入小場景和圖標來輔助理解。不是給原圖換皮，是重新設計一張信息圖。
反模式糾正與交付前審覈
AI 配圖有一些反覆出現的坑，不專門防範就一定會踩：
圖裏沒有任何文字，明明要解釋概念，結果畫了一張純氛圍圖
圖裏塞了一大段文字，把整段說明都擠進圖片裏，根本讀不了
中文標籤出錯，寫了錯字、出現亂碼、或者標籤指向了錯誤的位置
提示詞泄露，把生成時用的提示詞內容直接顯示在了成品圖裏
參考圖照搬，模型把參考圖裏的水印、低畫質背景、甚至原有的 UI 元素都一起復制了
我在 Skill 的最後階段加了一道 QA 審覈。Agent 在交付之前逐項檢查：
標籤對不對、數據對不對、畫面有沒有被裁切、有沒有意外的水印或亂碼。發現問題直接重新生成，不靠外部打補丁。
能做什麼，不能做什麼
以前看過我寫的東西、熟悉 Skills 的人都知道，我一般會寫清楚什麼東西適合用這個做，什麼東西不適合用這個做。沒有什麼是全能的，Skills 也做不到包攬所有事情，這裏依舊是這樣。
適合的場景：
文章配圖、知識解釋圖、概念拆解圖
工作彙報配圖、項目狀態圖
產品機制圖、系統架構圖
數據圖表美化（柱狀圖、折線圖、甘特圖、桑基圖、熱力圖、漏斗圖）
教學材料配圖（小學科學、中學物理化學生物）
人文觀點配圖（歷史、哲學、文學意象）
社交卡片的中心圖、PPT 的主視覺
不適合的： 完整的小紅書卡片排版（那是社交卡片 Skill 的工作）、PPT 結構設計、真實攝影修圖、人像寫真、長文海報排版。
安裝和使用
跟你的 Codex 說，當前其他 Agent 也行，但是這套提示詞沒有在其他圖像模型測試過：
裝好之後對 Agent 說自然語言就行，比如：
"用歸藏的材質插畫 Skill，幫我把這段產品說明做成一張帶中文標籤的機制圖"
"把這篇文章挑 3 個核心概念，各生成一張帶字配圖"
不用選模式、不用指定參數，Agent 根據材料自動判斷該生成什麼類型的圖。
也可以跟藏師傅的 PPT Skill 和社交媒體圖片 Skill 配合，生成更漂亮、更豐富的內容。
這又是一個模型湧現的案例。
今天早上我爲那篇文章生成測試圖片的時候，其實並沒有要求它的圖像風格和圖像類型，但它自己挑選了一個非常適合的風格，而且顏色也和原來的主題色保持了一致。
所以很多時候，提供給 AI 的上下文真的很重要。
一旦你提供了足夠豐富的上下文，它自己就會靠着審美和內容去達成統一、一致與和諧。
期待在評論區看到你用這個 Skill 做的圖。如果有其他的建議和要求，也可以隨時跟我反饋。
如果覺得這個東西對你有幫助，可以幫我點個贊，或者轉發給你需要的朋友，謝謝！
✦