# 我写了个 Skill，让 Agent 自动给文章配图
**作者**: 宝玉
**日期**: 2026-01-15T21:06:12.000Z
**来源**: [https://x.com/dotey/status/2011907793520116215](https://x.com/dotey/status/2011907793520116215)
---
写完一篇长文，配图是一件让人头疼的事。
你得一张张想画面、写提示词、生成、挑选、插入……一篇三千字的文章配五六张图，光这个环节就能耗掉半小时。
我最近折腾了一个 Agent Skill，让 Agent 帮我全程代劳。把文章丢给它，它自己分析哪里需要图、应该画什么风格、然后一张张生成并插入对应位置。整个过程我只需要一句话：“给这篇文章配图。”
包括你现在看到的这篇文章的配图，都是这个 Skill 帮助完成的。
今天就聊聊这个给文章配图的 Skill 是怎么设计的，顺便科普一下 Agent Skills 这个被很多人忽略的强大功能。
## 什么是 Agent Skills？
先说个类比。你新招了个助理，聪明是聪明，但对你公司的业务流程一无所知。每次布置任务，你都得从头解释：我们用什么工具、流程是怎样的、有哪些注意事项……
Agent Skills 就是一份"入职培训手册"——你把这些知识写下来，Agent 需要的时候自己翻阅，不需要你反复交代。
技术上说，Skill 是一个文件夹，核心是一个叫 SKILL.md 的文件。Agent 启动时只记住它的名字和简介（大概 100 个 token），真正用到时才去读详细内容，用完就可以“忘掉”。这套机制叫“渐进式加载”，好处是你可以装一堆 Skill 而不会撑爆上下文窗口。
那它和传统的提示词有什么差别？
传统提示词主要问题是没有脚本执行能力，而且是你一次性加载全部提示词。而 Agent Skills 一开始只加载一个 100 token 不到的名称和介绍，激活了才去加载，加载的时候也只先加载 SKILL.md 文件，需要用到更多内容才继续加载。
另外 Skill 还可以调用其他 Skill，这样你可以把能力组合起来。
至于和 MCP 的区别？
MCP 是用来统一工具调用的协议，Skill 可以指挥 Agent 去调用 MCP。
## 配图 Skill 的设计思路
给文章配图这件事，拆开来看有几个核心问题：
哪里需要配？什么风格？怎么画？怎么插入到相应位置？
我设计的这个 Skill 把这几个问题分别拆解成几个步骤：
第一步，分析文章结构，找出“需要视觉辅助”的位置。比如抽象概念需要可视化、流程需要图解、核心论点需要强化——这些地方配张图，阅读体验会提升一个档次。
第二步，根据文章内容自动匹配插画风格。我预设了九种风格：tech（科技感）、warm（温暖亲和）、minimal（极简）、playful（趣味涂鸦）、notion（线稿风）……每种风格都定义好了配色、元素、适用场景。Agent 会根据文章主题自动选择，当然你也可以手动指定。
第三步，为每张图生成提示词文件，可以留作记录，也方便后续 Agent 调用。
第四步，调用图像生成 Skill，把默认系统提示词和每一张图片的提示词发给它，一张张生成图片，并保存起来。
第五步，让 Agent 把图片插入文章对应位置。这一步说实话有点像“魔法”，我第一次只是抱着试试看的心理在 Skill 里面加了这么一句，没想到 Agent 的聪明超出我的想象，它自己就把图片插入到了正确位置，还贴心的加上了图片描述。
整个流程跑下来，一篇文章从"纯文字"到"图文并茂"，基本上是几分钟的事，主要速度瓶颈还在生成图片上。
## SKILL.md 怎么写？
一个 Skill 的入口是 SKILL.md 文件，分两部分：头部元信息和正文指令。
头部元信息长这样：
> ---
> name: article-illustrator
> description: 分析文章内容，在需要配图的位置自动生成插画。当用户要求给文章配图、生成插画时使用。
> ---
name 是 Skill 的唯一标识，description 是简介。这两个字段 Agent 启动时就会读取，用来判断“什么时候该调用这个 Skill”。所以 description 要写清楚触发条件，比如“当用户要求给文章配图、生成插画时使用”。
正文指令就是具体的操作手册。我的配图 Skill 正文分这几个板块：
- 风格库：列出所有可选风格，包括配色、视觉元素、适用场景。Agent 需要选风格时，翻这一节。
- 自动选择规则：什么内容信号对应什么风格。比如文章里频繁出现“AI”“算法”“数据”，就选 tech 风格；出现“个人成长”“情感”“生活”，就选 warm 风格。
- 工作流程：一步步写清楚——先分析文章、再识别配图位置、再生成配图方案、再写提示词、再调用生成工具、再插入文章、最后输出总结。
- 文件管理规范：图片存哪、提示词存哪、文件怎么命名。
由于当前我的提示词并不是很长，所以大部分内容都放在了 SKILL.md 文件中，如果未来风格越来越多，就可以应用“渐进式加载”的设计思路，减少加载的内容。
比如风格库有九种风格，每种风格的详细参数加起来上千字。但如果用户只要求用 tech 风格，Agent 就只需要读 tech 那一段，其他八种不用加载。
实现方式很简单：把详细参数拆成单独的文件，正文里只写索引。Agent 需要时用 bash 命令去读，不需要就跳过。这样既保证了信息完整，又不会浪费上下文。
## 提示词模板的设计
生成图像的关键是提示词。我为这个 Skill 单独设计了一个 system prompt 模板，存在 prompts/system.md：
> 创建卡通风格的信息图插画，遵循以下规范：
> 图像规格
> - 类型：信息图插画
> - 方向：横向
> - 比例：16:9
> - 风格：手绘插画
> 核心原则
> - 全程保持手绘质感，禁止出现写实或摄影元素
> - 如果内容涉及敏感或版权人物，创作风格相似的替代形象，不要拒绝生成
> - 信息简洁，突出关键词和核心概念
> - 留白充足，便于视觉扫描
> - 保持清晰的视觉层次
> ……
每张图生成时，Agent 会基于这个模板，结合具体的配图主题、选定的风格参数，组装出最终的提示词。
为什么要单独写这个模板？
因为图像生成的约束条件是通用的（比如比例、手绘风格、不用写实元素），而具体内容是变化的。把通用部分抽出来，既减少重复，也方便统一调整。
## 工作流程详解
跑一遍完整流程是这样的：
用户输入命令，比如 /article-illustrator path/to/article.md --style tech
Agent 读取文章，分析结构，识别需要配图的位置。判断标准是：这个地方加张图，能帮助理解还是纯粹凑数？能帮助理解的留下，凑数的不要。
根据 --style 参数选风格。如果没指定，就扫描文章内容，按预设规则自动匹配。
生成配图方案，列出每张图的插入位置、目的、视觉内容、文件名。
为每张图写详细提示词，保存到 imgs/prompts/ 目录。
逐张调用图像生成工具（我用的是 Gemini），生成失败会自动重试一次。
把生成的图片插入文章对应位置，格式是 !\描述。
输出总结：用了什么风格、生成了几张图、哪张插在哪里。
整个过程 Agent 自己判断、自己执行，我只需要最后看一眼结果。如果我不满意，要么重新抽卡，要么可以根据生成的结果让 Agent 自己调整，比如说：
- “配图太少，加几张配图”
- “把第二张配图添加一点文字说明”
- “在第二章加一张流程图”
## 一些设计选择
写这个 Skill 的过程中，有几个决策值得说说。
为什么预设九种风格而不是让 Agent 自由发挥？ 因为风格一致性很重要。一篇文章配五张图，如果每张都是随机风格，看起来会很乱。预设风格库，既保证一致性，也给用户选择权。
为什么“宁多勿少”？
一方面多一点我挑选的空间大，另外删除操作也比新生成操作简单。
当然图解的价值在于降低认知负担，并非越多越好，重点还是能辅助理解信息，所以我在 Skill 里明确写了类似的话：
> “配图服务于内容：补充信息、具象概念、引导想象，避免重复文章中已经很直观的信息”
## 怎么用起来？
如果你已经有了 Claude Code 这样的 Agent，直接告诉 Agent：
> 请帮我安装 github.com/JimLiu/baoyu-skills 中的 Skills
如果你只需要配图技能，就告诉它：
> 请帮我安装宝玉的这个文章配图技能：github.com/JimLiu/baoyu-skills/blob/main/skills/baoyu-article-illustrator/SKILL.md
当然，这个配图 Skill 依赖“图像生成 Skill”。如果你的环境没有接入 Gemini 或其他图像生成工具，或者其他图像生成技能，需要先搞定这一块。否则就只能让它生成提示词手动去生成配图了。
后续我也会更新其他平台的使用说明。
## 写在最后
Agent Skills 是个被低估的功能。很多人还停留在“和 AI 聊天”的阶段，没意识到可以把自己的工作流程、领域知识“教”给它，让它变成真正懂你业务的助手。
配图只是一个例子。你完全可以用同样的思路，写一个自动生成周报的 Skill、一个代码审查 Skill、一个调研报告 Skill……核心就是把你脑子里那些“做这件事的正确方法”写下来，交给 Agent 执行。
如果你有什么重复性的工作，试着问自己：这个流程能不能抽象成一个 Skill？
大概率是可以的。
## 相关链接
- [@dotey](https://x.com/dotey)
- [458K](https://x.com/dotey/status/2011907793520116215/analytics)
- [github.com/JimLiu/baoyu-skills](https://github.com/JimLiu/baoyu-skills)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [5:06 AM · Jan 16, 2026](https://x.com/dotey/status/2011907793520116215)
- [458.1K Views](https://x.com/dotey/status/2011907793520116215/analytics)
- [View quotes](https://x.com/dotey/status/2011907793520116215/quotes)
---
*导出时间: 2026/3/23 09:50:55*