开源一个文章配图 Skill：歸藏材质插画
作者开源了一款名为“歸藏材质插画”的 Skill，旨在解决文章、汇报及教学中概念解释难的问题。该工具通过调用 GPT-Image 2.0，能将文本转化为风格统一、带中文标签的 3D 材质解释图。文章详细介绍了其在处理冷门概念检索、图表数据重绘以及防止 AI 乱写标签等方面的技术优化。
相关文档
AI 生图还能用 JSON 控制排版？5B 开源模型商业海报实验
作者测试了模思智能开源的 5B 生图模型 MOSS-Image，重点验证其文字渲染与 JSON Layout 结构化布局能力。通过虚构日系甜品店海报案例，对比传统自然语言 Prompt 与 JSON 布局控制的效果差异：JSON 可将人物、产品、标题等元素按坐标框精确定位，类似写前端页面。三轮测试覆盖主视觉、商业活动海报排版及中英文文字生成，验证了文案正确率、版式适配与视觉融合。结论是 JSON Layout 虽非 PS 级精确编辑，但能将模糊排版需求变为结构化描述，对商业海报、电商图等场景具有实际价值。
GPT Image 2.5 提示词写作指南
本文整理了 OpenAI 官方 GPT Image 2.5 提示词写作指南的八条核心原则：先定义结果、选易维护格式、描述可见细节、写清人物动作、精确文字加引号、分开要改与要保持的内容、给参考图编号、有意识迭代。同时介绍了模型与参数（quality、size、background）的选择建议，并结合人像摄影与自然景物两类示例，给出中文提示词模板和实操要点，帮助用户写出可控、可迭代的图像生成提示词。
轻熟女图片生成 Skill：女性人像生成与人像美术指导
作者分享了一个用于生成女性人像的 Claude Skill（beauty-image-defaults），通过 SKILL.md 文件保存人物默认设定和人像美术要求，实际出图由图像生成工具完成。Skill 支持三种模式：无参考时补充默认画像（30 岁左右亚洲轻熟女性，黑发戴眼镜）、有参考图时保留人物特征、以及仅生成提示词。文章详细介绍了默认人物描述、提示词合并方式、皮肤眼神手部衣料光影构图等美术指导、减少稀碎感与塑料感的规则、成图检查流程和冲突处理原则，强调用户要求与参考人物优先于默认设定，并声明不包含任何成人色情内容。
这应该是我写过最全的 Opus 5.5 提示词工程讲解了
本文基于 Anthropic 官方指南，系统讲解 Opus 5.5 的提示词工程方法。内容涵盖如何清晰描述问题、提供相关上下文（报错、文件、触发步骤）、说明任务范围与原因；详细介绍 effort 五个档位（low 到 max）的选择策略及在 Claude Code 和 API 中的设置方式；强调改完代码后要求 AI 给出具体检查结果、区分已完成与未完成事项；讲解如何防范围外部文档中的间接提示注入，以及看图任务中提供清晰截图的技巧，面向已使用但不熟悉提示词设置的用户。
开源了39种风格视频库后，我学会了如何用Opus5.5稳定出片
作者分享了用 Claude Opus 5.5 通过代码逐帧渲染制作视频的经验，并开源了包含 39 种风格视频样片的 Lemo-opuscar 库。库内包含导演方法（DIRECTOR.md）、技术方法（TECHNIQUE.md）和 39 份风格文档。文章阐述了如何稳定出片的关键：agent 手里要有成熟的方法论，用户需求要说到点上。作者详细讲解了需求表述的六个要点（主题、故事、节奏、导演能力、素材、审阅检验），并提供了万能提示词模板，还针对非 Opus 5.5 用户给出了降低难度、拆分步骤、强弱模型协作等替代方案。
区分有效 Skill 与空谈文章的 9 条原则
作者提出九条原则，帮助判断 Agent Skill 是否真正有效，覆盖 Skill 生命周期三个阶段：被选中、可靠执行、经受现实检验。核心观点包括：元数据描述是触发与否的关键入口；上下文是共享预算，需渐进式加载；流程与检查点优于长篇散文；规则应解释原因以应对边缘情况；预先记录并反驳模型常见的跳过理由；确定性逻辑写成脚本代码而非依赖推理；严格限定修改范围；Skill 会随库更新和约定变化而腐化，需版本化管理；上线前必须用真实用例运行验证，从观察到的行为而非想象中调试。
OpenAI 官方 GPT-Image 2.5 提示词指南与示例
本文译写自 OpenAI Cookbook 的开源示例，整理了 GPT-Image 图像生成模型的提示词基本写法与 24 个实用示例。文章首先介绍提示词的组织顺序（场景、主体、关键细节、限制条件），并给出七条核心原则：写出可见细节、明确构图、交代人物姿势动作、逐字列出画面文字、改图时说明保留项、为参考图分配用途、一次修改一个问题。随后通过人物照片、信息图、广告、标志设计、四格漫画、应用界面、教学配图、演示页等场景，以及换衣、合成、透明背景提取、草图转写实、物体移除等编辑示例，展示了完整的提示词与 API 参数设置。
我把图片风格做成了一个 Skill：从参考图拆解到系列复刻
作者分享了自制的 Claude Skill「Visual Style DNA Replicator」，用于解决生成式图像复刻中风格结构不稳定的问题。核心思路是把参考图从模板转化为样本，通过区分风格规则与画面内容，提取主体比例、留白、构图、色彩、光影、文字、材质等视觉变量，形成结构化的 Style DNA JSON。文章通过古典版画、手绘插画、单色儿童摄影、剪影海报、巨型字体产品图、IP 角色档案六个案例演示了如何替换主体而保持系列一致性，并介绍了 Skill 的文件结构与适用场景，如品牌海报、电商视觉、IP 设定等。
如何榨出 AI 设计的 99% 创造力：一套三阶段工作流
作者受前苹果设计师 Anshu Chimala 启发，指出 AI 设计产出平庸的根源在于 LLM 作为下一个词元预测器、经 RLHF 对齐后天然倾向安全解。文章借鉴设计双钻模型，提出三阶段工作流：探索、确立、交付。核心技法包括：注入随机种子字符串打破思维定势、用大胆具象的提示词激发创意、三步发散法生成设计概念、引入'设计挑刺官'子智能体构建独立评审反馈闭环，以及调用图像生成工具提升视觉质感。通过多智能体协同与成本控制，可在极短轮次内产出超越常规 AI 模板的高水准设计。
AI 编程实战教程（2）：从需求到被搜到，必不可少的 2 个开源 SEO 和 GEO 工具
文章讲述 Vibecoding 产品上线后常被忽视的 SEO 与 GEO（AI 引用优化）问题。作者分享自己转化页因抓取配置错误对搜索引擎和 AI 抓取程序隐身三个月的踩坑经历，并推荐两个开源工具：geo-seo-claude 提供 16 个 skill，从可抓取性、可读性、可引用性、内容质量四层漏斗做全面检查与前后对比；agency-agents 的 4 个 agent 从策略角度复核结论。文章附安装使用步骤及真实 Search Console 数据：改造后曝光从两周 1 次点击提升到 63 曝光、9 次点击，强调持续对比比单次检查更重要。
AIGC 冷知识：更长的提示词，准确率反而更低
文章探讨了提示词工程中的一个常见误区：提示词越长，生成结果不一定越准确。当提示词同时包含过多人物属性、颜色、物体数量和空间关系时，模型可能生成看起来不错却悄悄偏离关键要求的图片。文中通过长提示词与精简提示词加分步编辑的对比实验说明，约束越多，属性串位、关系混乱和细节遗漏的概率越高。DetailMaster 研究证实，随提示词长度增加，文生图模型在人物属性、位置和实体关系上的准确率一致下降。作者建议不要把提示词写成一次性需求文档，而应先用短提示词锁定主体和构图，再通过局部编辑逐层增加细节，每轮只修改一类变量。
Huashu-Excel正式发布：也许是最好用的Excel数据处理和分析skill
花叔开源了名为huashu-excel的AI数据处理分析skill，用户丢入Excel或CSV即可用自然语言完成体检、清洗、对齐、分析、对账、交付、验图、质控八步流程，输出HTML/Excel/Word等格式报告。该skill针对大模型算错不报错的缺陷设计了合计对账、外部基准校验、独立agent复核等机制，并借鉴Anthropic角色激发研究提升分析质量。经十份真实公开数据（106万行电商明细、纽约市政预算等）压测，能独立拆解辛普森悖论、识别脏数据并给出可审计的业务结论。兼容Claude Code、Codex等多种agent，MIT协议开源。
