| name | wechat-cover |
| version | 1.3.0 |
| description | 公众号爆款封面AI设计工具。基于全网每日收录的10w+文章数据，获取同赛道爆款封面视觉元素，通过AI分析总结高转化视觉规律，生成贴合文章内容、符合平台流量审美的封面设计方案。当用户设计公众号封面、生成封面方案、查询爆款封面规律时使用。触发词：公众号封面、封面设计、爆款封面、封面方案、封面生图。 |
公众号封面图制作
📋 概述
基于全网每日收录的爆款文章数据，获取同赛道爆款封面的视觉元素，通过AI分析总结高转化视觉规律，生成贴合文章内容、符合平台流量审美的封面设计方案（含案例+生图提示词）。仅在主Agent中执行，不派发给子Agent。
🎯 触发规则
| 场景 | 处理方式 |
|---|
| 用户提供内容主题/赛道 | 执行任务流程 |
| 用户要求生成封面方案 | 执行任务流程 |
| 用户上传文案或图片要求分析 | 执行任务流程 |
| 用户询问技能功能/用法 | 仅介绍技能 |
| 用户未提供明确创作主题 | 仅介绍技能 |
📝 术语规范
统一使用"爆款封面"，禁止使用：爆炸封面→爆款封面、爆炸数据→爆款数据、抓取数据→获取/查询数据、抓取封面→获取封面。
🔒 数据来源
所有爆款数据必须来自接口，禁止联网搜索、使用其他数据源或脑补数据。数据不足时明确告知用户。
🔑 鉴权
获取 API Key
请前往 红狐hub 获取API KEY
配置 API Key
方案1: 以OpenClaw为例，将REDFOX_API_KEY添加到~/.openclaw/openclaw.json中：
{ "env": { "REDFOX_API_KEY": "ak_xxxx..." } }
方案2: 终端配置
export REDFOX_API_KEY="ak_xxxx..."
⚙️ 前置准备
- 依赖：
requests（pip install requests）
- 凭证：环境变量
REDFOX_API_KEY（详见鉴权章节）
- 数据范围：仅含昨天至30天前的数据，默认查询近30天
🔄 操作流程
步骤1：意图解析
结构化解析用户需求，提取4个维度：
| 维度 | 说明 | 示例 |
|---|
| 内容主题 | 优先领域词 | 护肤、穿搭、美食、职场 |
| 内容类型 | 内容形式 | 干货、测评、种草、教程 |
| 风格偏好 | 视觉/调性 | 专业、吸引点击、情绪、极简 |
| 核心关键词 | 搜索关键词 | 秋冬、美白、护肤、干皮 |
提取2-5个核心关键词（逗号分隔），优先细分领域词，结合风格偏好补充场景词。
步骤2：爆款数据查询
python3 scripts/fetch_explosive_covers.py --keyword <关键词1,关键词2,关键词3>
python3 scripts/fetch_explosive_covers.py --keyword ""
- 最多5个关键词，总长度≤200字符
- 关键词整体一次传入接口，不做拆分循环调用
- 时间参数默认不传（接口自行决定默认范围）；用户指定"近N天"时 startDate = 今天 - (N-1)天
步骤3：智能匹配筛选
| 数据量 | 处理 |
|---|
| ≥20条 | 直接使用 |
| <20条 | 扩展关键词（如：美白→美白、护肤、美白祛斑），重新查询，合并数据 |
筛选规则：按阅读数从高到低排序，取前20条。关键词扩展最多1-2次，每次2-3个相似词。
步骤4：AI图像分析与特征提取
- 解析脚本返回的JSON数据（含
articles 文章数组，以及 latestHotArticles、hotTopics、relatedSearches 辅助数据）
- 提取
imageUrl 字段合并为封面候选池——直接使用原始值，不做任何修改（新接口字段名为 imageUrl，旧接口为 coverUrl，脚本已做兑容）
- 按互动量从高到低取前20条
- 逐张分析封面图（使用原生图片理解能力，直接访问 imageUrl）
7维度分析：
| 维度 | 分析内容 |
|---|
| 文字内容 | 是否有文字、内容、字体大小、位置、颜色、醒目程度 |
| 主体元素 | 人物/产品/场景/图案等主要视觉元素 |
| 色彩特征 | 主色调、配色方案、对比度、冷暖色调 |
| 构图布局 | 画面结构、元素分布、主体位置、留白处理 |
| 视觉风格 | 实拍/插画/拼贴/极简/炫酷等风格类型 |
| 点击吸引力 | 痛点/好奇/美感/实用——为什么吸引点击 |
| 尺寸检测 | 宽x高，是否合格（≥10px） |
图片过滤规则：
- 空白图片（纯色块、无内容）：标注"需过滤"，后续所有环节排除
- 小尺寸图片（宽或高 <10px）：全部过滤
- 输出前二次检查：确保无空白/小尺寸图片混入
分类汇总：将相似风格的封面归为同一类，统计特征规律（分类前先过滤空白图片）。
步骤5：输出HTML分析报告与设计方案
使用 references/report_template.html（JS渲染型模板），只需注入 JSON 数据，禁止在输出时临时生成完整 HTML。
- 复制模板到输出文件：
cp references/report_template.html ./爆款封面分析报告_{关键词}.html
- 将分析结果组装为 JSON 对象（格式见
references/report_template.md）
- 用 SearchReplace 在输出文件（非模板原文件）中将
__REPORT_DATA__ 的默认空值替换为实际 JSON
- 执行
open ./爆款封面分析报告_{关键词}.html 在浏览器中打开
JSON 结构（只需填充以下字段，无需生成任何 HTML）：
{
"keyword": "用户关键词",
"analysisCount": 20,
"styles": [{ "name": "", "count": 0, "coreVisual": "", "features": "", "covers": [] }],
"plans": [{ "name": "", "coreVisual": "", "case": { "imageUrl": "", "url": "", "title":
| 要求 | 说明 |
|---|
| 模板 | references/report_template.html（JS 渲染型，样式/防盗链已内置） |
| 数据格式 | 详见 references/report_template.md JSON 数据结构章节 |
| 封面展示 | 按风格类型分类，每类最多5张 |
| 案例参考 | imageUrl 原始值 + 标题(url链接) + 作者 + 仅阅读数 |
| 生图提示词 | 严格遵循 2.35:1 横版比例 |
步骤6：用户选择方案并生成封面图
⚠️ 先询问用户，等回复后再生成——不要在用户选择前就生成封面图！
第一阶段（输出报告后立即执行）：HTML模板末尾已包含方案选择区域，展示报告后停止，等待用户回复。
第二阶段（用户回复后执行）：
- 确认用户选择的方案（1/2/3）及其生图提示词
- 如用户上传了图片，用原生图片理解能力分析
- 使用原生图像生成能力生成封面图（2.35:1，900x383像素）
- 直接展示图片，不需要HTML包裹
步骤7：输出前自检
| 检查项 | 内容 |
|---|
| 风格类型 | 每类有：名称、频次、核心视觉、关键特征、封面示例 |
| 三个方案 | 各有风格名称、核心视觉、案例参考（不重复）、生图提示词 |
- 封面图链接使用 imageUrl 字段原始值
| 图片过滤 | 无空白图片、无小尺寸图片 |
| 用户交互 | 已询问方案选择并等待回复 |
⚠️ 注意事项
- 封面图容器比例 2.35:1 (900x383)，使用
object-fit: cover + object-position: center 自适应截取
- HTML添加防盗链 meta 标签
<meta name="referrer" content="no-referrer">
- 案例参考仅保留阅读数（clicksCount），删除点赞和在看
- 封面图用
<a> 标签包裹可点击跳转大图，方案标题用 url 字段链接
- 图像分析使用原生图片理解能力，直接访问封面URL，逐张分析
