| name | notion-infographic |
| description | 基于大纲自动研究并生成 Notion 手绘风格信息图组图的 Agent Pipeline。 用户只需提供主题大纲或关键词，skill 自动启动专家子 Agent 并行抓取信息， 主 Agent 负责规划任务板和验收成果，最终输出一组风格统一的 Notion 简笔画 信息图提示词（可直接用于 imageGen / DALL·E / Midjourney）。 触发场景："帮我做一组信息图"、"生成 Notion 风格图片"、"把这个大纲做成图"、 "infographic"、"信息图"、"notion 简笔画"、"手绘信息图"、"图解"、 "把这篇文章可视化"、"做成社交媒体传播图"、"小红书图文"。 即使用户没有明确说"信息图"，但在提供大纲/要点并要求可视化传播时也应触发。 当用户上传文章/文稿并要求"做成图"或"可视化"时，同样触发此 skill。
|
| compatibility | Requires web_search and web_fetch. Optimal with subagent dispatch (Claude Code, Cowork). Degrades gracefully to single-thread on Claude.ai. Image generation requires imageGen tool or manual use of prompts.
|
Notion Infographic Generator — Agent Pipeline V1
用户给大纲，Agent 去研究，你只管 Plan 和验收。
Architecture
User Outline / Topic
↓
Lead Agent (你 — 永远不搜索)
|
P0: 环境检测 + 输入解析
P1: 研究任务板 (拆解大纲为研究任务)
|
Dispatch ──→ Expert A ──→ writes task-a.md ──┐
──→ Expert B ──→ writes task-b.md ──┤ (parallel)
──→ Expert C ──→ writes task-c.md ──┘
| |
| workspace/research-notes/ <────────────┘
|
P2: Read notes → 提炼核心观点
P3: 规划组图结构 (张数 + 每张内容)
P4: 生成完整提示词 (风格前缀 + 内容 + 风格后缀)
P5: 验收 + 输出
P0: 环境检测 + 输入解析
1. 检测子 Agent 能力:
- Claude Code / Cowork: YES → 并行派遣
- Claude.ai: NO → 降级模式 (Lead 自己串行执行研究)
2. web_search / web_fetch 是否可用?
3. imageGen 是否可用? (不可用则输出提示词文本)
4. 解析用户输入:
- 纯主题/关键词 → 需要全面研究
- 大纲/要点列表 → 按要点研究
- 完整文稿 → 提炼观点后补充研究
- 用户指定张数? → 记录，优先级最高
P1: 研究任务板
Lead Agent 将用户大纲拆解为 3-6 个研究任务。每个任务分配一个专家角色。
Read reference/subagent-prompt.md for the prompt template.
任务板格式
# Research Task Board
Topic: {用户主题}
Outline Points: {大纲要点列表}
## Group A (parallel — 核心观点研究)
Task A: [行业分析师] — 研究 {观点1} 的数据支撑和案例
Task B: [技术专家] — 研究 {观点2} 的技术细节和趋势
Task C: [用户研究员] — 研究 {观点3} 的用户痛点和故事
## Group B (parallel — 补充素材)
Task D: [数据挖掘师] — 搜集相关统计数据和图表素材
Task E: [案例猎手] — 搜集经典案例和金句
任务分配原则
- 每个大纲要点至少分配 1 个研究任务
- 优先研究"需要数据/案例支撑"的观点
- 纯观点类（不需要外部信息）的可以跳过研究
- 总任务数控制在 3-6 个，避免过度发散
环境适配派遣
Claude Code / Cowork (有子Agent):
for task in a b c; do
claude -p "$(cat workspace/prompts/task-${task}.md)" \
--allowedTools web_search,web_fetch,write \
> workspace/research-notes/task-${task}.md &
done
wait
Claude.ai (降级 — 无子Agent):
Lead Agent 自己串行执行每个任务:
- 按任务板顺序，依次执行 web_search + web_fetch
- 每完成一个任务，将发现写入笔记块
- 完成所有研究后进入 P2
P2: 提炼核心观点
Lead Agent 阅读所有研究笔记，执行:
- 信息聚合 — 把分散的发现按大纲要点归类
- 观点提炼 — 每个要点提炼 1 个可视化核心观点
- 数据筛选 — 为每个观点挑选最有冲击力的数据/案例
- 可视化评估 — 判断每个观点是否适合独立成图
观点提炼规则
- 每张图只承载 1 个核心观点
- 观点不足时不强行凑数
- 观点过多时合并相近内容
- 硬上限：不超过 12 张
P3: 规划组图结构
Read reference/style-guide.md for Notion style specifications.
图片数量决策
优先级：用户指定 > 观点分析 > 字数参考
| 内容长度 | 通常观点数 | 参考张数 |
|---|
| 短内容 (<500字) | 2-4 | 3-5 张 |
| 中等 (500-1500字) | 4-7 | 5-8 张 |
| 长内容 (>1500字) | 6-10 | 8-12 张 |
组图结构
第 1 张: 标题封面图 — 主题 + 核心价值主张
第 2~N-1 张: 内容图 — 每张一个核心观点 + 研究数据支撑
第 N 张: 总结/行动号召图
每张图的内容规划需包含:
- 核心观点（一句话）
- 视觉化描述（场景、人物动作、图标）
- 关键数据/金句（从研究笔记中提取）
- 中文标注文字（精简版）
P4: 生成完整提示词
Read reference/style-guide.md for the complete prompt template.
每张图的提示词 = 风格前缀 + 内容描述 + 风格后缀
内容描述是唯一的变量区域，需要:
- 描述画面场景（简洁、视觉化）
- 融入研究数据（转化为图表/数字元素）
- 指定中文标注文字
- 保持大量留白和呼吸感
内容描述写作原则
好的内容描述:
一个人站在分岔路口，左边路牌写"传统开发"右边写"AI编程"。
左边路上堆满代码文件，右边是一个机器人助手在帮忙搬运。
底部数据标注：72%开发者已使用AI辅助编码（2025 Stack Overflow）
差的内容描述:
画一张关于AI编程的图
P5: 验收 + 输出
输出格式
为每张图生成完整提示词，保存为 markdown 文件：
# Notion Infographic Prompts — {主题}
## 图 1/N: {标题}
**核心观点:** {一句话}
**Prompt:**
{完整提示词 = 风格前缀 + 内容描述 + 风格后缀}
## 图 2/N: {标题}
...
如果有 imageGen 工具
直接为每张图调用 imageGen，使用生成的提示词。
比例设定 16:9。
验收清单
Anti-Hallucination Rules
- Lead Agent 不编造数据 — 所有数据必须来自研究笔记
- 研究笔记中没有的数据标注 [待验证]
- 子 Agent 只使用搜索结果中的真实信息
- 金句/引用必须标注来源
- 统计数据必须标注年份和机构
Progress Reporting
[P0 complete] 环境: {claude.ai/code}. 输入类型: {大纲/文稿/关键词}.
[P1 complete] 任务板: {N} 个研究任务, {M} 组并行. 派遣中...
[P1 task-a complete] {N} 条发现, {M} 个数据点.
[P1 all complete] 研究完成. {总发现数} 条发现, {总源数} 个来源.
[P2 complete] 提炼 {N} 个核心观点. 准备规划组图.
[P3 complete] 规划 {N} 张图: 1 封面 + {N-2} 内容 + 1 总结.
[P4 complete] {N} 张提示词生成完毕.
[P5 complete] 验收通过. 输出 {N} 张信息图提示词.
