document-illustrator

# Document Illustrator Skill 基于 AI 智能分析的文档配图生成工具。无需依赖特定格式，自动理解内容并生成专业配图。 ## 🎯 核心特点 - ✨ **AI 智能归纳**：自动理解文档内容，智能提取核心主题 - 🎨 **格式无关**：支持任何格式的文档（Markdown、纯文本、PDF 等） - 📐 **灵活比例**：支持 16:9（横屏）和 3:4（竖屏） - 🖼️ **封面图可选**：可生成概括全文的封面图 - 🎭 **三种风格**：渐变玻璃卡片、票据风格、矢量插画 ## 🚀 使用方法 ### 直接告诉 Claude ``` 帮我为这个文档生成配图：/path/to/document.md ``` 或者： ``` 我想为这篇文章生成一些配图 ``` ## 📝 完整工作流程 ### 第 1 步：Claude 读取和理解文档 当你请求生成配图时，Claude 会： 1. 使用 Read 工具读取完整文档 2. AI 分析理解文档内容和结构 3. 识别核心主题和要点 **无需担心文档格式**： - ✅ 标准 Markdown（##、###） - ✅ 分隔线格式（======、------） - ✅ 纯文本段落 - ✅ 任何其他格式 ### 第 2 步：配置选项（3 个问题） Claude 会询问你的偏好： #### 问题 1：图片比例 ``` 请选择图片比例： 1. 16:9 (横屏) - 适合演示文稿、幻灯片、横屏展示 2. 3:4 (竖屏) - 适合社交媒体、手机查看、海报 请选择 (1/2): ``` #### 问题 2：封面图 ``` 是否生成封面图？ 封面图将概括文档的所有核心信息，作为系列配图的引导。 1. 是 - 生成封面图 + 内容配图 2. 否 - 仅生成内容配图 请选择 (1/2): ``` #### 问题 3：内容配图数量 ``` 期望生成多少张内容配图？ 建议范围：3-10 张 根据文档内容，推荐生成 6 张 请输入数字： ``` ### 第 3 步：Claude 归纳内容并展示 根据你指定的数量，Claude 会智能归纳文档，然后展示给你确认： ``` 📋 内容归纳完成 📄 封面图内容：（如果选择生成） "AI 编程工具概念演化：从 Rules 到 Skills" - 核心概念：静态上下文 vs 动态上下文 - 演化路径：Rules → Commands → MCP → Modes → Skills - 最佳实践：简化为两个核心工具 📚 内容配图（共 6 张）： 1. Rules 的诞生与演化 包含：早期模型幻觉问题、rules 文件的作用、静态上下文概念 2. Commands 和工作流打包 包含：固定工作流的出现、slash command、团队分享 3. MCP Servers 带来动态能力 包含：第三方工具集成、OAuth 认证、上下文膨胀问题 4. Modes 和 Subagents 的登场 包含：人设提示词、系统提示词修改、可靠性设计、Hooks 确定性 5. Skills 统一动态上下文 包含：Skills 概念、动态加载、编程工具优化 6. 最佳实践与未来展望 包含：Rules 使用建议、Skills 探索、核心理念总结 ✓ 所有内容已覆盖，无遗漏 确认开始生成配图吗？(Y/N) ``` **关键保证**： - ✅ 内容完整：所有重要信息都会被归入某张图片 - ✅ 逻辑清晰：按照内容的自然逻辑分段 - ✅ 用户可控：展示归纳结果，等待用户确认 ### 第 4 步：生成配图 确认后，Claude 调用 Python 脚本生成图片： ``` 🖼️ 开始生成配图... 正在生成封面图... ✓ 已保存: /path/to/document/images/cover.png 正在生成第 1/6 张... 标题: Rules 的诞生与演化 ✓ 已保存: /path/to/document/images/illustration-01.png 正在生成第 2/6 张... 标题: Commands 和工作流打包 ✓ 已保存: /path/to/document/images/illustration-02.png ... ✨ 完成！共生成 7 张配图（1 张封面 + 6 张内容） ``` ### 第 5 步：输出结果 **输出位置**：文档所在目录下的 `images/` 文件夹 ``` /path/to/your/document/ └── images/ ├── cover.png # 封面图（如果选择生成） ├── illustration-01.png # 第 1 张内容配图 ├── illustration-02.png # 第 2 张内容配图 ├── illustration-03.png ├── illustration-04.png ├── illustration-05.png └── illustration-06.png ``` ## 🎨 三种风格说明 ### 1. 渐变玻璃卡片风格 (gradient-glass) **特点**： - Apple Keynote 风格的极简主义 - 玻璃拟态（Glassmorphism）设计 - 深邃虚空黑或纯净陶瓷白基底 - 流动的极光渐变色 - 3D 玻璃物体和发光效果 **适用场景**： - 科技产品介绍 - 数据分析报告 - 未来趋势展望 - 产品功能演示 ### 2. 票据风格 (ticket) **特点**： - 数字极简票券设计 - 高度对比的黑白配色 - 类似登机牌、门票的结构 - 精确的几何分区 - 中英混排，多向文字布局 **适用场景**： - 信息图表 - 统计数据展示 - 时间线和流程图 - 要点总结 ### 3. 矢量插画风格 (vector-illustration) **特点**： - 扁平化矢量插画 - 统一粗细的黑色轮廓线 - 复古柔和的配色 - 几何化处理 - 横向全景式构图 **适用场景**： - 故事叙述 - 概念解释 - 教育内容 - 品牌宣传 ## 💡 使用示例 ### 示例 1：完整流程 ``` 用户: 帮我为 ~/blog/ai-tools.md 生成配图，用票据风格 Claude: 好的，让我先读取这个文档... [读取文档，分析内容] 检测到文档长度约 3000 字，内容涉及 AI 工具演化。 请选择图片比例： 1. 16:9 (横屏) 2. 3:4 (竖屏) 用户: 1 Claude: 是否生成封面图？ 1. 是 2. 否 用户: 是 Claude: 期望生成多少张内容配图？ 建议范围：3-10 张 根据文档内容，推荐生成 5 张 用户: 5 Claude: [展示归纳的 5 个主题] 确认开始生成配图吗？ 用户: Y Claude: [调用 Python 脚本生成 6 张图片] ✨ 完成！配图已保存到 ~/blog/images/ ``` ### 示例 2：纯文本文档 ``` 用户: 为这个纯文本笔记生成配图 Claude: [读取笔记，即使没有任何标题也能理解内容] [智能识别 3 个核心主题] [询问配置、展示归纳、生成配图] ``` ### 示例 3：自定义数量 ``` 用户: 我想要 8 张图，竖屏的，不要封面 Claude: 好的，16:9 竖屏，不生成封面，8 张内容配图。 [将文档归纳为 8 个主题] [展示归纳结果，用户确认后生成] ``` ## 🔧 技术细节 ### 图片规格 | 比例 | 分辨率 | 适用场景 | |------|--------|----------| | 16:9 | 2560x1440 (2K) | 演示文稿、横屏展示 | | 3:4 | 1920x2560 | 社交媒体、竖屏查看 | 可选 4K 分辨率： - 16:9 → 3840x2160 - 3:4 → 2880x3840 ### API 调用 - **模型**：Gemini 2.0 Flash Image Preview (Nano Banana Pro) - **成本**：每张图片 = 1 次 API 调用 - **速度**：平均 10-20 秒/张 ### 环境要求 **必需**： ```bash pip install google-genai pillow python-dotenv ``` **API 密钥**： - 在 `~/.claude/skills/document-illustrator/.env` 中配置 - 或设置环境变量 `GEMINI_API_KEY` ## 📊 内容归纳原则 Claude 归纳内容时遵循以下原则： ### 1. 完整性优先 - ✅ 所有重要信息都会被包含 - ✅ 不会遗漏关键概念 - ✅ 保留原文的核心观点 ### 2. 逻辑清晰 - 按照内容的自然逻辑分段 - 相关内容归为一组 - 保持叙事的连贯性 ### 3. 平衡分配 - 每张图片包含相似的信息量 - 避免某张过于拥挤或空洞 - 根据内容重要性调整 ### 4. 用户可控 - 展示归纳结果给用户确认 - 用户可以要求调整 - 确认后才开始生成 ## 🐛 故障排除 ### 问题 1：API 密钥错误 **错误信息**： ``` Error: Invalid API key ``` **解决方案**： 1. 检查 `.env` 文件中的 `GEMINI_API_KEY` 2. 确保 API 密钥有效且未过期 3. 获取新密钥：https://makersuite.google.com/app/apikey ### 问题 2：内容归纳不理想 **问题**：归纳的主题不符合预期 **解决方案**： 1. 在归纳展示阶段，告诉 Claude 你的期望 2. Claude 会重新归纳并调整 3. 确认满意后再开始生成 ### 问题 3：图片生成失败 **可能原因**： - 网络连接问题 - API 配额用尽 - 内容过长超过限制 **解决方案**： 1. 检查网络连接 2. 检查 API 配额 3. 尝试增加图片数量（分散内容） ## 💰 成本估算 | 图片数量 | API 调用次数 | 预估成本 | |---------|-------------|---------| | 无封面 + 3 张 | 3 次 | 低 | | 有封面 + 5 张 | 6 次 | 中 | | 有封面 + 10 张 | 11 次 | 较高 | **建议**： - 短文档（<1000字）：3-5 张 - 中等文档（1000-3000字）：5-7 张 - 长文档（>3000字）：8-10 张 ## 📚 最佳实践 ### 1. 合理选择图片数量 **太少**： - 每张图片信息量过大 - 不容易理解和记忆 **太多**： - 内容分散 - 增加成本和生成时间 **推荐**： - 根据文档长度选择 - 每张图片涵盖 1-2 个核心观点 ### 2. 根据用途选择比例 **16:9 适合**： - PPT 演示 - 网站横幅 - 视频封面 - 博客配图（桌面端） **3:4 适合**： - 社交媒体（Instagram、小红书） - 移动端文章 - 海报设计 - 竖屏视频 ### 3. 封面图的使用 **建议生成封面图的场景**： - 系列文章（作为统一引导） - 社交分享（作为预览图） - 文档首页（概括全文） **可以不生成的场景**： - 仅内部使用 - 图片数量已足够 - 希望降低成本 ### 4. 风格选择建议 **技术文档** → 渐变玻璃卡片风格 **数据报告** → 票据风格 **教程故事** → 矢量插画风格 **产品介绍** → 渐变玻璃卡片风格 ## 🔄 工作原理 ### 传统方式（已废弃） ``` [代码] 读取文档 → 识别 ## ### 标题 → 机械切分 ↓ 依赖特定格式 容易遗漏内容 不够智能 ``` ### 新方式（当前实现） ``` [Claude] 读取文档 → AI 理解内容 → 智能归纳主题 ↓ 格式无关 内容完整 用户可控 ``` **核心区别**： - ❌ 旧方式：依赖代码解析，只能处理标准格式 - ✅ 新方式：AI 理解内容，任何格式都能处理 ## 🎯 与其他工具的对比 | 功能 | Document Illustrator | 传统 PPT 工具 | AI 图片生成器 | |------|---------------------|--------------|--------------| | 理解文档内容 | ✅ AI 智能理解 | ❌ 需要手动 | ❌ 需要手动输入 | | 格式依赖 | ✅ 格式无关 | ❌ 依赖特定格式 | ✅ 无依赖 | | 内容完整性 | ✅ 自动验证 | ⚠️ 手动确保 | ❌ 无法保证 | | 批量生成 | ✅ 一次生成多张 | ❌ 逐张制作 | ⚠️ 需要多次输入 | | 风格一致性 | ✅ 自动保持 | ⚠️ 手动调整 | ⚠️ 需要重复提示词 | ## 📞 获取帮助 如有问题或建议： 1. 直接在 Claude Code 中询问 Claude 2. 查看计划文件：`~/.claude/plans/shimmering-tickling-seahorse.md` 3. 检查 Skill 目录：`~/.claude/skills/document-illustrator/` --- **让 AI 帮你理解和归纳内容，生成专业配图！** ✨