name	mascot-illustration
description	为中文文章/博客/Notion/方法论内容生成 Q版治愈风正文配图。从用户提供的目标样图（含主人公）用 gpt-image-2 / 视觉模型提炼画风关键词与主人公 IP，再用百炼万相图生图接口复刻同一主人公做不同动作。每张图 16:9、纯白底、Q版赛璐璐、女孩承担核心动作。触发词：Q版配图、治愈风插画、吉祥物配图、文章配图、小黑配图改造、主人公插画。
version	1.0.0
metadata	{"source":"复用并改造自 helloianneo/ian-xiaohei-illustrations（MIT）","relay_api":"百炼 DashScope（VITE_DASHSCOPE_KEY）","vision_model":"gpt-image-2（读图）/ kimi-k2.6（备用读图）","image_model":"wan2.7-image（图生图优先）/ qwen-image-2.0-pro"}

Q版治愈风吉祥物正文配图

把 ian-xiaohei-illustrations（小黑怪诞冷脸风）的构图纪律 + IP 承担核心动作 + 留白 + 中文标注这套方法论，换皮成 Q版治愈风：主人公从"小黑"换成用户指定的人物形象（默认是那个黑长发呆毛女孩）。

核心定位

为中文文章生成 16:9 横版 Q版治愈风正文配图。从文章里提取一个认知锚点（判断/过程/结构/状态/隐喻），让主人公女孩亲手做那个核心动作，配少量手写中文标注。

不是"配一张图"，而是"把文章的核心意思画成一个萌系产品草图"。

参考资料

references/style-dna.md —— 画风关键词与强制同画风约束
references/mascot-ip.md —— 主人公精确 IP 卡
references/composition-patterns.md —— 8 种构图模式
references/prompt-template.md —— 生图 prompt 模板（图生图 + 文生图两套）
references/qa-checklist.md —— 必过检查清单

工作流（5 步）

Step 1：读图（用 gpt-image-2，建立画风与 IP 基线）

如果用户提供了"目标样图"（含主人公的那张），必须先用视觉模型读图，提炼：

画风关键词 → 写进/更新 references/style-dna.md
主人公精确外貌 → 写进/更新 references/mascot-ip.md

读图模型优先级：

gpt-image-2（用户指定，画风还原最准）
kimi-k2.6（百炼自带，备用）

读图 prompt（喂给视觉模型）：

请非常仔细地看这张图。分三部分回答：
【画风】类型/线条/上色/光影/背景/氛围/接近哪个IP
【主人公】逐部位：发型发色/脸型肤色/眼睛/眉鼻嘴/体型/服装逐件/配饰/表情/标志性记号
【构图】几个角色几个物件/主体位置占比/有无文字/单图还是拼图
直接给描述，不要开场白。

⚠️ 读图铁律：只描述图里真实看得见的，不确定的说"看不清"，绝不脑补。读完后把结果写回 style-dna.md 和 mascot-ip.md，作为后续生图的强约束。

Step 2：消化文章，产出 shot list

读文章/Markdown/Notion/主题，提取核心观点、认知转折、可可视化的段落。产出 4-8 张 shot list（短文 1-3 张，长文最多 9 张）。

每张写清楚：放在哪段后、主题、核心意思、结构类型、女孩在做什么、建议中文标注词。

Step 3：逐张生成（图生图优先，IP 最稳）

强烈优先走图生图模式：把用户的目标样图作为 reference image 传给百炼万相，叠加 references/prompt-template.md 模式 A 的指令。

百炼万相图生图接口（固定）：

POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
Authorization: Bearer ${VITE_DASHSCOPE_KEY}
{
  "model": "wan2.7-image",
  "input": { "messages": [{ "role": "user", "content": [
    { "image": "<参考图 data-url>" },
    { "text": "<prompt-template.md 模式 A 填好的指令>" }
  ]}]},
  "parameters": { "size": "1280*720", "n": 1, "watermark": false }
}

只有当没有参考图时，才退到模式 B 纯文生图（IP 容易飘，慎用）。

Step 4：QA 检查

按 references/qa-checklist.md 逐项过。重点：

女孩形象齐全且一致（发型/呆毛/耳环/裙子/靴子/腮红/眼睛）
所有元素同画风（机器也是黑线平涂，不是写实金属）
女孩承担核心动作
不复刻旧案例

不合格 → 局部编辑或重生成。

Step 5：保存与交付

保存到 assets/<article-slug>-illustrations/，命名 01-topic-name.png。交付时报告：张数、用途、文件路径、哪些稳、哪些可选。

输出准则

生成前的 shot list 简短，不要长篇风格理论
交付后的总结要包含：张数、用途、路径、稳/可选
不要长篇解释风格理论；让图自己说话

禁止

复刻旧案例构图（除非用户明确要求）
一张图讲多个结构
画风割裂（人物 Q版但机器写实）
女孩只是站在角落看
左上角写标题
添加与核心结构无关的装饰物

name	mascot-illustration
description	为中文文章/博客/Notion/方法论内容生成 Q版治愈风正文配图。从用户提供的目标样图（含主人公）用 gpt-image-2 / 视觉模型提炼画风关键词与主人公 IP，再用百炼万相图生图接口复刻同一主人公做不同动作。每张图 16:9、纯白底、Q版赛璐璐、女孩承担核心动作。触发词：Q版配图、治愈风插画、吉祥物配图、文章配图、小黑配图改造、主人公插画。
version	1.0.0
metadata	{"source":"复用并改造自 helloianneo/ian-xiaohei-illustrations（MIT）","relay_api":"百炼 DashScope（VITE_DASHSCOPE_KEY）","vision_model":"gpt-image-2（读图）/ kimi-k2.6（备用读图）","image_model":"wan2.7-image（图生图优先）/ qwen-image-2.0-pro"}

Q版治愈风吉祥物正文配图

核心定位

不是"配一张图"，而是"把文章的核心意思画成一个萌系产品草图"。

参考资料

references/style-dna.md —— 画风关键词与强制同画风约束
references/mascot-ip.md —— 主人公精确 IP 卡
references/composition-patterns.md —— 8 种构图模式
references/prompt-template.md —— 生图 prompt 模板（图生图 + 文生图两套）
references/qa-checklist.md —— 必过检查清单

工作流（5 步）

Step 1：读图（用 gpt-image-2，建立画风与 IP 基线）

如果用户提供了"目标样图"（含主人公的那张），必须先用视觉模型读图，提炼：

画风关键词 → 写进/更新 references/style-dna.md
主人公精确外貌 → 写进/更新 references/mascot-ip.md

读图模型优先级：

gpt-image-2（用户指定，画风还原最准）
kimi-k2.6（百炼自带，备用）

读图 prompt（喂给视觉模型）：

请非常仔细地看这张图。分三部分回答：
【画风】类型/线条/上色/光影/背景/氛围/接近哪个IP
【主人公】逐部位：发型发色/脸型肤色/眼睛/眉鼻嘴/体型/服装逐件/配饰/表情/标志性记号
【构图】几个角色几个物件/主体位置占比/有无文字/单图还是拼图
直接给描述，不要开场白。

⚠️ 读图铁律：只描述图里真实看得见的，不确定的说"看不清"，绝不脑补。读完后把结果写回 style-dna.md 和 mascot-ip.md，作为后续生图的强约束。

Step 2：消化文章，产出 shot list

读文章/Markdown/Notion/主题，提取核心观点、认知转折、可可视化的段落。产出 4-8 张 shot list（短文 1-3 张，长文最多 9 张）。

每张写清楚：放在哪段后、主题、核心意思、结构类型、女孩在做什么、建议中文标注词。

Step 3：逐张生成（图生图优先，IP 最稳）

强烈优先走图生图模式：把用户的目标样图作为 reference image 传给百炼万相，叠加 references/prompt-template.md 模式 A 的指令。

百炼万相图生图接口（固定）：

POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
Authorization: Bearer ${VITE_DASHSCOPE_KEY}
{
  "model": "wan2.7-image",
  "input": { "messages": [{ "role": "user", "content": [
    { "image": "<参考图 data-url>" },
    { "text": "<prompt-template.md 模式 A 填好的指令>" }
  ]}]},
  "parameters": { "size": "1280*720", "n": 1, "watermark": false }
}

只有当没有参考图时，才退到模式 B 纯文生图（IP 容易飘，慎用）。

Step 4：QA 检查

按 references/qa-checklist.md 逐项过。重点：

女孩形象齐全且一致（发型/呆毛/耳环/裙子/靴子/腮红/眼睛）
所有元素同画风（机器也是黑线平涂，不是写实金属）
女孩承担核心动作
不复刻旧案例

不合格 → 局部编辑或重生成。

Step 5：保存与交付

保存到 assets/<article-slug>-illustrations/，命名 01-topic-name.png。交付时报告：张数、用途、文件路径、哪些稳、哪些可选。

输出准则

生成前的 shot list 简短，不要长篇风格理论
交付后的总结要包含：张数、用途、路径、稳/可选
不要长篇解释风格理论；让图自己说话

禁止

复刻旧案例构图（除非用户明确要求）
一张图讲多个结构
画风割裂（人物 Q版但机器写实）
女孩只是站在角落看
左上角写标题
添加与核心结构无关的装饰物

mascot-illustration

Q版治愈风吉祥物正文配图

核心定位

参考资料

工作流（5 步）

Step 1：读图（用 gpt-image-2，建立画风与 IP 基线）

Step 2：消化文章，产出 shot list

Step 3：逐张生成（图生图优先，IP 最稳）

Step 4：QA 检查

Step 5：保存与交付

输出准则

禁止

Q版治愈风吉祥物正文配图

核心定位

参考资料

工作流（5 步）

Step 1：读图（用 gpt-image-2，建立画风与 IP 基线）

Step 2：消化文章，产出 shot list

Step 3：逐张生成（图生图优先，IP 最稳）

Step 4：QA 检查

Step 5：保存与交付

输出准则

禁止