article-batch-illustration（文章批量配图）Skill 是什么？

文章批量配图Skill：一次确认，让整篇 Markdown 文章自动拥有成套配图

核心定位：这是一个面向 Markdown 长文写作的「批量配图」AI 技能，自动按 H2/H3 标题拆解文章结构，为每个段落生成配图提示词并批量出图。
两种风格可选：默认「简约手绘风」（白底黑线，适合概念解释、流程说明），也可切换「建筑蓝图/技术期刊编辑风」（适合系统架构、技术分析）。
两阶段流程可控：Phase 1 只产方案（结构分析表 + 全局风格指令 + 逐段提示词），等用户确认；Phase 2 才真正调用 Gemini API 出图并回写文档。
落地到 Obsidian：图片按 09image/MMDD-主题简称/ 目录规范自动归档，并以 ![[...]] wikilink 形式插入到对应段落标题下方。
触发方式极简：说出「批量配图」「给文章配图」「为这篇文章配图」等自然语言指令即可启动，无需记命令。

1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？

技能信息一览：

项目	内容
中文名	文章批量配图Skill
英文名	article-batch-illustration
技能ID	12518
一句话描述	分析文章结构并批量生成 AI 配图，调用 Gemini API 为每个段落创建专业逻辑图/概念图
默认风格	简约手绘风（黑色线条、白底为主）
默认规格	16:9 横版、2K 分辨率

它解决什么问题？

写过 Markdown 长文的人都懂这个痛：正文几千字写得很顺，但一到配图环节就卡住——要么每张图都去网页版绘图工具里手动敲提示词、下载、重命名、再拖回文档，十几张图能耗掉一下午；要么干脆放弃配图，让文章变成一大片纯文字。更麻烦的是风格不统一：同一篇文章里，前一张图是卡通风、后一张是写实风，读者一眼就能看出是"拼凑"出来的。

这个技能把配图变成一个结构化的流水线：先读懂你的文章（拆段落、提炼核心观点和关键概念），再为每段生成风格一致的提示词，确认后批量生成并自动插入文档。你要做的，只是审一遍提示词清单然后说"确认"。

「一键安装」的思路与步骤

该技能的安装入口与具体命令未在技能详情中给出，请以官方说明为准。通用流程如下：

确认前提条件：准备一个可运行 AI 技能的环境（支持技能安装的客户端或插件形态），并具备一个可用的 Gemini API Key——技能在出图阶段需要调用 Gemini API。
获取并导入技能：在技能市场或技能管理面板中，通过技能名「文章批量配图」或英文名 article-batch-illustration、技能ID 12518 检索并安装（具体入口以官方说明为准）。
补齐依赖：技能依赖 scripts/generate_image.py 脚本执行出图，需确保本地 Python 3 环境可用；同时需要存在 Obsidian 图片目录（技能默认写入 obsidian/09image/）。
配置 API 参数：将 API URL（https://generativelanguage.googleapis.com）、模型名（gemini-3-pro-image-preview）以及你自己的 API Key 填入配置或调用参数中。请勿直接沿用他人分享的密钥，务必替换为自己的 Key。
验证是否生效：打开一篇含多个 H2 标题的 Markdown 文章，对助手说"给这篇文章配图"。若技能正常响应，它会先输出一张「文章结构分析」表格（段落标题 / 核心观点 / 关键概念），说明已生效。

2. 该技能的主要功能和特点

自动结构解析：读取当前打开的文件或用户指定路径的文章，按 ##（H2）/###（H3）标题切分段落，自动忽略 frontmatter、纯引用、脚注等辅助内容，只对真正的正文段落配图。
双层提示词体系：先生成一份全局 STYLE INSTRUCTIONS（风格、色彩方案、比例、分辨率、文字量、视觉语言、一致性要求），再为每段生成独立提示词。这样每张图都由同一套"视觉规范"约束，成套感强。
强制中文标注：每条提示词末尾自动追加"图中文字必须主要为简体中文"的指令，专业术语（AI、API、LLM、RAG 等）则可保留英文，避免出现"图里全是英文标签"的尴尬。
人工确认关卡：Phase 1 只出方案不出图，用户可以逐条修改、指定某张图换风格、调整描述，确认后才进入批量生成，避免浪费调用额度。
容错式批量执行：逐张生成，每张完成后检查脚本输出；某张失败则记录并继续下一张，最后统一汇报失败项，不会因一张图中断全流程。
限流保护：图片之间建议间隔 2–3 秒，降低触发 API 限流的概率。
规范归档 + 自动回写：图片按日期与主题归档（MMDD-主题简称/01-段落标题简称.png），并在每个段落标题后自动插入 Obsidian wikilink 引用。
两种风格随时切换：既可在确认阶段选定全局风格，也可单独为某一张图指定不同风格。

和普通绘图工具比强在哪？ 普通文生图工具是"一张一张来"，本质是绘图工具；这个技能是"按文章结构来"，本质是内容生产流水线——它理解文章，而不只是理解一句提示词。

3. 如何使用该技能？

第一步：触发技能

打开需要配图的 Markdown 文章，用自然语言说出触发词即可：

你说	技能行为
“给这篇文章配图”	分析当前打开的文章并批量配图
“批量配图”	同上
“用风格 2 给文章配图”	切换为建筑蓝图编辑风格
“修改第 3 张图的提示词”	重新生成指定图片
“重新生成第 2 张”	用修改后的提示词重新调用 API

第二步：审阅结构分析

技能返回类似下面的表格，请检查段落切分是否符合预期：

## 文章结构分析
| # | 段落标题 | 核心观点 | 关键概念 |
| 1 | 数据采集 | 多源数据统一接入 | 采集, 清洗, 入库 |
| 2 | 智能处理 | 模型自动完成分类与摘要 | 分类, 摘要, LLM |

第三步：审阅提示词大纲

技能会先给出全局风格指令，再逐图列出图表类型和完整提示词：

### 图 1: 数据采集
- 图表类型: 概念图
- 提示词: （英文叙述性描述 + 中文标签，如「数据采集」「智能处理」+ 中文为主指令 + 排除项）

此时你可以直接说"第 2 张改成对比图"“全局换成风格 2”。

第四步：确认并批量生成

说"确认"后，技能逐个调用脚本执行，等价于：

python3 scripts/generate_image.py \
  --prompt "提示词内容" \
  --output "obsidian/09image/MMDD-主题名/01-段落名.png" \
  --api-key "你的 Gemini API Key" \
  --api-url "https://generativelanguage.googleapis.com" \
  --model "gemini-3-pro-image-preview" \
  --aspect-ratio "16:9" \
  --resolution "2K"

第五步：检查插入结果

生成完成后，文章对应段落标题下会出现图片引用：

## 数据采集

![[09image/0206-AI生产力系统/01-数据采集.png]]

段落正文内容...

输入输出小提示

输入：一篇带 H2/H3 结构的 Markdown 文章（结构越清晰，配图越准）。
输出：一组风格统一的 PNG 图片 + 已插入引用的原文档。
命名规则：MMDD 取当天日期，主题名从文章 H1 标题精简提取，编号两位数字。

4. 同类型竞品对比分析

方案名称	定位	核心功能	安装/使用门槛	适用场景	优势与不足
文章批量配图Skill（本技能）	面向 Markdown 长文的批量配图流水线	结构解析、双层提示词、批量出图、自动归档并插入 Obsidian	需支持技能的客户端 + Python 环境 + 自己的 Gemini API Key	技术博客、知识库长文、教程文档的成套配图	优势：成套风格统一、按段落精准配图、全程自动化；不足：依赖特定编辑器目录与 API 额度
通用文生图网页工具	单张图生成工具	输入提示词出单张图	极低，打开网页即用	封面图、单点示意、灵感尝试	优势：上手快；不足：需逐张手写提示词，风格一致性靠人工把控，下载归档全靠手动
通用 AI 绘图助手（对话式）	对话中出图	多轮对话微调单张图	低	需要反复迭代的精细单图	优势：可迭代；不足：不理解文章结构，不负责回写文档
写作平台内置配图	编辑器附属功能	按标题/关键词推荐图库或生成图	极低	社交媒体短文、营销文案	优势：零配置；不足：多为通用素材，逻辑图/概念图表达力弱，无法自定风格体系

选型建议：偶尔配一两张图，通用网页工具就够；一旦到了"一篇长文要配十张图"的量级，且对风格统一和归档规范有要求，这类批量技能的优势才会真正显现。

5. 该技能的典型应用场景与实际体验情况

场景一：技术博主的周更长文 痛点：一周写一篇 5000 字技术长文，配图要 8–12 张，过去靠"写完再逐张想图"的方式，经常拖到深夜。使用方式：写完正文直接说"给这篇文章配图"，选择风格 2（建筑蓝图编辑风）更贴合技术调性。实际体验：结构分析表出来后基本不用改，提示词偶尔需要微调 1–2 张的图表类型（比如把概念图改成层次图）。整体从"两小时配图"缩短到"审稿式十分钟"。

场景二：知识库 / Obsidian 笔记体系化整理 痛点：笔记散落在库里，读者（包括未来的自己）回看时缺少视觉锚点。使用方式：对已归档的文章批量补图，图片按 09image/MMDD-主题/ 自动归位，wikilink 直接可预览。实际体验：归档规范省去了手动建目录、重命名的工作，这是最被低估的价值。注意：插入位置固定为段落标题下方，若要放到段尾需手动调整。

场景三：内部技术文档与方案说明 痛点：架构方案用纯文字描述，评审时同事反复追问"这个流程到底怎么走"。使用方式：把方案文档拆成 H2 段落，用风格 2 批量生成流程/架构类概念图。实际体验：图表类型选得准，沟通成本明显下降。注意事项：图片中文字以简体中文为主，专业缩写保留英文，审阅时留意术语是否与团队口径一致。

场景四：教程与操作手册 痛点：步骤类内容文字冗长，读者容易迷失。使用方式：每个 H3 小节配一张流程图。实际体验：上手难度低，几乎不需要学新东西；但批量生成时务必保留 2–3 秒间隔，否则容易触发限流导致个别图失败，好在技能会记录失败项并在末尾汇报。

6. 该技能能为用户带来的价值

效率层面：把"逐张想提示词 → 下载 → 重命名 → 插入"的重复劳动，压缩成"审一遍提示词清单"。十张图的工作量从数小时级降到分钟级，且不随图片数量线性增长。
门槛层面：用户不需要会写英文提示词。技能内部用英文撰写提示词主体（模型理解更好），同时把需要出现在图里的标签直接写中文，两头都照顾到。
质量层面：全局风格指令保证整篇文章的图"像是一套东西"，避免读者产生拼凑感；人工确认关卡则保证方向不会跑偏，不浪费调用额度。
长期价值：目录命名、编号、wikilink 引用全部标准化，几个月后回看，图片依然能顺着文档结构找到，知识资产的可持续性显著提升。

7. 常见问题 FAQ

Q1：怎么安装这个技能？需要准备什么？ 在支持技能的环境中用技能名「文章批量配图」、英文名 article-batch-illustration 或技能ID 12518 检索安装（具体入口以官方说明为准）。前提是有一个可用的 Gemini API Key、可执行 Python 3 的环境，以及一个 Obsidian 图片目录（默认 09image/）。

Q2：收费吗？ 技能本身是配图流程的编排，真正的成本来自 Gemini API 调用——按图片张数消耗额度。因此"是否收费"取决于你的 API Key 账户方案，具体价格以官方说明为准。建议先用 2–3 段的小文章试跑，确认效果再批量使用。

Q3：适合谁用？ 最适合三类人：一是经常写 Markdown 长文的技术博主与教程作者；二是用 Obsidian 搭建知识库、希望笔记有视觉锚点的重度用户；三是需要产出方案文档、希望快速补齐流程图的工程师。只偶尔配一张图的话，通用网页绘图工具更省事。

Q4：能指定风格吗？可以只重画某一张吗？ 可以。默认是简约手绘风，说出"用风格 2 给文章配图"即可切换为建筑蓝图编辑风；在提示词确认阶段，还可以单独为某一张图指定不同风格，或用"修改第 3 张图的提示词""重新生成第 2 张"来局部重做。

Q5：生成失败了怎么办？ 技能是逐张生成的，某张失败会记录后继续下一张，最后统一汇报失败项，不会中断整个任务。常见原因是 API 限流，可在重试前适当拉长间隔（建议每张间隔 2–3 秒）。另外请确认 API Key、API URL 与模型名填写正确。