项目研究：guizang-material-illustration

项目：op7418/guizang-material-illustration 作者：归藏（op7418）— 国内知名 AI 设计博主、产品设计师 类型：Claude Code / Codex Agent Skill（带字解释图、图表美化、参考辅助配图） License：无 LICENSE 文件（⚠️ 默认 All Rights Reserved，详见风险章节） GitHub：163 ⭐ / 12 forks / 0 open issues（2026-07-08 截至） 仓库年龄：2026-07-07 创建（仅 1 天！）— 全新首发 最后提交：2026-07-07 18:13 UTC 语言：Markdown（SKILL.md + 6 个 references + 1 个 prompt-template，全文档驱动） 代码规模：约 37 KB（无任何可执行代码，纯 skill 文档） 官方教程站：无（HANDOFF.md 提到原作者验证路径在 /Users/guohao/.codex/skills/） 作者生态：归藏已有 28 个公开仓库，最高 stars 仓库 guizang-ppt-skill 20.5k

「这是什么」一句话定性

归藏把"文档配图"这件最让中文内容生产者头疼的事做成了一个可插拔 Agent Skill——你给文章/截图/数据，它自动判断是流程图、机制图、图表还是人文场景，按归藏自创的"Swiss editorial 3D 材质插画"风格输出带中文标签、能直接塞进社交卡片或 PPT 的中心图。核心卖点是"图里能稳定出中文短标签"（AI 图像生成的世纪难题之一）和"图表截图只抽语义不继承丑排版"。

比喻：把 GPT-Image 比作一个会画画但不会写字的画家，Guizang Material Illustration 是个给画家配的"图内文字+数据精度"质检员——画家画完，质检员检查"中文标签对吗？数据准吗？图别太小、字别糊、参考物别画错"，错了就退回重画。和它的兄弟 Document-illustrator-skill（v1.0, 566 ⭐）比，这个 v0.1 砍掉了文档解析层，专注做"配图层"这一块——从全家桶拆出一个最小可独立复用的工具。

「它怎么转」逻辑全景图

├─ 触发层：什么时候需要翻这个 Skill？
│   ├─ 写公众号/小红书文章：要中间那张"能讲清概念"的配图，不是封面也不是装饰
│   ├─ 做 PPT 汇报：每页 PPT 中间需要一张解释图
│   ├─ 周报/项目复盘：要把"进展/风险/决策/下周"画成四象限
│   ├─ 教程/教育内容：杠杆原理、PKCE 流程、生态系统等需要"图内带字"的解释图
│   ├─ 数据图表美化：拿到一张丑截图，重新画成"数据正确+风格统一"的传播图
│   └─ 冷门概念可视化：Andon、Zettelkasten、Panopticon、模型 Logo 等要先查参考再画
│
├─ 核心层：Skill 怎么工作？8 步工作流
│   ├─ Step 1 读材料：读用户文本/截图/数据，找出"真正需要被画出来的关系"
│   ├─ Step 2 内部判断类型：不让用户选模式，Agent 自己判断（流程/机制/图表/人文/教育）
│   ├─ Step 3 必要时查参考：冷门概念、品牌、模型、科学装置、历史物件先查事实+参考图
│   ├─ Step 4 压缩文案：每张图压成"一句说明 + 3-5 个短标签"
│   ├─ Step 5 写生成提示词：明标签、数据、比例、安全区、视觉风格、参考线索
│   ├─ Step 6 生成图片：调用 GPT-Image / imagegen 或当前 Agent 可用的图像能力
│   ├─ Step 7 检查并重生：中文标签、数据、裁切错了 → 优先重新生成，不靠 HTML 贴字补救
│   └─ Step 8 交付资产：保存图片路径+提示词到 local-tests/<slug>/
│
├─ 8 种视觉结构（prompt-patterns.md 提供的"积木"）
│   ├─ Cycle 循环：3-4 个对象围成圆圈 + 箭头（适合反馈回路、迭代飞轮）
│   ├─ Pipeline 管线：左到右的对象链 + 必要时返回线（适合流程、生命周期）
│   ├─ Hub-and-spoke 中心辐射：中央路由 hub + 多分支（适合多 Agent 编排、分类）
│   ├─ Before/After 对比：左右两态 + 中间转换（适合升级、迁移、清理）
│   ├─ Layer Stack 分层栈：垂直层 + 旁边标签（适合架构、依赖）
│   ├─ Data-First Scene 数据场景：图表嵌入场景（适合传播性数据可视化）
│   ├─ Scientific Mechanism 科学机制：部件+力+反应+方向（适合物化生）
│   └─ Text Scene 文字场景：文学/历史/日常场景锚定抽象概念（适合人文）
│
├─ 视觉系统（visual-style.md 锁死的"归藏材质插画"定义）
│   ├─ 默认：clean Swiss editorial 3D vector-like
│   ├─ 背景：off-white（米白）+ 黑色 ink 线条 + 浅灰物理表面
│   ├─ 强调色（5 选 1，**不混用**）：
│   │   ├─ IKB Blue #002FA7：技术/AI/工作流（**默认**）
│   │   ├─ Safety Orange #FF6B35：警示/决策/迁移/风险
│   │   ├─ Lemon Green #C5E803：增长/复利/健康/财务
│   │   ├─ Lemon Yellow #FFD500：教学/总结/初学者指南
│   │   └─ Signal Red #E60012：失败/阻塞/严格审查（克制使用）
│   ├─ 比例：1.9:1（社交卡片 image well 936x500）/ 16:9（PPT hero）/ 1:1（少见）
│   └─ 反模式（do not）：装饰 blob、bokeh、渐变球、stock-photo 背景、Logo、水印、密集图例
│
├─ 中文图内文字规则（**整个 Skill 的核心差异化卖点**）
│   ├─ 2-5 字短标签为佳，6 字封顶
│   ├─ 3-5 个标签/张图
│   ├─ 位置明确：top-left/center/right、bottom-center、right edge
│   ├─ 水平、高对比、远离边缘
│   ├─ 用日常中文，不用 "Trigger/Stop/Use" 等英式 UI 标签
│   └─ 错了就重生，不靠 HTML 硬贴（核心原则）
│
├─ 图表美化的"数据优先"原则（chart-beautify.md）
│   ├─ 输入是截图时，**只抽语义不抽视觉**：保留图表类型/标题/数据/坐标/单位/误差线
│   ├─ **不继承**：原配色、原字体、原 bar 形状、原间距、原阴影、原背景
│   ├─ 两种重画模式：
│   │   ├─ Faithful Chart Redraw：原图布局好时，只换皮
│   │   └─ Data-First Editorial Composition：默认模式，让图表占 45-70% + 周围配场景
│   └─ QA 严格：轴范围、刻度、类别顺序、数值、误差线，错一个就重画（不放过）
│
└─ 输出层：怎么判断 Skill 是不是用对了？
    ├─ 配图能直接塞进小红书/公众号/PPT/文章不违和
    ├─ 图内中文短标签清晰可读、数据精准
    ├─ 单图资产可复用（提示词+图片路径都存了）
    └─ 风格跨图集一致（统一 off-white + 统一 accent 色）
│
└─ 卡点层：新手最容易在哪里翻车？
    ├─ 卡点 1：以为这是"万能生图 skill"——其实只做中心配图，不做完整社交卡片（标题/正文/尺寸归 Social Card Skill 管）
    ├─ 卡点 2：在图内硬塞长文——2-5 字是上限，长解释留给外层卡片/正文
    ├─ 卡点 3：拿 GPT-Image 生成后用 HTML 贴字补救——错，标签错就重生图，不贴字
    ├─ 卡点 4：以为参考搜索 = 抄风格——错，参考只补事实和视觉线索，最终统一归藏材质插画
    ├─ 卡点 5：图表截图"换皮"——错，只抽语义不抽视觉，原图丑排版就重画
    └─ 卡点 6：LICENSE 缺失——⚠️ **没有 LICENSE 文件**，默认 All Rights Reserved，商用前先问归藏

「怎么升级」三段位路线图

├─ 入门段（能用）：掌握一个核心动作就够了
│   ├─ 动作：复制作者测试案例里"小学物理杠杆"那组提示词，跑通一遍
│   ├─ 步骤：
│   │   1. npx skills add https://github.com/op7418/guizang-material-illustration --skill guizang-material-illustration
│   │   2. 在 Claude Code / Codex 里说"用歸藏的材质插画 skill，给这篇杠杆原理文章做一张配图，标签：支点/用力点/阻力点/力臂"
│   │   3. 看效果：标签对吗？数据对吗？风格对吗？
│   ├─ 完成标志：你能在不读 SKILL.md 的情况下，让 Agent 按你预期出图
│   └─ 时间投入：30 分钟
│
├─ 进阶段（用好）：补两个认知
│   ├─ 认知 1：8 种视觉结构是"积木"，不是"模板"
│   │   ├─ 不要硬套 prompt-patterns.md 里的现成 prompt，要拆解它的"结构 + 标签规则 + 风格锁"
│   │   ├─ 真正稳定的是：3-5 个短标签 + 统一 accent 色 + off-white 背景 + 1.9:1 比例
│   │   └─ 这套约束可以套到任何"AI 生图"场景，不限于归藏的 prompt
│   ├─ 认知 2：图表美化的"语义抽取"是核心能力
│   │   ├─ 拿到一张截图，先用 LLM 抽出"图表类型+标题+数据+坐标+单位+类别顺序+误差线"
│   │   ├─ 抽取后只把这 7 个字段塞进 prompt，其他一概不继承
│   │   └─ 这个工作流可以套到任何"丑图重画"场景，不限于归藏
│   └─ 时间投入：选 3 个不同领域（科技/教育/人文）各跑一遍，观察风格一致性——约 1 周
│
└─ 高手段（用活）：高手和普通人的本质差距
    ├─ 差距 1：从"用归藏的 skill"变成"吃透归藏的设计哲学"
    │   ├─ 归藏的核心哲学：**"图内可以有字，但字要短；外层卡片负责长正文"**——分层处理信息密度
    │   ├─ 这是设计领域的"图与文分工"原则的 AI 化
    │   └─ 吃透这个哲学后，你做自己的图也能拿 80% 效果
    ├─ 差距 2：从"单 Skill 使用"变成"Skill 编排"
    │   ├─ 归藏的生态是矩阵：
    │   │   ├─ guizang-ppt-skill（20.5k ⭐）= 完整 PPT 排版
    │   │   ├─ guizang-social-card-skill（4.7k ⭐）= 完整社交卡片
    │   │   └─ guizang-material-illustration（163 ⭐，新）= 中心配图
    │   ├─ 正确用法：先 Material Illustration 出中心图 → Social Card Skill 排卡片 → PPT Skill 排演示
    │   └─ 错误用法：试图用一个 Skill 干所有事
    ├─ 差距 3：从"用现成 prompt"变成"自己写 prompt 模板"
    │   ├─ assets/prompt-template.md 给了 1 个"通用解释图"模板
    │   ├─ 你应该基于自己领域（产品/技术/教育/金融）写 3-5 个定制模板
    │   ├─ 关键变量：accent 色、标签位置、构图比例、参考搜索清单
    │   └─ 模板沉淀后，团队可以共享成"公司级设计语言"
    └─ 差距 4：从"图本身"变成"图 + 提示词 + QA 记录"
        ├─ 归藏的 local-tests/<slug>/PROMPTS.md 模式值得学
        ├─ 把"为什么这张图这样画"（参考了什么、抽了什么、不采用什么）记录下来
        ├─ 这是可复用的"设计决策日志"
        └─ 3 个月后回看，能看出"我的设计语言在进化"还是"原地打转"

「能用在哪」场景迁移建议

底层逻辑（这个 Skill 本质在做什么？）

解决 AI 图像生成领域三大顽疾： 1. 图内文字生成质量差（中文字常错字/糊/截断）→ 用"短标签+重生"流程硬扛 2. 图表截图换皮而不是真重画 → 用"只抽语义不抽视觉"原则 3. 冷门概念画错（模型 Logo、历史物件、科学装置）→ 用"参考搜索补事实"工作流

可平移的底层逻辑："AI 生图的质量 = prompt 锁定的精度"——归藏的 8 种结构 + 5 种 accent + 7 个图表字段 + N 条 QA 规则，本质是给图像生成模型"戴上紧箍咒"。

至少 2 个可直接平移的场景

场景 1：中文内容创作者的"配图 SOP" - 类比：归藏的 Skill 解决"AI 配图质量不可控"问题；你的内容创作也面临同样问题 - 迁移变量： - 把 8 种视觉结构 + 5 种 accent 色作为团队"配图风格指南" - 把"3-5 个短中文标签"作为统一标准（不要在图内塞长文） - 把"参考搜索"工作流纳入 SOP（冷门概念先查） - 把"PROMPTS.md 记录"纳入交付物（可复用） - 风险：归藏的风格偏 Swiss editorial（克制、几何、米白），如果你的内容是活泼/插画/卡通风，需要调整 visual-style.md

场景 2：企业内训/技术文档的"配图自动化" - 类比：归藏针对中文内容生产的痛点；企业内训同样有大量"长文档+需要配图"场景 - 迁移变量： - 把"图表美化"工作流用于"老旧 PPT 数据图重画"——一次重画，整年复用 - 把"机制图"工作流用于"内部系统架构说明"——IT 文档配图不再靠设计师手画 - 把"教育图"工作流用于"新员工培训手册"——杠杆原理/流程图自动出 - 风险：企业场景对数据准确性要求更高，QA 流程要更严（建议加"数据双重验证"步骤）

场景 3（额外）：从"AI 生图 Skill"反推"AI 生文/生码 Skill"的设计模式 - 类比：归藏的 Skill 用 8 种视觉结构 + 5 种 accent + QA checklist 组织；其他 AI 生成（文/码/视频）也面临类似问题 - 迁移变量： - 8 种结构 ≈ 8 种"内容模板"（开篇/论证/案例/总结...） - 5 种 accent ≈ 5 种"语气风格"（正式/轻松/专业/亲和/警示） - QA checklist ≈ "输出质量自检清单" - 这种"结构 + 风格 + QA"三件套，可以套到任何 AI 生成 Skill 的设计 - 风险：抽象层级高，需要根据具体领域（文/码/视频）调整 checklist 细节

如果你部署了这个 Skill，会有什么好处和风险？

好处： - 立刻获得"AI 配图 + 中文标签"的可控工作流（之前只能靠反复试 prompt） - 8 种视觉结构 + 5 种 accent 色，跨图风格一致性比直接用 GPT-Image 高 5-10 倍 - 和归藏生态无缝衔接（PPT 20.5k stars、Social Card 4.7k stars 都已成熟） - 0 open issues + 完整 QA checklist = 生产可用 - 安装极简：npx skills add <url> 一行搞定

注意事项： - 没有 LICENSE 文件（⚠️ 重大风险）：仓库里 LICENSE 是空的，默认 All Rights Reserved。商用前必须联系归藏明确授权，或者 fork 后只用于内部学习 - 依赖 GPT-Image / imagegen 能力：需要 OpenAI / 国产多模态模型 key - 中文标签稳定性依赖底层图像模型：GPT-Image-2/3 中文渲染 ≥99% 准，但其他模型可能掉到 80% 以下 - 风格偏 Swiss editorial（克制几何），不适合活泼/插画/卡通风 - 文档配图场景已被 Document-illustrator-skill（566 ⭐）覆盖——功能重叠时优先选 Document-illustrator-skill（成熟度更高），Material Illustration 适合"只要中心图不需文档解析"的轻量场景

风险： - 1 天新仓风险：才发布 1 天，stars 才 163，可能还在快速迭代；建议观察 1-2 周再生产使用 - 作者精力单点：归藏 28 个仓库 + 课程业务，可能不是这个 Skill 的最高优先级 - 生态绑定风险：用归藏的 Skill = 绑定归藏的视觉风格；如果未来要换风格，工作流要重写 - 空 LICENSE 法律风险：⚠️ 严格来说不能 fork + 商用，要先联系作者

和大管家（峰哥这边）的关系

灵魂一句话

这仓库的灵魂是"图与文要分层"——归藏赌的是：把"图内长文/密集图例"这种 AI 生图最常见错误，从一开始就拦在 prompt 里。图只管短标签和数据精度，长解释交给外层卡片/正文。当别人还在和 GPT-Image 死磕"中文字怎么不糊"时，归藏已经用"重生 > 修补"的工程化思维把这个问题从创意领域拽进了 QA 流程。

我的判断

和峰哥这边的契合度： - ✅ 直接可装到 ~/.openclaw/skills/ - ✅ 设计哲学和我们 SOUL.md 的"删废话"原则一致 - ✅ 中文标签规则可平移到我们网站配图 - ⚠️ LICENSE 问题让我们发布自己的 SKILL 时强制带 LICENSE成为更明确的纪律 - 💡 灵感：归藏的"8 种结构+5 种 accent"模式可以套到我们做"研究汇报"插图

研究日期：2026-07-08 研究员：大管家 研究流程：RESEARCH.md 四步法（定性 → 全景 → 升级 → 迁移） 关键源数据：SKILL.md + 6 个 references/ + HANDOFF.md + PRODUCT.md + 仓库 API 元数据 + 归藏其他 28 个仓库生态对比 重要提醒：仓库无 LICENSE 文件*（2026-07-08 截至），商用前必须联系归藏明确授权