AI Skills实战：让技术文章配图和排版自动化

好久不用AI帮你画技术文章里的架构图、流程图也不用再为了统一表格样式、对齐代码截图在编辑器里折腾半天了。这套叫 baoyu-skills 的优质 Skills 集合是我最近实测下来最顺手的一套提示词技能库专门把“配图”和“排版”这两件琐碎又费眼的事变成了可以复用、可以批量执行的标准流程。写技术文章、写产品文档、做开源项目 README 的朋友这篇内容应该能帮你省下不少时间。1. 这套 Skills 到底在解决什么问题技术文章写久了你多半会遇到一个尴尬场景正文逻辑写得很顺结果一配图就卡壳——画架构图没有统一风格画流程图不知道放哪个位置合适表格在手机上显示得歪七扭八代码块的高亮语言忘了标。这些问题说大不大但每一个都够你来回改上十分钟。直接让 AI 帮忙吧普通对话里你又要反复描述风格、反复调整措辞常常改了三轮风格还是不统一。baoyu-skills 这个系列之所以“优质”核心在于它把一次性的聪明提示词变成了长期可复用的能力模块。每个 Skill 就像给 AI 配了一份“岗位说明书”明确告诉 AI 它擅长什么、输入什么、输出什么、遵循哪些设计规范。比如写架构图稳定性评估你只需要提供文字描述它会主动补全技术栈判断、关联关系推导等思考路径而不是只给你一段孤立的代码。这套东西能解决的不只是“让 AI 能画图”这么简单而是“让 AI 按你熟悉的风格稳定地画图、按你的文档结构稳定地排版”。2. 配图 Skill从“会画图”到“会配图”我一开始以为“配图 Skill”就是“让 AI 更好地生成图片”的提示词实际用下来才发现它真正牛的地方在于“会读文章”。一个合格的配图 Skill一般会先做三件事分析文章结构、找出最适合配图的段落、给每个候选位置推荐配图类型。技术文章最常见的配图类型不外乎架构示意图、时序流程图、对比表格、数据趋势图、截图标注这五种。普通 AI 对话是你说什么它画什么配图 Skill 则会问你一句“这段内容想表达的重点是层级关系还是流转关系”然后决定输出一张层级图还是一张流程动线图。这个差异很关键。拿最典型的技术架构图来举例。文章里如果有“核心链路”普通操作是你手动写一段 Mermaid 代码再贴到渲染器里而好的配图 Skill 会把“职责描述-模块边界-依赖关系”三层信息都识别出来自动生成带注释的 SVG 版本。我的经验是SVG 比位图更适合作技术文章配图因为它在阅读器里缩放不会模糊而且可以直接编辑文字、调整颜色变量。如果你的文章是那种“一堆名词散在各处、没有层级关系”的初稿配图 Skill 也会帮你做成“结构树图”或“心智图”而不是生硬地拼表格。这是它比“给我生成一张图”强得多的原因。它理解的是“该配什么图”而不仅仅是“怎么画出来”。这里有一个我踩过的坑别让 AI 在同一张图里塞太多信息。一套好的配图 Skills 通常会有“最小信息量原则”宁可分成两张图也不要让一张图里堆满所有模块。文字密度太高的架构图放到手机端阅读时基本只能放大才能看清体验是灾难级的。与其这样不如拆成“总览图局部细节图”的组合穿插在正文里阅读节奏也更自然。3. 排版 Skill不只是美化是结构化呈现说到排版很多人第一个想到的是“好看”但技术文章的排版核心是“逻辑清晰”。baoyu-skills 里的排版类 Skill 干的活通常包含这样的流程识别文档标题层级、纠正编号错乱、统一列表缩进、检查代码块语言标注、规范图片尺寸与对齐方式、调整表格列宽和换行策略。用行话讲就是把“内容层”和“呈现层”分开处理。有些排版 Skill 还能做“中文排版修正”比如强制使用弯引号、统一中英文之间加空格、修正连接号格式。这些细节点平时不注意一旦被读者截图发出来就特别显眼。我自己习惯在写完正文后跑一遍排版 Skill让它把这些容易忽略的地方一次性清扫干净。在一份技术文档里最常见的排版问题是“标题层级跳变”。比如从 ## 直接跳到 ####中间少了 ###。这在 Markdown 语法里不会报错但是生成的目录会断掉层级网站侧边栏看起来非常乱。排版 Skill 一般会自带“层级完整性检查”遇到这种情况会提示你把 #### 提升一级或补充 ### 小节标题。用了一段时间后我发现自己写文档都会下意识保持层级连贯算是被这套流程“反向训练”了。表格也是排版重灾区。内容一多Markdown 表格在移动端容易溢出屏幕。好的排版 Skill 不会建议你删除表格而是会把“逻辑表格”和“视觉卡片”做区分数据关系密切的保留为表格信息结构简单的转成卡片视图。比如三个版本的功能对比用卡片分列展示比一张拥挤的大表格清晰得多。这个转换逻辑需要一定的审美判断力所以它不太适合用一条简单的“表格转卡片”指令实现而是要依赖一整套规范来约束。4. 实操演示跑完一篇文章的配图与排版全流程光说思路可能不够直观用一篇虚拟的技术文章来走一遍流程。假设我打算写《跨平台消息同步方案设计与实现》初稿大概五千字包含方案背景、三条技术路线对比、核心链路设计、异常处理流程、压测结果这几部分。在没有配图和排版 Skills 的情况下我需要花差不多一整个下午去画图、调样式用上 Skills 之后大致流程是第一步先调用“文档初始化 Skill”让它扫描全文输出一个修订后的标题层级列表。这一步会检查章节编号是否连续标题是否具有可读性然后给出“建议把第三节拆成两节”这类结构调整建议。虽然它不能替你改全部内容但能让你一眼看到文档结构的问题。第二步调用“配图规划 Skill”把文章的关键段落丢给它。它会输出一个配图清单三条技术路线对比适合用一张三栏卡片图核心链路设计适合用一张分步流程图异常处理流程适合用一张泳道图压测结果适合用一张趋势曲线图。这个清单会标明每张图建议插入的位置。第三步逐张生成图片素材。对于架构图和流程图我通常选择 SVG 输出对于对比卡片和趋势图则生成 HTML 片段或内嵌样式表格。统一色调为深色背景加品牌色字号和圆角参数保持全局一致。这一步最舒服的地方在于同一套 Skills 生成的图风格基本是统一的不会出现第一张图是圆角、第二张图变成直角的情况。第四步跑“排版规范化 Skill”。它会帮我统一中英文之间的空格、修正代码块的语言标签、给图片加带编号的题注并把所有标题统一成“两段式编号”结构。这个 Skill 不需要我做太多判断它有明确的规则集属于“无脑跑一遍也放心”的类型。第五步做个“交付前校验”。我一般会让 AI 模拟一段读者视角的摘要检查配图和文章内容的对应关系再排查有没有遗留的宽表或超长行。这个校验 Skill 不是必须的但我用了两次之后发现它确实能抓住一些盲区——比如“图 5 的标题里写了旧方案名称”这种低级问题AI 一眼就能发现。整个过程跑下来花的时间主要消耗在“写文字描述”和“核对检查”上真正“重复劳动”的部分比如统一格式、生成图、调整样式基本都交给 AI 了。整套流程跑熟之后一篇中等篇幅的技术文章从初稿到可发布我自己大概只需要一个多小时。5. 实践中的坑与排查技巧这一节是干货重点。整套 Skills 用起来确实爽但踩坑是难免的。我把自己遇到过最典型的几个问题整理了一下供大家参考。第一个坑是“SVG 字体渲染问题”。如果你让 AI 直接输出 SVG 格式的架构图有时会渲染出奇怪的字体——小写 l 和数字 1 难以区分或者中文变成方块。排查后发现AI 生成的 SVG 有时会引用系统中不存在的字体名称。我的解决办法是在配图 Skill 的规则里明确写一行“字体使用无衬线字体栈禁止引用外部字体文件”并且在生成后第一时间在浏览器里打开检查。这个坑出现的概率不算低最好提前在 Skill 描述里约束住。第二个坑是“规则冲突”。当你同时把太多排版规则塞给 AI 时AI 会在某些边缘场景下无所适从。比如“所有表格都要转成卡片”和“保留数据关系紧密的表格”这两条规则同时存在AI 遇到一个中等复杂度的表格时就会犹豫。我的建议是不要试图用一个万能 Skill 处理所有排版场景而是拆分成“表格诊断”“卡片生成”“代码块格式增强”几个小 Skill按需调用。最忌惮的是图省事一个 Skill 写 50 条规则然后期待 AI 全记住结果往往和没写规则一样。第三个坑是“平台限制”。有些平台发布文章时会过滤内联样式或style标签。我在一个文档站点上发布文章时生成的 HTML 卡片样式完全失效回到最朴素的文本样式。后来我把排版 Skill 的输出规则改成“优先使用内联样式样式属性不超过三层嵌套”并且把“依赖 CSS 类”的方式列为禁忌才算稳定。写技术文章如果要在多个平台分发这一点务必提前确认平台的富文本过滤规则。第四个坑是“AI 对图片内容的过度发挥”。有时候你描述一个模块功能AI 会自作主张加一些看起来很合理但实际上不存在的能力点。排查方法也很简单每次生成完配图都要把图上的关键词和正文里的原词对照一遍凡是对不上的基本都是画蛇添足。我在自己的一篇数据库选型文章里AI 画架构图时给某个存储组件加了个“自动分区”能力实际上这个组件在方案里根本没有分区功能。这种错误很难通过“整体看图”发现必须逐词核对。再补一个排查顺序的建议如果发现 AI 生成的图片和文章不匹配先检查 Skill 描述里是不是没有包含“配图术语表”。给 AI 一份词汇表明确哪些概念可以出现在图中哪些不能比在每一条生成指令里反复强调“不要加内容”有效得多。我这里经过反复调整现在每个项目都会准备一张“术语白名单”长期积累下来 AI 出图的准确率稳定上了一个台阶。6. 如何打造一套属于自己的 Skills如果只用别人整理好的 Skills你很快会有两个感觉一是大部分场景能覆盖但总有隔靴搔痒的地方二是随着你某个细分领域越写越深通用 Skills 提供的适配度会逐渐不够用。真正的长期价值在于你自己也沉淀出一套“私有 Skills”。我建议从写“失败日志”开始。每当你手动调整了一次 AI 的输出就记录下调整原因。调整三次以上的场景就值得固化成一条 Skill 规则。比如说我发现自己经常手动把 AI 生成的标题改短原因是 AI 总是把标题写成“基于 XX 的 XX 方案设计及实现研究”又长又拗口。于是我加了一条规则“技术文章标题不得超过 28 个汉字尽量避免‘基于’‘研究’等填充词”。从那以后AI 生成的标题基本都不用再改了。打造私有 Skills 时有一个原则很重要让 Skill 的约束尽量“可验证”而不是“凭感觉”。比如“风格一致”就不如“所有线条宽度统一为 2px图标圆角半径统一为 6px主色调用 #4A6CF7辅助色调限制在另外两个色号内”来得可靠。AI 对不客观的描述容忍度很低定义越清晰输出越稳定。最后分享一个压箱底的经验不要把希望全寄托在一两套“神提示词”上。我见过不少人找了一套知名的开箱即用 Skills发现不是所有场景都好用然后就下结论说“没多大用”。其实任何一套好的 Skills 都需要和自己的工作流磨合它不只是一个工具更像是一个需要你不断调整规则、补充约束的工作伙伴。我自己用 baoyu-skills 的这段时间里真正收获的不只是省下的那几个小时而是慢慢养成了一套属于自己的“输出规范”现在哪怕离开这些 Skills我写文章的手感和检查意识也比以前强了不少。配图和排版这种事做得好的人靠的是长期形成的肌肉记忆现在你把记忆复制给 AI接下来就轮到内容本身成为你的注意力焦点。