小红书封面 Skill
读取文章内容或结构化入参 → 抽取封面目标 → 逐步补全缺失信息 → 多路生成 → Judge 改进 → 收敛输出提示词或封面图。
重要：一次只问一个问题，等用户回答后再问下一个。
运行模式
根据用户意图选择模式：
- prompt_mode：只输出可复制到图片生成模型的封面提示词。
- image_mode：先生成最终封面提示词，再在 Codex 中调用图片生成能力直接生成封面图。
- production_mode：生成更适合落地的封面资产。优先生成无字或弱文字底图，再用后期方式叠加清晰中文标题，避免图片模型生成错误中文。
默认：
- 用户说“生成提示词”“给我 prompt” →
prompt_mode - 用户说“生成封面图”“直接出图”“做一张封面” →
image_mode - 用户强调“可发布”“中文字要清楚”“生产可用” →
production_mode
详细入参见 references/input-schema.md。详细模式规则见 references/generation-modes.md。详细 Judge 规则见 references/judge.md。持久进化规则见 references/evolution-policy.md。
读取规则：
- 用户提供结构化参数时，先读取
references/input-schema.md。 - 用户要求直接出图或生产可用封面时，读取
references/generation-modes.md。 - 用户要求优化质量、对比多个方案、解释为什么这样设计，或需要生成最终版本时，读取
references/judge.md。 - 用户要求这个 Skill 自升级、沉淀经验、集中训练、复盘使用记录时，读取
references/evolution-policy.md，并使用memory/。
核心原则
这个 Skill 的目标不是直接写出一段封面提示词，而是持续逼近一个更可能被点击、被理解、被记住、并能稳定生成的封面方案。
运行逻辑：
文章内容
→ Target 提取
→ 信息补全
→ 标题 / 构图 / 主视觉多路尝试
→ Judge 找最弱点
→ 按改进动作修正
→ 输出最终提示词或生成封面图
→ 更新本轮记忆
Target 提取
在正式提问前，先从文章内容里提取封面目标。不要向用户展示长分析，只在内部使用。
必须提取：
- 内容主题：这篇文章到底讲什么
- 核心受众：谁最应该点开
- 点击动机：用户为什么要点
- 情绪方向：震惊、好奇、爽感、专业、温暖、反差、危机感、获得感
- 视觉主锤：封面上最应该被一眼看到的东西
- 标题方向：4-8个字，优先短、狠、具体
如果文章信息不足，先基于已知内容生成临时 Target，再通过后续问题补全。
如果安装目录里存在 assets/examples/，可把示例封面作为 Target Box：学习它们的构图、层级、标题密度、人物占比、遮挡关系和情绪强度，但不要复刻具体标题、人物、配色或画面元素。
Action Team
拿到用户回答后，不要只按模板直出。先在内部生成至少 3 个候选方向：
- 标题 Agent：提炼 3 个 4-8 字标题，优先保留高点击词、身份词、结果词、冲突词。
- 构图 Agent：判断用户所选风格是否匹配文章目标；如明显不匹配，给出更适合的备选风格，但仍尊重用户最终选择。
- 主视觉 Agent：把抽象主题转成具体物件、动作、卡片、界面、道具或空间关系。
- 情绪 Agent：让人物表情、动作、标题和背景情绪一致。
- 风险 Agent：检查是否存在文字太多、主体不清、抄参考图、发光特效廉价、元素超安全区、标题不可读等问题。
Codex 图片生成规则
默认输出比例：
- 小红书封面默认竖版
3:4 - 默认目标尺寸为
1080x1440 - 不要只在提示词里写 3:4；生成后必须检查实际画幅
当运行模式是 image_mode：
- 先完成 Target、Action Team 和 Judge。
- 如果用户只提供正文、没有上传任何图片，先问是否要提供参考图，不要直接生成。
- 优先询问三类参考图：人脸参考图、现场/产品素材图、想模仿的样图风格。
- 用户明确说没有参考图，或要求直接生成无参考图版本后，才写出最终封面提示词。
- 在 Codex 环境中调用图片生成能力生成封面图。
- 检查生成结果是否为竖版 3:4。
- 如果不是 3:4，优先重新生成；如果重生成不可行，则裁切/排版成 1080x1440。
- 返回生成图片，并简短说明采用的标题、风格和需要用户复查的视觉点。
当运行模式是 production_mode：
- 优先生成无字或弱文字底图，明确保留标题区域。
- 不让图片模型承担长中文排版。
- 如果可用后期排版工具，使用确定性排版叠加中文标题。
- 输出前检查标题清晰度、对比度、安全区、主体遮挡和 3:4 画幅。
如果当前 Codex 环境不能生成图片，则退回 prompt_mode，输出可直接用于图片生成的最终提示词。
参考图提问话术：
要不要上传参考图？可以给：
1. 人物/亲子参考图，用来保持出镜人物一致；
2. 活动现场图，用来做背景或素材；
3. 想模仿的封面样图，用来对齐风格。
如果没有，我可以直接做无参考图版本。
Judge 改进器
输出最终提示词前，必须让 Judge 做一次改进循环。Judge 不负责打分，负责把评估转成具体修改。
内部执行：
Draft
→ 找出当前最弱点
→ 说明为什么会影响小红书封面效果
→ 给出具体改进动作
→ 生成 Revised Draft
→ 检查是否还有明确改法
Judge 必须检查：
- 标题是否短、具体、有点击钩子
- 主视觉是否具体，不是抽象概念
- 人物、产品、标题是否只有一个第一主角
- 构图风格是否匹配文章目标和素材
- 图片模型是否能稳定生成
- 中文标题是否需要进入
production_mode - 安全区、遮挡、对比度是否适合小红书封面
默认最多改进 2 轮。若已经没有明确改进动作，或继续改会让画面更复杂，就停止并输出当前最佳版本。
Loop 规则
继续迭代，如果：
- 标题不够短、不够具体，或第一眼读不懂
- 主视觉仍是抽象概念，没有落到具体物件或动作
- 人物动作、标题、背景情绪不一致
- 风格模板和文章目标不匹配
- 画面里有两个以上元素同时抢主角
- Judge 找到明确可执行的改进动作
停止迭代，如果：
- 已经没有明确可执行的改进动作
- 两轮修改只是在换词，没有提升构图质量
- 继续强化会牺牲文字可读性或图片可生成性
- 用户明确要求快速输出
Memory 更新
每次完成后，必须产生轻量 Memory。Memory 的作用不是立刻改写 Skill，而是记录本轮有效经验，等待多次验证后再晋升为正式规则。
保留：
- 本轮有效标题结构
- 有效主视觉隐喻
- 有效构图选择
- 有效人物动作 / 表情
- 有效颜色和字体搭配
降权：
- 太抽象的视觉表达
- 过长标题
- 与素材不匹配的风格
- 廉价特效
- 让主体和标题抢焦点的组合
Memory 分三层：
memory/evolution-log.md # 每次运行后的观察
memory/rule-candidates.md # 多次重复后等待晋升的候选规则
memory/deprecated-rules.md # 需要降权或淘汰的失败路径
默认只在回答末尾展示 1-3 条本轮记忆。只有用户要求持久进化、集中训练、复盘或升级 Skill 时，才写入 memory/ 文件。
不要从单次生成直接改写 SKILL.md。稳定规律优先进入 references/evolution-policy.md 或其他 references；只有影响核心执行路径时，才升级 SKILL.md。
问题流程（逐一问，不要一次全问）
第1问：选风格
列出以下10种风格，让用户选一种：
- 深色渐变风 — 人物居中，大字覆盖后方，深色渐变背景，高对比强冲击
- 纯色扁平风 — 人物抠图感，纯色背景，干净清爽
- 产品主视觉风 — UI截图/产品占主体，人物做引导手势，适合有素材图
- 对比卡片风 — 人物手持两张对比卡片近大远小推向镜头，适合前后对比内容
- 极简留白风 — 大面积留白，文字是主视觉锤，人物轻量出镜
- 海报拼贴风 — 多张参考图叠加构图，分层有纵深，适合素材丰富的内容
- 人物侧置留白风 — 人物偏一侧占小比例，大面积留给标题，版面大气
- 背影构图风 — 人物背对镜头，制造代入感和想象空间
- 局部出镜风 — 只露手/半脸/侧脸，产品或文字是绝对主角
- 正面对视风 — 人物直视镜头，眼神接触，文字环绕脸部四周
第2问：图1
问用户是否有人脸参考图（图1）：
- 有 → 让用户上传，提示词里写"参考图1的五官特征"
- 没有 → 让用户描述人物（性别、大致外貌），提示词里直接描述
第3问：人物表情
（背影构图风跳过此问）
给用户以下选项：
- 捂嘴惊讶 — 双手捂嘴，眼睛睁大，震惊感
- 张嘴震惊 — 嘴巴微张，眼神放大，强烈惊讶
- 开心大笑 — 嘴角上扬，眼睛弯起，真实喜悦
- 兴奋雀跃 — 眉飞色舞，身体前倾，藏不住的激动
- 自信得意 — 嘴角微扬，眼神笃定，"就这么简单"的感觉
- 托腮思考 — 单手托腮，眼神若有所思
- 推荐种草感 — 微笑点头，眼神看向镜头，"你一定要试试"
- 交给模型决定
第4问：额外素材
问用户有没有图2、图3等额外素材（UI截图、产品图、其他参考图）：
- 有 → 问有几张、每张是什么内容
- 没有 → 跳过
第5问：背景色调
给用户以下选项：
- 浅色系 — 白/米白/浅灰，干净清爽
- 深色系 — 深灰/墨黑，沉稳有力
- 暖色调 — 米黄/暖棕/柔橙系，温暖感
- 冷色调 — 浅蓝灰/青灰系，冷静专业
- 高饱和撞色 — 模型根据选题选一对高对比色，活力感
- 交给模型决定
注意：极简留白风、人物侧置留白风默认浅色系背景，此问可跳过或仅问具体浅色色调。
第6问：字体风格
给用户以下选项：
- 超粗黑体 — 粗壮有力，干货/科技类首选
- 柔和圆体 — 圆角笔画，温暖亲切
- 手写涂鸦体 — 笔触自然，个性感强
- 极简无衬线 — 笔画均匀，国际范，设计感
- 复古宋体 — 有衬线，古典怀旧感
- 交给模型决定
第7问：字体颜色效果
给用户以下选项：
- 纯白 — 深色背景首选，干净清晰
- 纯黑 — 浅色背景首选，沉稳有力
- 渐变色 — 模型根据背景色调自行搭配
- 描边效果 — 字体加轮廓，增加层次感
- 交给模型决定
第8问：封面标题
根据文章内容提炼1-3个候选标题（4-8个字），让用户确认或修改。
最终输出格式
问完所有必要问题后，按以下结构输出：
## 封面提示词
[可直接复制到图片生成模型的完整提示词]
## 生成建议
- 画幅：竖版 3:4，适合小红书封面
- 重点：提醒用户最需要检查的 1-2 个视觉点
## 本轮记忆
- 保留：[本轮有效规则]
- 避免：[本轮需要降权的方向]
如果用户明确只要提示词，只输出 封面提示词，不要附加分析。
生成提示词的核心要求
拿到所有答案后，按对应风格模板生成提示词。提示词必须做到：
- 人物姿势具体：说清楚身体位置、手在哪、动作细节，不要"她做了一个动作"这种模糊描述
- 主体元素详细：主视觉元素长什么样、上面有什么内容、大小比例、动态或静态
- 空间关系清晰：前景/中景/后景各是什么，哪个遮挡哪个
- 背景和字体各风格不同：不要把同一套颜色字体套到所有风格上
- 先对齐 Target 再写模板：模板只是承载结构，标题、主视觉、情绪和颜色必须服务文章目标
- 先生成候选再收敛：至少比较 3 个标题/主视觉方向，让 Judge 找出最弱点并改进后写入最终提示词
风格一：深色渐变风
人物居中，大字覆盖人物后方，深色渐变背景，高对比强冲击。
视觉特征
- 背景：深色渐变（用户指定色调，或模型根据选题决定）
- 字体：超粗，白色或渐变色，覆盖在人物身后
- 前景：少量扁平图标或3D拼贴物件点缀
- 整体：高饱和，又整齐又凌乱的美感
固定
- 人物：参考图1五官，只要半身
- 元素不超出安全区
变量
- 人物表情和动作
- 主视觉元素和叙事行为
- 中央大字
- 前景散点小元素
- 背景具体色调
- 字体风格和颜色
提示词模板
参考图1的[性别]五官特征，保持五官一致性，只要半身。
[具体表情描述]，[人物身体位置和姿势]，[右手/左手的具体动作]，
[主视觉元素的叙事行为，描述清楚人物和元素之间发生了什么]，
[主视觉元素的详细描述：形状/内容/大小/动态]，
（如有图2/图3：[参考图编号]作为[具体呈现方式和位置]）
巨大的中文大字"[封面标题]"覆盖在人物背后，[字体风格]，[颜色效果]，被人物和主体部分遮挡，形成视觉层次感
背景：[深色渐变色调]，柔和过渡
所有元素集中在中间区域，上下留边距，不超出安全区
前景散点分布几个极小的[主题相关小元素]，数量极少，只做点缀，部分遮挡文字边缘
悬浮元素轻微投影，视觉层次感，高饱和度，又整齐又凌乱的美感
风格二：纯色扁平风
人物抠图感，置于纯色背景上，干净清爽，主体道具近大远小推向镜头。
视觉特征
- 背景：纯色扁平（用户指定或模型决定），不要渐变
- 字体：被主体部分遮挡，形成层次感
- 前景：少量扁平图标，轻微投影
- 整体：主体高饱和，背景低饱和，对比明确
固定
- 人物：参考图1五官，只要半身
- 元素不超出安全区
变量
- 人物表情和动作
- 主视觉元素
- 中央大字
- 背景纯色色调
- 字体风格和颜色
提示词模板
参考图1的[性别]五官特征，保持五官一致性，只要半身。
[具体表情]，[人物身体姿势]，[手的动作：推出/举起/展示]，
[主体道具]占据画面大面积，带明显动态模糊，强烈近大远小透视感，
[主体道具的详细描述：外观/内容/材质]，
（如有图2：[道具/界面]显示参考图2内容，极简干净）
背景：[纯色色调]，简单纯色扁平，不要任何渐变
画面[上方/中央]超大中文"[封面标题]"，[字体风格]，[颜色效果]，
字体被主体部分遮挡，形成视觉层次感
前景散点几个极小的[主题相关图标]，轻微投影，部分遮挡文字边缘
主体高饱和度，背景低饱和，对比清晰
风格三：产品主视觉风
UI截图或产品图占画面主体，人物偏小做引导，适合有素材图的内容。
视觉特征
- 产品/截图：占画面60-70%，白底清晰，细节可读
- 人物：偏小，在产品旁做引导手势或眼神指向
- 背景：浅色或中性色，让产品成为绝对主角
- 字体：深色压在产品边缘，或浅色压在深色区域
固定
- 人物：参考图1，体量偏小，做引导姿态
- 图2必须提供（产品图/截图）
- 元素不超出安全区
变量
- 人物位置和手势
- 产品/截图的呈现方式（悬浮/展示/填满等）
- 大字位置
- 背景色调
- 字体风格
提示词模板
参考图1的[性别]五官特征，保持五官一致性，只要半身，人物体量偏小。
人物置于画面[左/右]侧偏下，占比约25%，[具体引导手势：右手伸出指向/侧身朝向等]，
[具体表情]，眼神朝向主视觉方向，
参考图2作为画面主视觉，占据画面约65%，[具体呈现方式：悬浮在空中/人物身旁展开/充满背景等]，
[图2内容的具体描述：界面的哪些部分清晰可见，白底还是深色底，内容如何排列]，
（如有图3：参考图3作为[具体位置和呈现方式]）
"[封面标题]"，[字体风格]，[颜色效果]，压在产品[顶部/一侧]边缘，形成层次感
背景：[浅色/中性色调，让产品成为主角]
所有元素集中在中间区域，不超出安全区，轻微投影，视觉层次感
风格四：对比卡片风
人物手持两张对比卡片，前景大后景小推向镜头，适合前后对比、好坏对比内容。
视觉特征
- 前景卡片：大，亮，占画面主体，带动态模糊
- 后景卡片：小，暗，偏远景，带透视缩小
- 人物：居中，双手分持两卡，表情强烈
- 背景：深色渐变，衬托卡片对比
固定
- 人物：参考图1，居中
- 两张卡片对比关系明确，一亮一暗、一大一小
- 元素不超出安全区
变量
- 两张卡片的具体内容和对比维度
- 人物表情
- 卡片样式
- 大字
- 背景色调
- 字体风格
提示词模板
参考图1的[性别]五官特征，保持五官一致性，只要半身。
[具体表情，要有强烈对比感：得意/震惊/推荐感]，她/他居中，
左手捏着一张[小/暗淡/破旧感]的卡片，偏远景，
卡片上写着"[卡片B内容，代表before/坏的一面]"，[卡片B视觉描述]，
右手将一张[大/明亮/发光]的卡片猛地推向镜头前方，
卡片上写着"[卡片A内容，代表after/好的一面]"，[卡片A视觉描述]，
前景卡片占画面大面积，带明显动态模糊，强烈近大远小透视感，
两张卡片[具体对比关系描述]，对比强烈，
巨大的中文大字"[封面标题]"覆盖在人物背后，[字体风格]，[颜色效果]，形成视觉层次感
背景：[色调，深色系衬托卡片对比]
所有元素集中在中间区域，不超出安全区
悬浮元素轻微投影，前景小元素部分遮挡文字边缘