图像模型现在已经很会画了。可我给中文文章配图时，卡住的地方从来不是「再多试几个 seed」，而是更前面几步：这段到底要不要图？画情绪还是画结构？一组图里人物怎么不像换了人？画完了又怎么发现内容画歪了？
我把这些判断收成了一个开源 Agent Skill：左海 IP Studio。把文章丢给 Agent，它会先读全文，再规划配图、选表现形式、生成，并做一轮自检。你可以把它当成「会规划的配图助手」，而不是随便喊一嗓子就出图的按钮。
先问要不要画，再谈画成什么样
自动配图最容易犯的错，是每个小标题底下塞一张。页面看着热闹，读起来却不省力——有些图删了也无所谓。
所以这套流程的第一步不是写提示词，而是逐节过文章：这里有没有抽象机制、关键对比、流程，或者情绪转折？删掉图也不影响理解，就跳过；非专业读者可能在这里卡住，再画，而且要画到点子上。
需要画的内容，我大致丢进三条轨道：
- 情绪锚点图：让角色演出读者熟悉的处境，先产生共鸣。
- 解释图：结构、流程、关系、对比——讲清楚用。
- 四格漫画：时间线、转折、一小段完整故事。
讲机制时只画一张「角色做表情」，解释力几乎为零；反过来，情绪观点硬做成满屏方框箭头，也会很假。形式跟着阅读障碍走，别跟着模板走。
方法固定，角色和画风随便换
我给自己定的原则很简单：方法论不动，角色和画风当参数。
仓库里现在有 31 个原创角色，职场、当代情绪、谐音梗都有；一篇文章只认一个主角，靠角色档案和锚点图锁外形，避免每张图都像换人。画风皮肤有 11 种，也可以塞自己的头像、吉祥物或品牌角色。
一致性靠的不是几句「magic prompt」，而是一篇文章里的「视觉约定」：线条、配色、背景、材质、光影、精细度要对齐。动作和表情可以变，身份特征不能漂。
实际怎么跑
大致是这么几步：先逐节标出配或不配的理由；对候选段落提炼真意、张力和不能画错的事实；再分到情绪图 / 解释图 / 四格，并整理成 shot list。
然后有两个地方我故意留给人：确认清单，以及选角色和画风。 前者管内容准不准，后者管好不好看。确认完再按内容选画幅，带着角色锚点逐张生成，最后检查选点、结构、文字、角色占比和整组一致性——不行就重画或改局部。
重复劳动交给 Agent；该拍板的两下，还是人来。
仓库长什么样
标准 Agent Skill 结构：SKILL.md 管主流程；references/ 里是选点、隐喻、解释图、漫画、画风、质检等方法；characters/、food-mascots/ 放角色档案和锚点图；scripts/ 负责初始化、环境检查和调图像接口。
生成脚本只用 Python 标准库，走 OpenAI 兼容的图像端点。密钥放本地配置，不进仓库；外部角色包只当外形数据读，里面夹带的指令一律不执行。
最短上手
把项目丢进支持 SKILL.md 的技能目录，先跑一遍：
python3 scripts/illo.py init
python3 scripts/illo.py doctor然后跟 Agent 说一句就行：
给这篇文章配图，先规划 shot list，再让我选择角色和画风。
没有图像 API 也没关系，可以先只出完整提示词，再拿到别的工具里手动画。
最后
我做这东西，不是为了让文章「多几张好看的图」。情绪图让人愿意往下读，解释图少踩坑，漫画把转折钉进记忆；固定角色用久了，内容会慢慢长成自己的视觉 IP。
模型肯定还会换代。但选对点、用对形式、守住事实和角色一致性——这套手感，我觉得值得留下来。
