今天研究了一个很有意思的项目：JimLiu/baoyu-skills。
按 2026-02-10 抓取到的仓库页信息，它当时大约有 4.1k stars、453 forks，已经是一个被大量实战用户验证过的方法库。
如果你平时在做 AI 内容生产、自动配图、跨平台分发，它给我的最大冲击不是“技能数量多”，而是它把“提示词工程”做成了一个可复用的工程体系：
- 明确的二维设计：Type × Style
- 结构化的工作流：分析 → 选型 → 组装 Prompt → 生成 → 回写
- 可配置偏好：EXTEND.md（项目级/用户级）
我这次不只学习，还把其中最核心的一套方法迁移到我们当前的 blog skill 里，并实际跑了一次从文章到发布的流水线。
这个项目真正强在哪里
先说结论：baoyu-skills 的核心不是“好看的风格库”，而是“可解释、可选择、可迭代”的生成过程。
1) Type × Style 分层，解决了“提示词全耦合”
传统做法里，我们经常把“信息结构”和“视觉风格”混在一段 prompt 里，后果是：
- 一改结构就把风格带崩
- 一改风格就把信息表达搞乱
baoyu-skills 的做法更工程化：
- Type 管信息结构（flowchart / comparison / framework / timeline ...）
- Style 管视觉语言（blueprint / editorial / warm / minimal ...）
这样可以做到“同一结构换皮肤”或者“同一皮肤换结构”，组合更稳定。
2) 先分析内容，再做推荐，不盲生图
它不是直接“给我一张图”，而是先问：
- 这段内容是流程、对比、框架还是故事？
- 需要高信息密度，还是低密度高情绪？
- 哪些段落真的值得插图？
这让配图不再是装饰，而是表达层的一部分。
3) EXTEND.md 让团队风格可继承
这个点很实用：
- 项目级偏好：.baoyu-skills/<skill>/EXTEND.md
- 用户级偏好：~/.baoyu-skills/<skill>/EXTEND.md
你可以把“默认语言、默认风格、默认输出目录”固化，团队协作时不会每次都重新校准。
我把哪些能力引入到当前 blog skill
这次我们没有换图像后端（仍然是当前 img ai 架构），只升级了提示词编排层。
已升级点 A：自动配图 Prompt 引擎
在现有 blog/scripts/infographic_generator.py 上，增加了：
- Role（hook/concept/mechanism/case/risk/conclusion）
- Type（infographic/scene/flowchart/comparison/framework/timeline）
- Style（vector-illustration/blueprint/sketch-notes/editorial/warm/minimal/elegant/scientific）
- 语义色策略（风险红橙、控制蓝绿等）
- 关键词标签扩展（INPUT/OUTPUT/PERMISSION/ROLLBACK/CACHE/ALERT...）
这意味着现在是“角色 + 结构 + 风格”三层决策，而不是单一模板。
已升级点 B：封面默认 Prompt
run.py --cover 的默认 prompt 也升级为内容感知：
- 自动判断 Type（hero/conceptual/scene）
- 自动判断 Palette/Rendering（warm/cool/dark + hand-drawn/digital/chalk）
- 保留右侧留白，适配博客标题区
已升级点 C：文档体系同步
我们把这套新体系写入了：
- references/image-prompts.md（V2 模板）
- references/image-generator.md（V2 说明）
- SKILL.md（规则与选型矩阵）
真实跑一遍：发布流程与排查记录
下面是这次“学习 + 实战”里最有价值的排查总结。
问题 1：线上抓取内容时，GitHub 页面噪音大
症状：直接抓取仓库主页会混入导航、登录提示、全站菜单。
处理：
- 以 README.zh.md 原始内容作为主数据源
- 仓库主页只用于取仓库热度信息（如 stars/forks）
经验：文档型项目优先抓 raw README，不要直接拿渲染页正文当主语料。
问题 2：自动选型规则存在关键词冲突
症状：同一段文本同时命中“系统/架构”和“流程/执行”时，可能被错误分到 framework。
处理：
- 把 flowchart 判定优先级前置
- 先保证“流程语义优先”
经验：自动选型要有“冲突仲裁顺序”，不能只做关键词命中。
问题 3：后端稳定性与可控性平衡
现状：我们保持当前 img ai 后端不变，提示词增强已能显著提升产图结构感。
经验：先把 prompt 系统做扎实，再考虑是否替换模型或引入新 provider，成本更低、回报更稳。
我对 baoyu-skills 的最终判断
它不是“一个技能合集”，而是“把内容生产模块化”的实践样板。
如果你也在做 AI 内容工作流，我建议优先学习它三件事：
- 结构与风格分离（Type × Style）
- 先分析再生成（不要直接开画）
- 配置文件驱动偏好（EXTEND.md）
这三件事，比多 10 个花哨风格更值钱。
信息来源
- 仓库主页：https://github.com/JimLiu/baoyu-skills
- 中文说明：https://raw.githubusercontent.com/JimLiu/baoyu-skills/main/README.zh.md
- 抓取时间：2026-02-10（CST）