Skill：小红书配图生成

版本：v1.0（经 5 轮实战验证，6 次翻车迭代沉淀）
适用平台：小红书（XHS / RedNote）
生图工具：Lovart（主力）+ Python PIL（辅助）
浏览器自动化：agent-browser

Quick Reference

Background

为什么需要这个 Skill

每条小红书帖子都需要配图，但：

• - 每次从零开始想风格、写 prompt、调图 → 效率低且质量不稳定
• AI 默认审美（居中标题 + 渐变背景 + 装饰图标）= 小红书用户秒划走
• 小红书信息流中，每张封面只有 0.5 秒 的生存时间

这个 Skill 将"分析帖子 → 审美调研 → 确定方案 → 生成图片"整个流程标准化，核心价值是 5 轮实战翻车经验的沉淀。

输入 / 输出

CODEBLOCK0

最容易翻车的 3 个地方

1. 1. 审美方向错误：从"技术概念"出发而非"用户情绪"出发（第5轮翻车教训）
2. 文图不一致：标题提到某人/某品牌，画面里却没有对应视觉
3. Logo/品牌元素凭想象猜：AI 不知道 logo 长什么样，会胡编乱造

Solution: Step-by-Step

阶段 0：精准调研（10 分钟封顶）

⚠️ 翻车教训：收到帖子后直接出配图方案 = 纯靠记忆拼凑 = AI 模板垃圾。
必须先做精准调研。不通过就不能进入阶段 1。

时间预算：≤ 10 分钟

3 步走：

调研平台详见 → references/research-platforms.md

调研产出（必须输出才能进入阶段 1）：

CODEBLOCK1

维度 2：定期审美积累（独立定时任务）

维度 1（精准调研）是每次配图前的战术动作；维度 2 是持续充电的战略动作。

频率：每天或每 3 天一次
时间：15-20 分钟

产出：审美积累文档新增 5-10 条记录

阶段 1：帖子分析 → 配图方案

1. 1. 判断帖子类型：产品展示 / 教程分享 / 方法论 / 观点趋势
2. 确定图片数量和用途：图 1 = 封面（决定生死），图 2-N = 内容图卡
3. 对每张图给出配图方案：传达什么 / 构图方向 / 风格关键词 / 是否需要素材 / 文字内容
4. 封面 0.5 秒测试：用户看到这张封面 0.5 秒的反应是"我也想要"还是"这是在讲什么"？后者 → 方案不合格

阶段 2：封面方案快速确认 + 素材需求前置

核心目标：快速拿到用户确认 + 提前告知素材需求。

1. 1. 一次性展示方案核心信息：

1. 2. 前置告知素材需求（不要等到阶段 3 才提）：

1. 3. 等待确认：✅ 通过 → 阶段 3 | 🔄 修改 → 调整后重新确认 | ❌ 否定 → 回阶段 1

阶段 3：生图 prompt 编写

每张图的 prompt 必须包含：

• - 主体描述 + 风格描述 + 色调/光线 + 构图 + 负面提示

⚠️ 发送前必须过自检 Checklist → 详见 references/prompt-checklist.md

阶段 4：生成 + 筛选 + 保存

Lovart 平台完整操作手册 → 详见 references/lovart-operation.md

工具分工规则：

生图执行流程：

1. 1. 在 Lovart 生图（按操作手册 Phase 0-5）
2. 每张图至少生成 2-4 个变体
3. 筛选标准：符合方案 / 无 AI 味 / 文字清晰 / 手机缩小后仍好看
4. 下载最终图片

阶段 5：整合检查

1. 1. 图片和帖子内容放一起看整体效果
2. 检查：封面和标题是否一致 / 图卡风格是否统一 / 整体是否像一个人发的
3. 如有问题，回到对应阶段修改

附：否定后快速迭代子流程

⚠️ 用户否定时，不要从阶段 0 重新来过！

目标：一次否定 → 一次迭代 → ≤ 10 分钟

CODEBLOCK2

关键：

• - 🚫 不要防御性解释上一版为什么是那样
• 📝 每次否定都记录到迭代日志（翻车原因 + 修正 + 新规则）
• 🔄 同类问题连续 2 次 → 规则缺失，必须新增

核心审美原则

配图能力的核心不是工具操作，而是审美和生态理解。

1. 理解小红书信息流环境

• - 用户拇指飞速滑动，每张图只有 0.5 秒
• 在一堆精致到同质化的图片中，要跳出来
• 小红书不是 Dribbble，追求的是"朋友在分享好东西"的感觉

平台审美偏好：

• - ✅ 展示成果物 > 讲述概念
• ✅ 有"生活感"的精致 > 过度完美的精致
• ✅ 一个信息点 > 多个信息点堆砌
• ❌ AI 批量生成感（过度光滑、完美对称）
• ❌ 左右对比/分栏（太像 AI 模板）
• ❌ 教材风/PPT 风

2. 建立个人视觉辨识度

不是泛泛"做好看"，而是做出"一眼知道是谁的图"：

• - 确定你的品牌调性关键词
• 确定你的视觉指纹（偏好字体 + 色调 + 风格）
• 图片能感受到"一个有审美的人在认真分享"

3. 摒弃传统 AI 审美思维

❌ 传统 AI 审美 = 死路：

• - 收到"帮我做封面"就给居中标题 + 渐变背景 + 装饰图标
• 所有帖子用同一个模板换文字
• 追求"信息完整"而塞入太多元素
• 锁定一种风格不放（也是模板化）

✅ 正确思路：

• - 每篇帖子根据内容独立设计
• 敢于留白、不对称、只放一个元素
• 图片情绪和帖子情绪一致
• 风格跟着内容走，不套模板

4. 封面创意从用户情绪出发

这是 5 轮迭代最核心的认知沉淀。

• - 先想"什么画面让人想点进去"（好奇心 / 惊讶 / 认同 / 羡慕）
• 再想技术元素如何作为辅助装饰融入
• ⚠️ 联想路径检查：如果你的第一个联想是最直线的（论文→大脑、AI→机器人），那它大概率是错的

5. 维护审美积累文档

• - 每次调研至少看 30+ 作品，精选 10+ 条
• 每条：作品链接/截图 + 风格标签 + 借鉴点 + 适合度判断
• 按风格分类归档
• 每次配图前先翻一遍找灵感

约束条件

工程约束

• - Lovart prompt 有长度限制（agent-browser 命令 ≤ 1024 字节，需分段输入）
• 小红书图片比例：3:4（竖图）或 1:1（方图），不要横图
• 积分控制：单次配图任务 ≤ 100 积分，视频 ≤ 300，优先低速模式（免积分）

合规约束

• - 不能用产品官方宣传图 / 品牌 logo 作为主视觉（限流风险）
• 不能 1:1 复制竞品封面（可借鉴元素）
• ✅ 可以有真人面部（写实 / 3D 风格化均可）
• ⚠️ 不能使用未授权的真实人物照片（用 AI 生成风格化形象）
• ❌ 禁止裸露器官（大脑、心脏、眼球等）作为封面主视觉

绝对不要做的封面

• - ❌ 左右对比 / 左右分栏结构
• ❌ 概念文字堆砌
• ❌ 新闻感封面（logo + 放大镜）
• ❌ 裸露器官作为主视觉
• ❌ "技术概念可视化"的直线联想

质量检查清单

• - [ ] 每张图都有配图方案
• [ ] 每张图都有 prompt
• [ ] 封面通过"0.5 秒测试"
• [ ] Prompt 通过 8 项自检 checklist
• [ ] 图片已生成并保存
• [ ] 整套图片风格统一
• [ ] 用户确认满意

Skill 联动

Gotchas

5 轮实战踩过的所有坑，按严重程度排序。

🔴 审美方向类（致命）

1. 1. 从技术概念出发设计封面 → 应该从"什么让人想点进去"出发
2. 裸露器官做主视觉 → 信息流中引发生理不适，用户评价"恐怖"
3. 文图不一致 → 标题提到的人物/品牌，画面中必须有对应视觉
4. 凭想象描述 Logo → 必须 web_search + 截图确认真实 logo，否则 AI 会胡编

🟡 工具操作类（影响效率）

1. 5. Lovart 页面加载超时 → 两步导航法：about:blank → JS eval
2. cookies set 对超长 JWT 报错 → 改用 JS document.cookie
3. 弹窗关闭顺序错误 → Canvas 引导（Close）在最上层，必须先关
4. prompt 超 1024 字节被截断 → 先 click 获取焦点，分段 type
5. wait 30s+ 触发 idle timeout → 分段 ≤ 20s + 截图轮询
6. 图片下载 SSL 报错 → Node.js（rejectUnauthorized: false）

🟢 流程类（容易遗忘）

1. 11. 跳过调研直接出方案 → 100% 产出 AI 模板垃圾
2. 调研了但没内化为 Design Token → "知道但没做到"
3. 封面底图和文字分开生成 → Lovart 一次出完整封面效果好得多
4. Lovart 连续操作触发 hCaptcha → 每次会话只生 1-2 张，完成后关浏览器

Related

• - Lovart 官网 — AI 设计工具
• Dribbble — 设计灵感
• 小红书 — 目标平台 + 竞品调研
• Pinterest — 补充灵感（审美更接近小红书）

Source

CODEBLOCK3