优质Skills推荐baoyu-skills:让 AI 帮你搞定技术文章配图与排版(二)

优质Skills推荐baoyu-skills:让 AI 帮你搞定技术文章配图与排版(二)

文章目录


1 让 AI 帮你搞定技术文章配图与排版

1.1. 一句话结论

如果你在用 Claude Code、Trae 或者其他支持 MCP/Skill 的 AI 编程工具,baoyu-skills 绝对值得装一个。它不仅仅是一堆工具,更像是把Prompt 工程的最佳实践给包好了,能把“写文章-配图-做 PPT”这套麻烦事变成几行命令。关键是审美在线,出来的图能拿得出手。

在这里插入图片描述

1.2. 背景与痛点

咱们做技术的,写文章常遇到的三个坑:

  1. 配图难:代码写得飞起,但要画个架构图、流程图,或者给文章配个封面,立马抓瞎。找网图怕侵权,自己画又像小学生涂鸦。
  2. 排版累:要把一篇技术干货改成小红书风格、或者做成 PPT 分享,光是调整格式和精简文字就能耗掉半天。
  3. AI 抽卡不稳定:用 Midjourney 或 DALL-E 生图,提示词得调半天,生成的风格还经常不统一,今天赛博朋克,明天就变成了卡通简笔画。
在这里插入图片描述

宝玉(Baoyu)老师开源的这套 Skills,正好解决了这些问题。它把那些让人头大的 Prompt 调试过程都封装成了标准化的参数,你只管调参数,“审美”的事交给它。

在这里插入图片描述


在这里插入图片描述
在这里插入图片描述

1.3. 核心观点

  • Prompt 工程的“配置化”:我觉得这套 Skills 最牛的地方不在于功能多,而是它把视觉风格做成了可选项。比如生成插图,它让你直接选 Layout(布局)和 Style(风格)。这样选出来的结果,比自己瞎写提示词稳定多了。
  • 内容即数据:它直接读取你的 Markdown 文章,自动提取关键信息生成 PPT 或图表,不用你再把内容重新喂一遍。

输入

调用

分析内容

指定参数

调用绘图模型

你的 Markdown 草稿

Claude Code / Trae

baoyu-skills

自动推荐风格 & 布局

强制指定 Style/Layout

生成 Prompt

最终产出

封面图 / 信息图 / PPT / 漫画

在这里插入图片描述

2. 怎么落地:核心能力拆解

2.1. 技能全景图:你手里的武器库

这套 Skills 里工具不少,我整理了个速查表,方便你找:

Skill 名称适用场景核心卖点常用命令示例
baoyu-xhs-images小红书运营、知识卡片风格×布局二维选择,一键出多张图/baoyu-xhs-images post.md --style notion
baoyu-infographic技术原理讲解、流程图20种布局+17种风格,专治各种复杂概念/baoyu-infographic arch.md --layout pyramid
baoyu-cover-image博客/公众号封面5个维度定制(类型/配色/渲染/文字/氛围)/baoyu-cover-image blog.md --quick
baoyu-slide-deck技术分享、汇报自动生成大纲,直接出 PPTX/PDF/baoyu-slide-deck talk.md --style blueprint
baoyu-comic讲故事、寓教于乐知识漫画创作,还能控制分镜/baoyu-comic story.md --art manga
在这里插入图片描述

2.2. 安装与配置

安装很简单,只要你有 Node.js 环境就行。

推荐方式(快速安装):

# 一行命令搞定 npx skills add jimliu/baoyu-skills 

在 Agent 中使用:
如果你在 Trae 或 Claude Code 对话框里,也可以直接跟它说:

“请帮我安装 github.com/JimLiu/baoyu-skills 中的 Skills”

3. 奇葩但很真实的观点

3.1. 提示词工程的终局是“消失”

以前我们总在学“怎么写好 Prompt”,比如“你是一个资深设计师,请用…风格…”。但用过 baoyu-skills 后你会发现,我们其实不需要成为 Prompt 专家
这套 Skills 内部维护了复杂的 Prompt 模板,但给用户的只有 --style notion--layout timeline 这样简单的参数。
说白了: 未来的 AI 工具,界面会越来越像传统的命令行工具(CLI),参数清晰明确,而把那些“模糊的自然语言交互”藏在后面。这也解释了为什么程序员用这套工具会觉得特别顺手——因为它符合我们对“确定性”的追求。

在这里插入图片描述

4. 案例分享:从枯燥文档到小红书爆款

假设你写了一篇关于“AI 时代程序员如何进化”的硬核文章,想发小红书。

4.1. 案例实操

  • 目标:把一篇 2000 字的 Markdown 文章,用 baoyu-xhs-images 转成 4 张小红书风格的配图。
  • 准备
    • 文章路径:./ai-evolution.md
    • 已安装 baoyu-skills
  • 步骤
    1. 打开终端或对话框。
    2. 等待 Agent 分析文章,提取金句和要点。
    3. Agent 会自动调用绘图工具(如 DALL-E 3 或 SVG 生成器)生成图片。
  • 产出
    • 目录里会生成几张图片。
    • 这些图片不只是罗列文字,而是排版精美的知识卡片,一眼就能看进去。

输入命令:

/baoyu-xhs-images ./ai-evolution.md --style notion --layout dense 

这里选了 notion 风格(干净、黑白线条)和 dense 布局(适合干货知识点)。

5. 可复用的 Skill 片段示例

如果你也想写一个类似的 Skill,让 AI 帮你生成特定风格的内容,可以参考下面这个简化版的 Skill 定义。这是从 baoyu-skills 的设计理念中提炼出来的精华。

name: style-generator-lite description: 一个轻量级的风格化内容生成器示例,展示如何封装 Prompt。 input_format:| 内容:{text} 风格:{style} (可选: tech/hand-drawn, 默认: tech)steps:-step: analyze_content description: 分析输入文本,提取 3 个核心关键词和 1 个主旨句。 -step: construct_prompt description:> 根据风格构建绘图 Prompt: - if style == 'tech': use "blueprint style, isometric view, blue and white" - if style == 'hand-drawn': use "pencil sketch on paper, rough lines"-step: generate description: 调用绘图工具生成图片。 output_format:| ![生成的图片](image_url) **关键词**:Keywords

6. 参考文献

Read more

基于Llama-Factory/Qwen2.5-1.5b自定义数据集LoRA微调实战【PPO/RLHF/训练/评估】

基于Llama-Factory/Qwen2.5-1.5b自定义数据集LoRA微调实战【PPO/RLHF/训练/评估】

大模型微调实操 文章目录 * 大模型微调实操 * 一、llama-factory安装 * 1.前置准备 * 2.硬件环境校验 * 3.软件环境准备 * 拉取llama-factory的代码 * 创建虚拟环境 * 量化环境 * 硬件配置 * 4.启动LLaMA-Factory * 二、基础大模型准备 * 代码下载模型 * 三、微调数据集 * 预训练数据集 * 指令和微调数据集 * 偏好数据集 * 数据格式 * 1.预训练场景: * 2.sft监督微调 * 3.偏好对齐场景: * alpaca格式 * sharegpt格式 * 偏好数据 * 1.DPO优化偏好数据集 * 2.HelpSteer2 * 3.自定义数据集 * 数据注册 * DPO: Direct Pref

比迪丽AI绘画实战:用ComfyUI构建比迪丽专属工作流模板分享

比迪丽AI绘画实战:用ComfyUI构建比迪丽专属工作流模板分享 1. 引言:从WebUI到工作流,解锁更强大的创作力 如果你已经用过比迪丽的WebUI界面,体验过输入几个关键词就能生成动漫角色的便捷,那么恭喜你,你已经踏入了AI绘画的大门。但你可能也遇到过这样的困扰:每次生成都需要手动调整一堆参数,想复现一张满意的图得来回折腾;或者想尝试更复杂的画面构图、更精细的风格控制时,发现简单的提示词输入框有点力不从心。 这正是我们今天要解决的问题。WebUI(比如Stable Diffusion WebUI)就像一辆自动挡汽车,上手快,开起来方便。而ComfyUI则更像一个专业的赛车模拟器,它把引擎、变速箱、悬挂等所有部件都拆解开,让你能亲手组装、调试,从而获得极致的控制力和灵活性。 这篇文章,我将带你走进ComfyUI的世界,手把手教你搭建一个专为生成《龙珠》角色“比迪丽”而优化的专属工作流模板。这个模板不是冷冰冰的节点连线图,而是一个封装好的“创作引擎”。你只需要导入它,就能一键调用我们精心调试好的模型组合、提示词结构和参数设置,快速、稳定地生成高质量、风格统一的比迪丽角色图。

AI 智能答题助手 (AI Study Copilot) —— 你的下一代学习辅助神器

AI 智能答题助手 (AI Study Copilot) —— 你的下一代学习辅助神器

⚡️ AI 智能答题助手 (AI Study Copilot) —— 你的下一代学习辅助神器 一键抓取 · 深度解析 · 学习更轻松 功能特性 • 安装指南 • 使用说明 • 赞助与支持 • 免责声明 项目地址:点击访问 插件官网:点击访问 📖 项目介绍 AI 智能答题助手 (AI Study Copilot) 是一款专为在线学习设计的浏览器扩展。V1.2 版本迎来重大升级,打破模型限制,不仅内置 DeepSeek 智能引擎,更开放支持 OpenAI 及 本地大模型 (LM Studio)。 不同于传统的题库匹配软件,本插件不依赖静态题库,而是通过实时 AI 分析,能够处理全新的题目、变种题以及复杂的阅读理解题。我们秉持“技术辅助学习”的理念,致力于将繁琐的资料检索过程自动化。 ✨ 功能特性

从Copilot到Agentic:快手如何重构“人×AI×流程“研发铁三角

从Copilot到Agentic:快手如何重构“人×AI×流程“研发铁三角

编者按 一年前,行业热衷于追问“从Copilot到Coding Agent,我们离AI自主开发还有多远”;一年后,快手用万人研发组织的真实实践,给出了一个冷静而有力的回答:组织级提效的胜负手,从来不在AI是否“自主”,而在人、AI、流程三者能否完成范式级重构。 当AI代码生成率突破40%,需求交付周期却纹丝不动——这一反直觉现象戳破了“工具幻觉”的泡沫。快手的破局之道,并非等待Agent进化到完全自主,而是主动将AI从“嵌入流程的工具”升维为“重写流程的要素”,通过L1-L3分级交付体系与端到端效能度量,让个人提效真正传导至组织效能。53%的需求交付周期压缩、38%的人均交付需求增长,这些来自生产环境的数据,为行业提供了一份稀缺的规模化落地参照。 这不仅是一次技术演进,更是一场组织能力的“压力测试”:AI不会自动修复流程断点,它只会将隐性问题放大。真正的智能化转型,始于承认“人仍是流程的锚点”,终于实现“人×AI×流程”的乘数效应。 文章概要 本文基于快手技术团队首次系统披露的AI研发范式升级实践「快手万人组织AI研发范式