1、Skill简介 ：
这是一个名为 xiaohongshu-card 的小红书卡片生成器 Skill。它通过“源头追溯”与“骨架提取”的双重机制，解决了自媒体创作者在做图时面临的门槛高、系列图片风格漂移、文字难以触动读者的痛点，实现了一句话自动提炼观点并一键输出全套 1080×1440 精美视觉故事卡片及配套发布文案的效果。本 Skill 适合需要频繁产出社媒内容的知识博主、自媒体创作者以及内容运营同学使用。
2、使用场景：
本 Skill 适用于需要快速将长文、访谈笔记、核心主题转化为小红书多图笔记的日常工作场景。
-
你为什么想做它？（脑科学视角） 神经科学研究表明，视觉情绪处理早于语言理解约 80-120ms，背景图会先于文字到达大脑的杏仁核并预设情绪。我做这个 Skill 就是希望利用 AI 独立为每张卡片生成与内容语义强关联的背景，作为文字的“视觉隐喻”，让用户在阅读文字前被大脑“预热”，使信息更易深入人心。实验表明，这种方法能让内容的情绪共鸣度提升 102%，分享意愿提升 108%。
-
你之前遇到了什么麻烦？
-
做图门槛极高：自己用排版工具设计往往需要 2-3 小时，找设计师则沟通和周期成本过长；
-
视觉体验差：使用普通的 AI 生图常常因为背景过亮导致文字看不清，且一系列卡片之间风格严重漂移，毫无系列感；
-
系统兼容硬伤：中文字体在排版时遇到
·/等符号经常渲染出方块乱码，电脑上调好的字号在手机端往往因太小而无法看清。
-
-
做出来之后能省掉哪些动作？
-
省去深度内容提炼与排版：制作耗时从 3 小时缩短至 10 分钟，自动提炼论点、自动适配手机端 70px 标题字号并一键合成；
-
省去繁琐的找图与调色：提供参考图即可一键匹配或通过 AI 反推风格，无需手动搭配色彩和噪点纸纹；
-
省去二次撰写社媒文案：卡片生成的瞬间，小红书的爆款标题备选、正文及全套话题标签同步产出，可直接一键复制发布。
-
3、创作过程 ：
我相信好的文字能连接心与心。同样的句子，写在笔记本里是一回事，做成一张精心设计的卡片发出去，又是完全不同的感觉。由于纯文字是苍白的，我开始探索如何给好的文字配上图，让它更容易潜入人心。
本 Skill 依托 SOLO 经历了多版本的严谨迭代，以下是核心重构思路：
-
从模板拼凑到“数据驱动聚类”（第三版）： 为了消除风格漂移，我收集了 25 张优质卡片截图，用 Python 分析其颜色、亮度、饱和度，通过 K-means 聚类自动分成 7 组，从而反推出 8 种有数据支撑的内置风格参数（如
warm_minimal暖米色纸质感、dark_atmospheric暗调电影感等）。 风格反推提示词示例（warm_minimal）：warm minimal abstract texture, light cream beige paper background, fine paper grain texture, subtle watercolor paper edge, very low saturation... -
引入“从源头学习原则”（第六版）： 为了避免用户输入的二手、三手转述内容导致核心观点失真，我为 Skill 注入了源头追溯模块。当输入一篇带有“情绪性进食”的访谈时，系统会主动识别并追溯至 Anna Lembke 的原著论文与理论，提取其核心问题，构建“零点（共识基线）→ 位移（作者 delta）→ 落点（核心观点）”的逻辑骨架，在源头材料上进行叙事弧设计。
-
模块化架构与降级防御策略（第四版）： 为了保障系统稳定性，重构了
font_manager.py、image_generator.py、background_generator.py等模块。设计了完备的降级机制：当高版本的 AI 背景生成失败时，自动尝试低版本同步模型，或直接降级为零依赖、秒出图的程序化参数背景，确保风格百分之百不失真。
4、使用步骤：
-
安装部署：直接把skill地址https://github.com/hjsjtu826/visual-mood-design发给Trae work，让它安装
-
调用与调用方式：
-
一句话触发：在对话框中输入：“把这篇文章做成小红书卡片”或“做成知识卡片系列，主题是‘情绪性进食’”。
-
风格参照触发：上传你喜欢的任意风格卡片截图并对 AI 说：“按照这个风格做一套卡片”，系统会自动分析色彩、亮度并匹配或反推相应风格。
-
精准指定触发：在卡片定义中直接输入指定风格名（如
"style": "warm_minimal"）。
-
-
获取产出：Skill 会自动完成追溯与合成，数分钟后即可在
cards/目录下获取一整套 1080×1440 竖版卡片图片，并在对话框中一键复制配套的小红书发布文案。
5、效果展示：
-
案例一：情绪性进食系列（6 张卡片）
-
输入：输入一篇约 1000 字、质量参差不齐的文字。
-
输出：
-
-
案例二：风格匹配分析
-
输入：上传参考图
IMG_0168.jpg。 -
识别效果：系统精准提取出主色 RGB(230, 218, 204)、低饱和度、偏高亮度的量化数据，自动判定并切换至与其数据最接近的内置
warm_minimal风格参数库，完美复刻参考图质感。
-
6、Skill 链接：
xiaohongshu-card/
├── SKILL.md # Skill 主规范文件（核心逻辑，620 行）
├── _meta.json # Skill 元数据
└── templates/ # 包含字体渲染、双轨图像生成、防降级引擎等核心脚本
7、总结与思考：
开发这个 Skill 让我对 AI 的工作方式有了全新的认知：AI 不应该只是简单堆砌用户输入的“中间商工具”，而是应当具备“向源头追溯”的思维[cite: 1]。通过将严谨的数据量化（聚类参数）与脑科学理论融合，它帮助我将过去繁琐的排版设计工作转变成了 10 分钟内的全自动艺术生产，真正解放了内容创作者的时间。
这个 Skill 目前最满意的地方是什么：
1. 聚类反推风格库：不是凭空拍脑袋定义风格，而是通过对真实优质图片的颜色和亮度聚类反推，匹配极其精准可靠；
2. 双轨生成保障机制：有 API 密钥时能提供无限的 AI 背景创意，没有时也能依靠本地程序化参数秒级渲染精美背景，可用性极高。
后续还想怎么优化：
1. 支持更多卡片形态，如清单型、对比型、时间线型及数据可视化型；
2. 加入智能文案的文风自我学习功能，能够根据创作者的历史推文学习并匹配严肃、轻松或治愈的个人风格；
3. 提供多文章批量一键生成多套卡片的能力。
希望别人怎么体验或给你什么建议：
如果你是生活、美食或探店类的创作者，你觉得目前的 8 种风格和多图结构能满足你的日常需求吗？上传日常截图时的参数匹配准不准？非常期待听到你们在评论区的真实使用反馈和场景建议！
