我把“个人 IP 自动配图”做成了一个开源 Skill：上传一张照片，让角色进入每一篇文章

你写完一篇几千字的教程，先别急着发布。打开手机预览一下，连续几屏全是文字，流程讲得再清楚，读者也很容易在中途失去耐心。

配图能解决一部分问题，可新的麻烦马上来了：找图很慢，图库风格不统一，临时生成的角色每张都不一样。第一张还是短发，第二张换了衣服，第三张连脸都变了。文章有图了，个人辨识度却没有留下来。

过去一段时间，我一直在测试一套更稳定的做法：先固定个人 IP，再让这个角色参与文章里的流程、动作和观点。

今天，我把整套流程做成了一个 Agent Skill，并且开源到了 GitHub。它叫：

Punk IP Illustrations

名字里有 Punk，因为这是我做出来的 Skill，也保留了我的内置角色。但它不限制使用者，任何人都可以上传自己的照片，建立自己的角色，再用同一个 Skill 给文章配图。

一、先把“画的是谁”固定下来

直接把一篇文章丢给图像模型，要求它连续生成几张带人物的插图，角色很容易漂移。脸型、发型、衣服、鞋子、配件和身体比例，每生成一次都可能重新抽签。

这套 Skill 的第一步，会把用户照片转成一套可以复用的角色资产：

• 一张主角色全身像；

• 正面、左侧、背面、右侧四个视图；

• 一张纯白或透明背景的干净人物参考图；

• 一份记录固定身份特征的 character-spec.md；

• 一个可以修改、确认和切换的本地角色包。

角色设定图负责补齐角度，干净参考图负责后续生图，人物规范负责把容易漂移的细节写清楚。文章场景可以一直变化，角色身份继续保持稳定。

这一步有一个强制停顿：角色生成后必须由用户确认。

如果发型、服装或鞋子不够像，直接说明要改哪里。Skill 每次只处理一个主要问题，旧版本不会被覆盖。用户明确说“确认”“定稿”或“就用这个”以后，角色才会进入文章配图阶段。

二、一个 Skill，跑完整条链路

我最开始考虑过把“创建角色”和“文章配图”拆成两个 Skill。实际使用时，这会增加导入、切换和找路径的成本。现在它们被放进同一个连续工作流里，角色状态也由本地注册表管理。

整条链路可以压缩成四步：

上传照片
→ 创建个人 IP
→ 用户确认角色
→ 使用该角色给文章配图

安装后第一次调用，它会直接引导用户：

请上传一张清晰的人物照片，并告诉我角色名称或昵称。

接下来我会：
1. 生成主角色和正面、左侧、背面、右侧设定图；
2. 生成干净人物参考图；
3. 请你确认或提出修改；
4. 确认后，用这个角色为文章自动配图。

已经确认过角色的用户不会重复走第一步。下次把文章、文件路径或链接交给它，Skill 会直接读取当前角色资产。

三、长文配图不会“一篇文章只出一张”

文章配图阶段会先完整读取正文，再判断哪些内容值得变成图片。它不会按章节平均塞图，也不会为了凑数量把同一个观点画好几遍。

图片数量主要跟随信息密度：

字符数只是参考。Skill 会优先寻找全文总判断、关键转折、容易误解的机制、抽象过程和可以转成行动的结论。几段文字在说同一件事，就合并成一张图。

每张图只承担一个理解任务。读者先在三秒内看懂画面关系，再回到正文继续读。

四、每张图会自动选择两种模式

文章里的内容不全是流程。有些段落在讲步骤，有些段落在讲冲突、判断或处境，所以我保留了两种表现模式，并让 Skill 对每个认知锚点单独判断。

1. 核心动作模式

观点、冲突、现实问题和反直觉关系，更适合压缩成一个物理现场。画面只保留一个角色、一个核心物件或紧凑物件组、一个明确动作和一个可见结果。

下面这张图表达的是“贡献不该兑换苦难”。Punk 正在剪断锁住科研成果的“清贫模板”，人物直接参与观点，画面不需要再写一段解释。

2. 流程拆解模式

教程、方法、工作流和输入到输出的链路，会被压缩成 3—5 个节点。同一个角色可以在不同节点重复出现，每个分身都要完成具体动作。

下面这张图把“收集资料、筛选证据、形成判断、输出文章”做成了一条连续生产线。它有阅读顺序，也保留了足够留白，没有堆成一张拥挤的 PPT。

同一篇文章可以同时出现这两种图。比如前面三张解释观点，用核心动作；最后一张总结方法，用流程拆解。用户也可以直接指定某一张图的模式。

五、生成以后，还能自动插回 Markdown

只生成图片还不够。长文有五六张图时，手动回忆每张图应该插在哪一段，依然很麻烦。

Skill 会为每张图记录对应观点和段落锚点。默认情况下，它会报告图片用途、实际路径和建议插入位置。如果文章是本地可编辑的 Markdown，还可以让它直接完成写入。

调用时复制下面这段：

使用 $punk-ip-article-illustrations。
完整读取这篇文章并自动生成配图。
根据内容判断图片数量，以及每张图使用“流程拆解”还是“核心动作”模式。
生成后把图片自动插入 Markdown 的正确位置，使用相对路径，并在修改前保留一份原文备份：

<Markdown 文件路径>

它会尽量使用唯一段落或完整句子作为定位锚点，把图片放在相关段落结束后，避开句子中间、列表内部和引用块。网页链接、粘贴正文或不可写文件不会被强行修改，最终会退回“生成图片并报告建议位置”的方式。

六、怎么安装

仓库地址：

https://github.com/adrianpunk/punk-ip-illustrations

最省事的方法，是把下面这段话发给能够访问终端和文件系统的 AI Agent：

请帮我安装这个 Agent Skill：
https://github.com/adrianpunk/punk-ip-illustrations

请根据当前客户端确定正确的 Skills 安装位置。
安装完成后确认 punk-ip-article-illustrations 可以使用。

使用 Codex 的用户也可以手动安装。

macOS / Linux：

git clone https://github.com/adrianpunk/punk-ip-illustrations.git ~/.codex/skills/punk-ip-article-illustrations

Windows PowerShell：

git clone https://github.com/adrianpunk/punk-ip-illustrations.git "$HOME\.codex\skills\punk-ip-article-illustrations"

客户端需要支持 Agent Skills、本地文件读写，以及带参考图能力的图像生成工具。缺少图像生成能力时，Skill 仍然可以输出完整提示词和保存计划，但不会假装图片已经生成。

七、从照片到第一篇文章，怎么跑通

安装完成后，先上传照片并创建角色：

使用 $punk-ip-article-illustrations。
请根据我上传的照片创建“<名字或昵称>”个人 IP。
保留我的脸型、五官比例、发型、肤色、服装、鞋子和已有配件。

看到设定图以后，先检查最影响辨识度的部分：脸型、发型、服装、鞋子和显眼配件。需要修改就直接说；满意以后发送：

确认这个角色，就用这一版。

接着把文章交给它：

继续使用 $punk-ip-article-illustrations。
请完整读取下面的文章，自动决定配图数量并直接逐张生成。
告诉我每张图片适合插在哪里：

<文章正文、文件路径或文章链接>

你也可以指定数量和模式：

使用 $punk-ip-article-illustrations，完整读取下面的文章，
使用当前角色生成 5 张正文插图：

<文章内容>

使用 $punk-ip-article-illustrations，把下面的工作流生成一张流程拆解图：

收集资料 → 筛选证据 → 形成判断 → 输出文章

第一轮先跑通一个角色和一篇文章。等你熟悉以后，再创建团队成员、不同账号或不同品牌的角色包，并随时切换当前角色。

八、角色和文章都保存在本地

这个 Skill 会把运行资产放进当前项目的 .punk-ip-assets/，没有可写项目时再回退到用户目录。角色设定、干净参考图、人物规范和文章插图分开保存。

.punk-ip-assets/
├── current-character.json
├── characters/
│   └── <角色名>/
│       ├── character.json
│       ├── character-sheet.png
│       ├── character-reference-clean.png
│       └── character-spec.md
└── illustrations/
    └── <article-slug>/
        ├── 01-topic.png
        └── 02-topic.png

原始人物照片默认不会复制进角色包，也不会上传到公开仓库。生成角色和文章插图同样留在本地。请只使用自己拥有或已经获得授权的人物照片。

同名图片不会覆盖旧文件，修订时会创建 -v2、-v3。角色还分为 draft 和 confirmed 两种状态，未确认角色不能进入文章配图，也不能被设为当前角色。

九、我为什么把它开源

个人 IP 很容易停在头像这一步。头像只在账号页面出现，文章插图却能让角色参与每一次表达：它可以操作机器、承受冲突、推动流程，也可以替读者把抽象观点演一遍。

当人物、画风和文章逻辑被放进同一条工作流，配图就可以持续积累。读者看见熟悉的角色，也更容易记住是谁在说话。

这套 Skill 还有很多可以继续更新的地方，比如更多画风、更细的文章类型判断、更稳定的文字生成和更多客户端适配。我先把已经跑通的版本完整开放出来，让大家可以直接安装、使用和改进。

如果你也在写教程、方法论、产品体验或个人观点，可以先用一张自己的照片跑一遍。生成了有意思的角色和文章插图，欢迎把结果发给我。

仓库地址：

https://github.com/adrianpunk/punk-ip-illustrations

喜欢的话，可以顺手给一个 Star。

关于作者

Punk｜中科大 MBA｜HerName 首席设计师｜Stanley 商学院执行院长｜ ｜AI提示词｜3个月赚了8位数｜Learn in Public｜@AdrianPunk115