AI 技能AI 插件【免費下載鏈接】baoyu-skills項目地址https://gitcode.com/gh_mirrors/ba/baoyu-skills點擊查看免費下載導讀信息圖的成敗往往在動筆設計之前就已注定同樣的素材是先畫成時間軸還是對比矩陣是先定視覺風格還是先定學習目標決定了讀者能否在數秒內抓住核心信息。baoyu-infographic 技能包提供了 21 種布局layout與 22 種風格style的可組合體系而其內容分析框架analysis-framework.md正是連接原始素材與最終版式之間的決策中樞。本文基于該框架文檔結合技能包的工作流與參考資源系統(tǒng)講解如何在生成信息圖之前完成內容類型分類、學習目標識別、受眾分析、復雜度評估、視覺機會映射與數據逐字提取并最終產出結構化的analysis.md為后續(xù)的布局×風格推薦與提示詞生成提供可靠依據?？蚣芏ㄎ恍畔D生產流程中的第一道工序在 baoyu-infographic 的整體工作流中內容分析位于所有視覺工作的最前端。SKILL.md 將流程劃分為七個步驟其中Step 1.2「Analyze Content → analysis.md」明確要求保存源內容文件路徑或粘貼文本 →source.md若已存在則先備份為source-backup-YYYYMMDD-HHMMSS.md分析主題topic、數據類型data type、復雜度complexity、語氣tone、受眾audience檢測源語言與用戶語言從用戶輸入中提取設計指令保存分析結果analysis.md已存在時同樣執(zhí)行時間戳備份。而分析環(huán)節(jié)的詳細方法論正是本文要展開的 analysis-framework 文檔。換句話說該框架是 Step 1.2 的操作手冊它把如何理解一份素材拆解成可執(zhí)行的六個維度并定義了分析結果的統(tǒng)一輸出格式。分析完成后structured-content-template.md 負責把分析結論轉譯為設計師可直接使用的結構化內容base-prompt.md 則負責將其組裝為最終的圖像生成提示詞。教學設計思維五種貫穿始終的立場框架要求分析者以**世界級教學設計者world-class instructional designer**的視角處理素材而非機械地摘抄文字。文檔給出了五條核心原則及其應用方式原則應用方式深度理解Deep Understanding先通讀整份文檔再分析其中的任何一部分避免斷章取義以學習者為中心Learner-Centered關注讀者需要理解什么而不是我們想展示什么視覺敘事Visual Storytelling用視覺真正傳達信息而非僅僅裝飾頁面認知負荷Cognitive Load在不損失準確性的前提下簡化復雜概念控制單圖信息密度數據完整性Data Integrity絕不改寫、概括或轉述源數據中的事實這五條原則中前三條決定分析什么后兩條決定邊界在哪——認知負荷要求適度精簡數據完整性又要求事實原樣保留。兩者看似矛盾實則互補可精簡的是表達方式不可改動的是事實本身。這一張力也貫穿后續(xù)全部六個分析維度。六個分析維度詳解維度一內容類型分類Content Type Classification框架將常見信息圖素材歸納為 11 種內容類型并直接給出每種類型對應的最佳布局與最佳風格推薦。這是整個分析框架中與布局×風格決策聯(lián)系最緊密的一環(huán)內容類型特征最佳布局最佳風格時間線/歷史Timeline/History順序事件、日期、演進linear-progressioncraft-handmade、aged-academia流程/教程Process/Tutorial分步說明、how-tolinear-progression、winding-roadmapikea-manual、technical-schematic對比ComparisonA vs B、優(yōu)缺點、前后對比binary-comparison、comparison-matrixcorporate-memphis、bold-graphic層級Hierarchy層級、優(yōu)先級、金字塔hierarchical-layers、tree-branchingcraft-handmade、corporate-memphis關系Relationships連接、重疊、相互影響venn-diagram、hub-spoke、jigsawcraft-handmade、subway-map數據/指標Data/Metrics統(tǒng)計、KPI、度量dashboard、periodic-tablecorporate-memphis、technical-schematic循環(huán)Cycle/Loop反復發(fā)生的過程、反饋回路circular-flowcraft-handmade、technical-schematic系統(tǒng)/結構System/Structure組件、架構、解剖structural-breakdown、bento-gridtechnical-schematic、ikea-manual旅程/敘事Journey/Narrative故事、用戶流、里程碑winding-roadmap、story-mountainstorybook-watercolor、comic-strip概覽/摘要Overview/Summary多主題、功能亮點bento-grid、periodic-table、dense-moduleschalkboard、bold-graphic產品/購買指南Product/Buying Guide多維對比、規(guī)格、陷阱dense-modulesmorandi-journal、pop-laboratory、retro-pop-grid、retro-popup-pop這份分類表的價值在于它把信息的內在結構信息與自身的關系作為選擇版式的第一依據。例如當源材料是一串帶日期的歷史事件時linear-progression 布局帶節(jié)點的線性排布、連接路徑、起止標記、方向指示天然契合而當材料是多個互有重疊的概念時venn-diagram 才真正說得清關系。值得注意的是類型與布局并非一對一部分類型擁有多個候選布局如概覽類可選用 bento-grid 或 periodic-table此時需結合其余維度復雜度、受眾、語氣進一步收斂。維度二學習目標識別Learning Objective Identification框架要求每張信息圖設定13 個清晰的學習目標。好的學習目標應當具體且可衡量specific and measurable聚焦讀者將理解什么而非讀者將看到什么站在讀者視角撰寫。標準句式是看完這張信息圖后讀者將理解……After viewing this infographic, the viewer will understand...。文檔按內容側面給出了目標模板內容側面目標模板核心概念...理解 [主題] 是什么以及為什么重要流程...理解如何 [完成某件事]對比...理解 [A] 與 [B] 之間的關鍵差異關系...理解 [各要素] 如何相互連接數據...理解 [關鍵統(tǒng)計] 的意義學習目標在流程中的作用是承上啟下它既是內容分析的產出回答這份素材對讀者意味著什么又是后續(xù) structured-content-template.md 中每個章節(jié)對應一個學習目標的編排依據。維度三受眾分析Audience Analysis受眾決定了復雜度的上限、強調的重點與風格的取向?？蚣芙o出四個考察因素因素需要回答的問題影響知識水平Knowledge Level讀者已經知道什么決定內容復雜度深淺觀看語境Context讀者為什么看這張圖決定強調點期望Expectations讀者希望學到什么決定成功標準視覺偏好Visual Preferences專業(yè)、俏皮還是偏技術影響風格選擇例如面向專家的技術架構圖可放心使用 technical-schematic 風格與高密度術語而面向新手的科普圖則更適合 chalkboard 或 craft-handmade 風格、簡化術語。維度四復雜度評估Complexity Assessment復雜度按主要信息點的數量分為三檔直接指導布局密度的選擇級別判定標準布局建議簡單Simple35 個要點稀疏布局、單一焦點中等Moderate68 個要點均衡布局、清晰分區(qū)復雜Complex9 個以上要點高密度布局、多分區(qū)在 SKILL.md 的布局庫中dense-modules正是為高密度信息大圖設計的布局類型與框架中的復雜檔位形成呼應而關鍵詞快捷方式Keyword Shortcuts也印證了這一點當用戶輸入高密度信息大圖 / high-density-info時技能會將dense-modules作為首選布局并推薦 portrait 豎版比例。維度五視覺機會映射Visual Opportunity Mapping該維度回答一個核心問題哪些內容適合畫出來而不是寫出來?？蚣芙o出了常見的映射關系內容元素視覺處理方式數字/統(tǒng)計大號高亮數字對比并排、分屏流程箭頭、編號步驟、流向層級金字塔、分層、大小差異關系連線、連接、重疊形狀類別顏色編碼、分組、分區(qū)時間線水平/垂直演進引語引用框、引號這一映射在后續(xù)結構化內容生成中會被進一步細化為視覺元素Visual Element字段——包括視覺類型icon/chart/illustration/diagram/photo、主題Subject與表現(xiàn)手法Treatment并在最終提示詞中以{{LAYOUT_GUIDELINES}}和{{STYLE_GUIDELINES}}占位符的形式注入 base-prompt.md 模板。維度六數據逐字提取Data Verbatim Extraction框架用 Critical 強調這一維度所有事實性信息必須與源文檔完全一致地保留。具體處理規(guī)則如下數據類型處理規(guī)則統(tǒng)計數字原樣復制73% 不能寫成 約 70%引語逐字復制并注明出處人名保留準確拼寫日期保持原始格式技術術語不得簡化或替換列表保留順序與措辭同時框架明確列出五個絕對禁止的操作不得四舍五入數字、不得轉述引語、不得替換為更簡單的詞匯、不得添加隱含信息、不得刪除影響語義的上下文。這條規(guī)則同樣體現(xiàn)在 SKILL.md 的 Core Principles 中——忠實地保留源數據不概括、不轉述且輸出前必須剔除其中的憑證、API 密鑰、令牌等敏感信息。輸出格式標準化的 analysis.md框架為分析結果定義了統(tǒng)一的 Markdown/YAML 輸出格式文件保存為analysis.md。完整模板如下--- title: [Main topic title] topic: [educational/technical/business/creative/etc.] data_type: [timeline/hierarchy/comparison/process/etc.] complexity: [simple/moderate/complex] point_count: [number of main points] source_language: [detected language] user_language: [users language] --- ## Main Topic [1-2 sentence summary of what this content is about] ## Learning Objectives After viewing this infographic, the viewer should understand: 1. [Primary objective] 2. [Secondary objective] 3. [Tertiary objective if applicable] ## Target Audience - **Knowledge Level**: [Beginner/Intermediate/Expert] - **Context**: [Why theyre viewing this] - **Expectations**: [What they hope to learn] ## Content Type Analysis - **Data Structure**: [How information relates to itself] - **Key Relationships**: [What connects to what] - **Visual Opportunities**: [What can be shown rather than told] ## Key Data Points (Verbatim) [All statistics, quotes, and critical facts exactly as they appear in source] - [Exact data point 1] - [Exact data point 2] - [Exact quote with attribution] ## Layout × Style Signals - Content type: [type] → suggests [layout] - Tone: [tone] → suggests [style] - Audience: [audience] → suggests [style] - Complexity: [level] → suggests [layout density] ## Design Instructions (from user input) [Any style, color, layout, or visual preferences extracted from users steering prompt] ## Recommended Combinations 1. **[Layout] [Style]** (Recommended): [Brief rationale] 2. **[Layout] [Style]**: [Brief rationale] 3. **[Layout] [Style]**: [Brief rationale]該模板的每個區(qū)塊都對應前面某個分析維度frontmatter 匯總了主題、數據類型、復雜度、信息點數量與語言信息Learning Objectives承接維度二Target Audience承接維度三Layout × Style Signals將維度一、四與語氣、受眾的結論顯式映射為布局與風格線索Recommended Combinations則輸出最終的三組布局×風格候選及推薦理由直接喂給工作流的Step 3Recommend Combinations。從源碼結構可以推斷這份模板的設計意圖是一圖看懂即可決策Step 3 在無關鍵詞命中時正是基于數據類型→布局、內容語氣→風格、受眾期望、用戶設計指令四個信號來推薦 35 組布局×風格組合與模板中Layout × Style Signals區(qū)塊的字段一一對應。分析檢查清單動筆前的最后一道閘門框架以一份檢查清單收尾要求在任何視覺工作開始前逐項確認是否已通讀整份源文檔能否用 12 句話概括主題是否識別出 13 個清晰的學習目標是否理解目標受眾是否正確分類了內容類型是否逐字提取了所有數據點是否識別出視覺機會是否從用戶輸入中提取了設計指令是否推薦了 3 組布局×風格組合這份清單與輸出模板形成閉環(huán)每一項都是 analysis.md 中某個必需字段。若任一項無法回答說明分析尚未完成不應進入結構化內容生成Step 2階段。與配套資源的銜接從分析到成圖的完整鏈路分析框架并非孤立文檔它與 baoyu-infographic 技能包的其余參考資源共同構成一條可追溯的流水線內容分析本文檔→ 產出analysis.md完成主題判斷、類型分類與布局×風格信號提取結構化內容structured-content-template.md→ 將學習目標拆解為分區(qū)章節(jié)每節(jié)包含 Key Concept、逐字 Content、Visual Element 與 Text Labels并按流程/對比/層級/數據四類場景給出分節(jié)模板布局定義references/layouts/ 下 21 個文件與風格定義references/styles/ 下 22 個文件→ 為提示詞提供{{LAYOUT_GUIDELINES}}與{{STYLE_GUIDELINES}}的具體內容提示詞組裝base-prompt.md→ 將布局、風格、比例、語言與結構化內容合并為最終生成提示詞寫入prompts/infographic.md圖像生成Step 6→ 調用后端渲染輸出infographic.png。SKILL.md 中的推薦組合表Recommended Combinations可作為分析結果的交叉驗證參考——例如時間線/歷史 →linear-progressioncraft-handmade、產品指南 →dense-modulesmorandi-journal等 18 組默認配對與本文檔內容類型分類表中的推薦高度一致說明分析框架的結論與技能包內置的領域知識是同源的。默認組合為bento-gridcraft-handmade但僅作為兜底推薦任何默認值都不得繞過 Step 4 的用戶確認環(huán)節(jié)除非顯式--no-confirm。結語baoyu-infographic 的內容分析框架將教學設計者的直覺顯式化為可復用的六個維度與一份標準化的analysis.md模板內容類型決定信息骨架學習目標決定敘事重心受眾決定深度與風格復雜度決定布局密度視覺機會決定表達方式逐字提取守住事實底線。對使用該技能包的開發(fā)者與 Agent 而言這套框架不僅是信息圖生產的第一步更是保證信息準確、結構清晰、一圖勝千言的可執(zhí)行方法論。贊分享AI 技能AI 插件【免費下載鏈接】baoyu-skills項目地址https://gitcode.com/gh_mirrors/ba/baoyu-skills點擊查看免費下載相關推薦終極技術突破OpenCore Legacy Patcher讓老款Mac免費升級最新macOS系統(tǒng)終極技術突破OpenCore Legacy Patcher讓老款Mac免費升級最新macOS系統(tǒng) 你是否還在為心愛的老款Mac無法安裝最新系統(tǒng)而煩惱想象一下AI 技能AI 插件實測GenEval 0.90分HiDream-O1-Image-BF16擊敗GPT Image 2的關鍵技術解析實測GenEval 0.90分HiDream O1 Image BF16擊敗GPT Image 2的關鍵技術解析 HiDream O1 Image BF16是AI 技能AI 插件baoyu-infographic 的 hand-drawn-edu 風格實戰(zhàn)馬卡龍色系手繪教育信息圖的設計規(guī)范與提示詞工程baoyu infographic 的 hand drawn edu 風格實戰(zhàn)馬卡龍色系手繪教育信息圖的設計規(guī)范與提示詞工程 本文聚焦 baoyu infogAI 技能AI 插件上一篇ALM 開源項目安裝與使用指南下一篇EKAlgorithmsObjective-C算法與數據結構終極指南創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 baoyu-infographic 信息圖內容分析框架：以教學設計原則驅動布局與風格決策
AI 技能AI 插件【免費下載鏈接】baoyu-skills項目地址https://gitcode.com/gh_mirrors/ba/baoyu-skills點擊查看免費下載導讀信息圖的成敗往往在動筆設計之前就已注定同樣的素材是先畫成時間軸還是對比矩陣是先定視覺風格還是先定學習目標決定了讀者能否在數秒內抓住核心信息。baoyu-infographic 技能包提供了 21 種布局layout與 22 種風格style的可組合體系而其內容分析框架analysis-framework.md正是連接原始素材與最終版式之間的決策中樞。本文基于該框架文檔結合技能包的工作流與參考資源系統(tǒng)講解如何在生成信息圖之前完成內容類型分類、學習目標識別、受眾分析、復雜度評估、視覺機會映射與數據逐字提取并最終產出結構化的analysis.md為后續(xù)的布局×風格推薦與提示詞生成提供可靠依據?？蚣芏ㄎ恍畔D生產流程中的第一道工序在 baoyu-infographic 的整體工作流中內容分析位于所有視覺工作的最前端。SKILL.md 將流程劃分為七個步驟其中Step 1.2「Analyze Content → analysis.md」明確要求保存源內容文件路徑或粘貼文本 →source.md若已存在則先備份為source-backup-YYYYMMDD-HHMMSS.md分析主題topic、數據類型data type、復雜度complexity、語氣tone、受眾audience檢測源語言與用戶語言從用戶輸入中提取設計指令保存分析結果analysis.md已存在時同樣執(zhí)行時間戳備份。而分析環(huán)節(jié)的詳細方法論正是本文要展開的 analysis-framework 文檔。換句話說該框架是 Step 1.2 的操作手冊它把如何理解一份素材拆解成可執(zhí)行的六個維度并定義了分析結果的統(tǒng)一輸出格式。分析完成后structured-content-template.md 負責把分析結論轉譯為設計師可直接使用的結構化內容base-prompt.md 則負責將其組裝為最終的圖像生成提示詞。教學設計思維五種貫穿始終的立場框架要求分析者以**世界級教學設計者world-class instructional designer**的視角處理素材而非機械地摘抄文字。文檔給出了五條核心原則及其應用方式原則應用方式深度理解Deep Understanding先通讀整份文檔再分析其中的任何一部分避免斷章取義以學習者為中心Learner-Centered關注讀者需要理解什么而不是我們想展示什么視覺敘事Visual Storytelling用視覺真正傳達信息而非僅僅裝飾頁面認知負荷Cognitive Load在不損失準確性的前提下簡化復雜概念控制單圖信息密度數據完整性Data Integrity絕不改寫、概括或轉述源數據中的事實這五條原則中前三條決定分析什么后兩條決定邊界在哪——認知負荷要求適度精簡數據完整性又要求事實原樣保留。兩者看似矛盾實則互補可精簡的是表達方式不可改動的是事實本身。這一張力也貫穿后續(xù)全部六個分析維度。六個分析維度詳解維度一內容類型分類Content Type Classification框架將常見信息圖素材歸納為 11 種內容類型并直接給出每種類型對應的最佳布局與最佳風格推薦。這是整個分析框架中與布局×風格決策聯(lián)系最緊密的一環(huán)內容類型特征最佳布局最佳風格時間線/歷史Timeline/History順序事件、日期、演進linear-progressioncraft-handmade、aged-academia流程/教程Process/Tutorial分步說明、how-tolinear-progression、winding-roadmapikea-manual、technical-schematic對比ComparisonA vs B、優(yōu)缺點、前后對比binary-comparison、comparison-matrixcorporate-memphis、bold-graphic層級Hierarchy層級、優(yōu)先級、金字塔hierarchical-layers、tree-branchingcraft-handmade、corporate-memphis關系Relationships連接、重疊、相互影響venn-diagram、hub-spoke、jigsawcraft-handmade、subway-map數據/指標Data/Metrics統(tǒng)計、KPI、度量dashboard、periodic-tablecorporate-memphis、technical-schematic循環(huán)Cycle/Loop反復發(fā)生的過程、反饋回路circular-flowcraft-handmade、technical-schematic系統(tǒng)/結構System/Structure組件、架構、解剖structural-breakdown、bento-gridtechnical-schematic、ikea-manual旅程/敘事Journey/Narrative故事、用戶流、里程碑winding-roadmap、story-mountainstorybook-watercolor、comic-strip概覽/摘要Overview/Summary多主題、功能亮點bento-grid、periodic-table、dense-moduleschalkboard、bold-graphic產品/購買指南Product/Buying Guide多維對比、規(guī)格、陷阱dense-modulesmorandi-journal、pop-laboratory、retro-pop-grid、retro-popup-pop這份分類表的價值在于它把信息的內在結構信息與自身的關系作為選擇版式的第一依據。例如當源材料是一串帶日期的歷史事件時linear-progression 布局帶節(jié)點的線性排布、連接路徑、起止標記、方向指示天然契合而當材料是多個互有重疊的概念時venn-diagram 才真正說得清關系。值得注意的是類型與布局并非一對一部分類型擁有多個候選布局如概覽類可選用 bento-grid 或 periodic-table此時需結合其余維度復雜度、受眾、語氣進一步收斂。維度二學習目標識別Learning Objective Identification框架要求每張信息圖設定13 個清晰的學習目標。好的學習目標應當具體且可衡量specific and measurable聚焦讀者將理解什么而非讀者將看到什么站在讀者視角撰寫。標準句式是看完這張信息圖后讀者將理解……After viewing this infographic, the viewer will understand...。文檔按內容側面給出了目標模板內容側面目標模板核心概念...理解 [主題] 是什么以及為什么重要流程...理解如何 [完成某件事]對比...理解 [A] 與 [B] 之間的關鍵差異關系...理解 [各要素] 如何相互連接數據...理解 [關鍵統(tǒng)計] 的意義學習目標在流程中的作用是承上啟下它既是內容分析的產出回答這份素材對讀者意味著什么又是后續(xù) structured-content-template.md 中每個章節(jié)對應一個學習目標的編排依據。維度三受眾分析Audience Analysis受眾決定了復雜度的上限、強調的重點與風格的取向?？蚣芙o出四個考察因素因素需要回答的問題影響知識水平Knowledge Level讀者已經知道什么決定內容復雜度深淺觀看語境Context讀者為什么看這張圖決定強調點期望Expectations讀者希望學到什么決定成功標準視覺偏好Visual Preferences專業(yè)、俏皮還是偏技術影響風格選擇例如面向專家的技術架構圖可放心使用 technical-schematic 風格與高密度術語而面向新手的科普圖則更適合 chalkboard 或 craft-handmade 風格、簡化術語。維度四復雜度評估Complexity Assessment復雜度按主要信息點的數量分為三檔直接指導布局密度的選擇級別判定標準布局建議簡單Simple35 個要點稀疏布局、單一焦點中等Moderate68 個要點均衡布局、清晰分區(qū)復雜Complex9 個以上要點高密度布局、多分區(qū)在 SKILL.md 的布局庫中dense-modules正是為高密度信息大圖設計的布局類型與框架中的復雜檔位形成呼應而關鍵詞快捷方式Keyword Shortcuts也印證了這一點當用戶輸入高密度信息大圖 / high-density-info時技能會將dense-modules作為首選布局并推薦 portrait 豎版比例。維度五視覺機會映射Visual Opportunity Mapping該維度回答一個核心問題哪些內容適合畫出來而不是寫出來?？蚣芙o出了常見的映射關系內容元素視覺處理方式數字/統(tǒng)計大號高亮數字對比并排、分屏流程箭頭、編號步驟、流向層級金字塔、分層、大小差異關系連線、連接、重疊形狀類別顏色編碼、分組、分區(qū)時間線水平/垂直演進引語引用框、引號這一映射在后續(xù)結構化內容生成中會被進一步細化為視覺元素Visual Element字段——包括視覺類型icon/chart/illustration/diagram/photo、主題Subject與表現(xiàn)手法Treatment并在最終提示詞中以{{LAYOUT_GUIDELINES}}和{{STYLE_GUIDELINES}}占位符的形式注入 base-prompt.md 模板。維度六數據逐字提取Data Verbatim Extraction框架用 Critical 強調這一維度所有事實性信息必須與源文檔完全一致地保留。具體處理規(guī)則如下數據類型處理規(guī)則統(tǒng)計數字原樣復制73% 不能寫成 約 70%引語逐字復制并注明出處人名保留準確拼寫日期保持原始格式技術術語不得簡化或替換列表保留順序與措辭同時框架明確列出五個絕對禁止的操作不得四舍五入數字、不得轉述引語、不得替換為更簡單的詞匯、不得添加隱含信息、不得刪除影響語義的上下文。這條規(guī)則同樣體現(xiàn)在 SKILL.md 的 Core Principles 中——忠實地保留源數據不概括、不轉述且輸出前必須剔除其中的憑證、API 密鑰、令牌等敏感信息。輸出格式標準化的 analysis.md框架為分析結果定義了統(tǒng)一的 Markdown/YAML 輸出格式文件保存為analysis.md。完整模板如下--- title: [Main topic title] topic: [educational/technical/business/creative/etc.] data_type: [timeline/hierarchy/comparison/process/etc.] complexity: [simple/moderate/complex] point_count: [number of main points] source_language: [detected language] user_language: [users language] --- ## Main Topic [1-2 sentence summary of what this content is about] ## Learning Objectives After viewing this infographic, the viewer should understand: 1. [Primary objective] 2. [Secondary objective] 3. [Tertiary objective if applicable] ## Target Audience - **Knowledge Level**: [Beginner/Intermediate/Expert] - **Context**: [Why theyre viewing this] - **Expectations**: [What they hope to learn] ## Content Type Analysis - **Data Structure**: [How information relates to itself] - **Key Relationships**: [What connects to what] - **Visual Opportunities**: [What can be shown rather than told] ## Key Data Points (Verbatim) [All statistics, quotes, and critical facts exactly as they appear in source] - [Exact data point 1] - [Exact data point 2] - [Exact quote with attribution] ## Layout × Style Signals - Content type: [type] → suggests [layout] - Tone: [tone] → suggests [style] - Audience: [audience] → suggests [style] - Complexity: [level] → suggests [layout density] ## Design Instructions (from user input) [Any style, color, layout, or visual preferences extracted from users steering prompt] ## Recommended Combinations 1. **[Layout] [Style]** (Recommended): [Brief rationale] 2. **[Layout] [Style]**: [Brief rationale] 3. **[Layout] [Style]**: [Brief rationale]該模板的每個區(qū)塊都對應前面某個分析維度frontmatter 匯總了主題、數據類型、復雜度、信息點數量與語言信息Learning Objectives承接維度二Target Audience承接維度三Layout × Style Signals將維度一、四與語氣、受眾的結論顯式映射為布局與風格線索Recommended Combinations則輸出最終的三組布局×風格候選及推薦理由直接喂給工作流的Step 3Recommend Combinations。從源碼結構可以推斷這份模板的設計意圖是一圖看懂即可決策Step 3 在無關鍵詞命中時正是基于數據類型→布局、內容語氣→風格、受眾期望、用戶設計指令四個信號來推薦 35 組布局×風格組合與模板中Layout × Style Signals區(qū)塊的字段一一對應。分析檢查清單動筆前的最后一道閘門框架以一份檢查清單收尾要求在任何視覺工作開始前逐項確認是否已通讀整份源文檔能否用 12 句話概括主題是否識別出 13 個清晰的學習目標是否理解目標受眾是否正確分類了內容類型是否逐字提取了所有數據點是否識別出視覺機會是否從用戶輸入中提取了設計指令是否推薦了 3 組布局×風格組合這份清單與輸出模板形成閉環(huán)每一項都是 analysis.md 中某個必需字段。若任一項無法回答說明分析尚未完成不應進入結構化內容生成Step 2階段。與配套資源的銜接從分析到成圖的完整鏈路分析框架并非孤立文檔它與 baoyu-infographic 技能包的其余參考資源共同構成一條可追溯的流水線內容分析本文檔→ 產出analysis.md完成主題判斷、類型分類與布局×風格信號提取結構化內容structured-content-template.md→ 將學習目標拆解為分區(qū)章節(jié)每節(jié)包含 Key Concept、逐字 Content、Visual Element 與 Text Labels并按流程/對比/層級/數據四類場景給出分節(jié)模板布局定義references/layouts/ 下 21 個文件與風格定義references/styles/ 下 22 個文件→ 為提示詞提供{{LAYOUT_GUIDELINES}}與{{STYLE_GUIDELINES}}的具體內容提示詞組裝base-prompt.md→ 將布局、風格、比例、語言與結構化內容合并為最終生成提示詞寫入prompts/infographic.md圖像生成Step 6→ 調用后端渲染輸出infographic.png。SKILL.md 中的推薦組合表Recommended Combinations可作為分析結果的交叉驗證參考——例如時間線/歷史 →linear-progressioncraft-handmade、產品指南 →dense-modulesmorandi-journal等 18 組默認配對與本文檔內容類型分類表中的推薦高度一致說明分析框架的結論與技能包內置的領域知識是同源的。默認組合為bento-gridcraft-handmade但僅作為兜底推薦任何默認值都不得繞過 Step 4 的用戶確認環(huán)節(jié)除非顯式--no-confirm。結語baoyu-infographic 的內容分析框架將教學設計者的直覺顯式化為可復用的六個維度與一份標準化的analysis.md模板內容類型決定信息骨架學習目標決定敘事重心受眾決定深度與風格復雜度決定布局密度視覺機會決定表達方式逐字提取守住事實底線。對使用該技能包的開發(fā)者與 Agent 而言這套框架不僅是信息圖生產的第一步更是保證信息準確、結構清晰、一圖勝千言的可執(zhí)行方法論。贊分享AI 技能AI 插件【免費下載鏈接】baoyu-skills項目地址https://gitcode.com/gh_mirrors/ba/baoyu-skills點擊查看免費下載相關推薦終極技術突破OpenCore Legacy Patcher讓老款Mac免費升級最新macOS系統(tǒng)終極技術突破OpenCore Legacy Patcher讓老款Mac免費升級最新macOS系統(tǒng) 你是否還在為心愛的老款Mac無法安裝最新系統(tǒng)而煩惱想象一下AI 技能AI 插件實測GenEval 0.90分HiDream-O1-Image-BF16擊敗GPT Image 2的關鍵技術解析實測GenEval 0.90分HiDream O1 Image BF16擊敗GPT Image 2的關鍵技術解析 HiDream O1 Image BF16是AI 技能AI 插件baoyu-infographic 的 hand-drawn-edu 風格實戰(zhàn)馬卡龍色系手繪教育信息圖的設計規(guī)范與提示詞工程baoyu infographic 的 hand drawn edu 風格實戰(zhàn)馬卡龍色系手繪教育信息圖的設計規(guī)范與提示詞工程 本文聚焦 baoyu infogAI 技能AI 插件上一篇ALM 開源項目安裝與使用指南下一篇EKAlgorithmsObjective-C算法與數據結構終極指南創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考