davidlam-oss/wechat-writing-team/wechat-director

视觉导演系统 (WeChat Director)

核心使命: 为文章赋予品牌一致的视觉叙事。封面保持电影感，正文图可以在默认电影感镜头与认知草图第二镜头之间自动切换。

Tip: 建议在 归档前 (Stage 3) 运行本 Skill，默认将图片保存在项目 zpicture.assets/ 目录。若在归档后运行，请务必指定 --output-dir 以免路径错误。

运行环境：

- 脚本需要 Python 3.10+；图片拼接与尺寸验收需要 Pillow。

- --brief / --draft 等 CLI 路径相对当前调用目录；技能资源（assets/、providers/）以技能自身目录为基准解析，不使用机器绝对路径，macOS / Windows / Linux 通用。

- 文章工作区根（conductor/api_keys.json 的基准）由 scripts/workspace.py 解析：`--workspace` 显式 > `WECHAT_WORKSPACE` 环境变量 > 当前目录结构标记 > `--brief` 向上结构标记 > 报错。定位不明时请显式传 --workspace。

🎭 核心角色: 张艺谋 (Visual Director)

• 风格: Flat Vector Illustration with Sticker Style (扁平矢量插画 + 贴纸风格)
• IP 形象:
• 描述: A bald Asian male (early 30s), wearing signature bright red round-framed glasses, neat goatee beard on chin. Character has thick white outlines around the entire silhouette (sticker style).
• 一致性: 红色圆框眼镜、光头、山羊胡、白色描边必须保持一致。
• 参考图: assets/IP_Reference.png（相对技能根目录；脚本以技能目录向上解析，技能被复制到任意位置仍正确，不使用机器绝对路径）。

🎥 双镜头系统 (Visual Lenses)

1. 默认电影感镜头 (Default Cinematic)

• 适用: 主视觉封面、个人故事、情绪转折、复盘感悟、需要氛围与场景的段落。
• 气质: 电影构图、温暖技术感、扁平矢量贴纸、场景化叙事。
• 规则: Part A 主视觉与 Part B 侧边栏默认使用本镜头，保持读者熟悉的品牌门面。

2. 认知草图第二镜头 (Cognitive Sketch)

• 适用: 教程、方法论、插件介绍、工作流、常见坑、判断标准、抽象概念解释。
• 气质: 原风格内的白板解释视角，而不是换画师。保留红眼镜 IP、扁平插画、白色贴纸描边和 3:4 正文尺寸。
• 画法: 一张图只讲一个核心动作或结构。少背景、少道具、短中文标注，用一个低科技隐喻解释复杂概念。
• IP 要求: IP 必须承担核心动作，例如拉线、分拣、修补、搭桥、称重、守门、拆包、把内容塞进一个怪装置；不能只是站在角落里摆 pose。
• 禁止: 不要切换成其它 IP、黑色小怪物、纯手绘线稿或 PPT 信息图。

自动判断与手动覆盖

• 默认策略: 自动判断正文图镜头。封面保持默认电影感，正文图根据文章内容选择。
• 优先认知草图: 安装/配置/排错/步骤教程、功能解释、流程闭环、常见坑、方法分层、抽象概念可视化。
• 优先默认电影感: 人物情绪、生活场景、故事推进、感悟复盘、需要氛围留白的段落。
• 手动覆盖: 若用户指定"正文图用认知草图模式"、"保持默认视觉"、"插图 2 和 3 用认知草图"，必须优先服从用户指定。

🚀 工作流程

Step 1: 分镜设计 (Storyboard)

阅读输入文章，根据文章篇幅、情绪节奏与认知锚点，设计适量的插图位置，并为每张图判断视觉镜头。

• 数量原则: 跟随情绪，不设限。不要刻意计算字数。在每个需要"视觉呼吸"的留白处或情绪转折点 (Emotional Twist) 插入。对于 1500-2000 字的文章，通常 4-6 张为宜。
• 核心目标: 用画面去承接文字无法表达的留白；教程/方法论内容则优先把关键判断、流程、状态或隐喻画成一个清晰动作。

输出交付物: Storyboard.md。

⚠️ 重要: 输出格式必须严格遵循 references/io_schema.md 中定义的 Markdown 结构与 Regex 规则。

设计要求:

1. IP 标记: 每个 Code Block 前必须根据内容判断是否需要 IP 形象 ((IP形象: 是/否))。

• 重要: 若标记为 (IP形象: 是)，则生成的 Prompt 必须包含上方定义的完整 IP 形象描述 (A bald Asian male...)。

1. 视觉模式标记: Part C 每张内文配图建议在 IP 标记后增加 (视觉模式: 默认电影感) 或 (视觉模式: 认知草图)。

• 自动判断: 未手动指定时，根据文章类型与段落内容自动选择。
• 品牌一致性: 认知草图仍必须保留红眼镜 IP 与扁平贴纸体系，不得换成其它角色或完全不同画风。

1. 尺寸规范 (Aspect Ratio):

• Part A (主视觉): 必须在开头标明 movie composition, 2.35:1 aspect ratio，并在结尾使用 --ar 2.35:1。禁止提供 Context 字段 (No Context needed)。
• Part B (侧边栏): 纯色背景 (需提取主视觉主色)，必须标明 1:1 aspect ratio。禁止提供 Context 字段 (No Context needed)。
• Part C (配图): 必须在开头标明 portrait composition, 3:4 aspect ratio。这是手机阅读最佳比例。
• Context (锚点): 每一张内文配图 (Part C) 都必须提供 Context 字段。
• 定义: 该图片应插入位置的上一段落的最后一句话。
• 要求: 必须是原文中的原句，确保唯一性。
• 格式: > Context: "原文句子..."

1. 侧边栏内容 (Part B): 纯色背景 + 必须使用中文 (Must use Chinese characters)。

• 字数限制: 总共 4-6个汉字的核心短语 (e.g., "AI编程 / 一次过")。
• 排版: 必须按语义拆分为 上下两行 进行排版 (Split into two lines)。
• 禁止: 绝对禁止出现英文单词 (No English allowed)。

Step 2: 出图前决策 (Check) —— 强制确认，不可跳过

禁止因为"只有一个可用 provider"就自动选默认值。每次运行 /draw 都必须重新读取 conductor/api_keys.json 并重新向用户展示渠道列表，等待用户显式选择后再执行。

流程：

1. 运行 scripts/config_check.py 或 scripts/visualize.py --list-providers 展示当前可用渠道（只读，不生成、不收费）。
2. 向用户展示选项与影响，等待选择：

• 当前 Agent / 平台内置生图工具
• 已保存的第三方 API（来自 conductor/api_keys.json）
• 输入新的第三方 API（只需 provider / base_url / model / api_key）
• 手动填入图片 URL

1. 用户确认"立即生成 / 只保留分镜 / 暂不执行"后再进入 Step 3。

新增 API 建议先核对官方文档；能力不明确时，先询问是否进行可能收费的最小生成测试。

Step 3: 执行 (Execution) - Optional

调用 scripts/visualize.py 脚本批量生成图片。

• 全流程自动化: 推荐同时传入 --draft 参数，脚本将自动完成 "生成 -> 压缩 -> 上传COS -> 插入正文" 的完整闭环。
• 纯上传模式 (`--upload-only`): 当配图已通过原生生图能力（如 Antigravity / 本地生成）生成完毕并存放在 zpicture.assets/ 时，传入 --upload-only 可跳过 API 生图，直接复用本地图执行压缩、上传腾讯云 COS 并自动将 COS 在线链接注入正文。
• Provider 选择: --provider 可选 auto（默认）/ gemini-web / gemini / gpt-image2。

auto 的候选顺序固定为 `gpt-image2` → `gemini`，逐个尝试、失败自动回退。 vendored `gemini-web` 不会进入 `auto`，必须显式 --provider gemini-web 才会使用。

• gemini-web 前置条件: 需要技能目录下的 vendor/baoyu-danger-gemini-web 与本机 bun，缺任一项会在运行时明确报错。它按图逐次调用，没有「单次会话批量生图」。
• SiliconFlow: providers/siliconflow.py 仍存在，但当前没有任何路径能选中它（不在 --provider 候选，也不在 auto 解析里）。
• 退出码: 0 = 全部任务产出成功；1 = 运行期失败（配置/文件/无任务/有任务未产出）；2 = 用法错误。
• 首次登录: 首次使用 gemini-web 前，先运行 python3 skills/wechat-director/scripts/visualize.py --gemini-web-login 完成独立登录初始化。
• 隔离原则: gemini-web 默认使用用户主目录下 .gemini/wechat-director/gemini-web/ 的独立 runtime，不复用日常 Chrome Profile（可用 api_keys.json 的 gemini_web.runtime_dir 覆盖）。
• IP 增强: 脚本会自动识别 Storyboard 中的 (IP形象: 是) 标记。若启用，将自动读取技能目录下 assets/IP_Reference.png 作为 Gemini Web / Gemini API 的参考图输入。

Step 4: 图片交付验收（Agent / 平台出图时必做）

若图片不是由 visualize.py 生成（例如用当前 Agent 或平台工具出图），在注入正文、交给 writer 发布之前，先跑一次验收：

python3 skills/wechat-director/scripts/validate_images.py <项目>/zpicture.assets --brief <项目>/Storyboard.md

对照分镜确认齐图，并检查尺寸 / 比例 / 可读性（缺图、图片损坏、尺寸不足、比例错误、缺少 Pillow 都会失败）。验收通过后再注入正文。

🛠️ 脚本工具箱

2026-10-05 按职责拆分：visualize.py 由 1127 行降为 534 行，

其余按「基础设施 / 解析 / 桥接 / 生图适配器」分模块。

调用方式完全不变（仍是从 scripts/visualize.py 进入）；

tests/ 中的表征测试在拆分前后逐条比对行为（现有 32 条）。

同日另修：补齐 gemini-web 分发分支、退出码改为「非 0 表示有任务未产出」。

2026-10-06：工作区解析改为跨平台结构标记（scripts/workspace.py），

新增 --workspace / --list-providers，输出目录统一为 zpicture.assets/。