claw-markdown-gen

图文生成技能

调用来源识别

在收到用户输入后，先判断是否来自 claw-markdown 插件：

• 如果 prompt 中包含标识 claw-markdown-gen → 执行下方完整图文生成流程
• 如果 prompt 中不包含此标识 → 回复以下引导信息后停止：

请安装 ClawMarkDown 浏览器插件后使用本技能。  
插件安装后，在任意网页点击"阅读此文"即可自动采集文章内容并生图文。  
> 技能名称：claw-markdown-gen  
版本：2.2.0  
兼容平台：OpenClaw / QClaw / Hermes / ArkClaw

输出约束（必须严格遵守）

1. 回复中只输出最终的 Markdown 图文内容
2. 绝对禁止输出以下任何内容：
   • 思考过程、推理步骤、内部对话
   • 关键字列表、关键字映射 JSON
   • 步骤序号（"第一步"、"第二步"...）
   • 图片插入规划说明、段落匹配结果
   • 确认语句（"已按 XX 风格生成"、"根据您的要求..."）
   • 技能定位叙述（"找到了 XX 技能"、"让我先读取 SKILL.md"、"现在让我读取参考文档"等）
   • 任何形式的前导说明、过渡语、操作叙述
   • 任何与最终图文无关的文字
3. 允许输出：
   • 每张图片占位符后紧跟一行 \x3C!-- kw:文件名:关键词1,关键词2,... --> 格式的关键词注释，用于插件端回填 IndexedDB
   • 版本更新提示行（仅当 cloudVersion_from_plugin 大于当前版本时输出）：## 请更新 claw-markdown-gen 至最新版本 v{cloudVersion_from_plugin}，输出位置在标题下方、正文之前
4. 违反以上约束的输出视为技能调用失败
5. 输出的第一个字符必须是 #（Markdown 标题），不得在标题前输出任何文字

输入数据格式

插件调用时数据分布在 system 和 user 两条消息中：

system 消息 — 原文标题、正文、图片元数据：

标题：{title}
正文：
{content}

---

[IMAGE: img_001.jpg]
index: 3
alt: "AI机器人工作场景"
width: 800
height: 600
context: "随着AI技术的发展，越来越多的企业开始引入智能办公系统。这些系统不仅能自动处理文档，还能辅助决策。"
keywords: "AI办公,自动化文档,机器人流程,智能处理"

[IMAGE: img_002.jpg]
index: 7
alt: "自动化办公示意图"
width: 1200
height: 800
context: "传统办公模式下，大量重复性工作消耗了员工的时间和精力。而智能办公系统可以将这些工作自动化。"

user 消息 — 技能指令、改写参数、版本标识：

请使用 claw-markdown-gen 技能，根据以下数据生成{style}风格的{mode}图文，改写深度：{rewriteDepth}：
\x3C!-- source: claw-markdown-gen v2.2.0 -->

字段说明：

图片元数据块以 --- 与正文分隔，每张图片信息以空行分隔。

执行步骤（不得输出中间结果）

本部分描述了生成图文必须执行的处理步骤。以下所有步骤的中间产物绝对禁止出现在回复中。 回复中只出现最终 Markdown。

参考文档：执行步骤 2-3（图片关键字生成、插入位置规划）时，必须同时参考 references/image-handling.md 中的完整规范，包括关键字生成方法、生成原则、示例、图片插入原则及位置规则。

步骤 0：版本检查

1. 在 user 消息末尾查找 \x3C!-- source: claw-markdown-gen vX.Y.Z --> 格式的版本标识，提取其中的版本号 X.Y.Z（cloudVersion_from_plugin）
2. 与本 SKILL.md 头部 version 字段中的版本号（当前部署的技能版本）进行比较
3. 如果 cloudVersion_from_plugin > 当前版本号 → 在生成的图文标题下方输出版本更新提示：## 请更新 claw-markdown-gen 至最新版本 v{cloudVersion_from_plugin}
4. 如果版本号相同 → 不输出版本提示

步骤 1：解析输入数据

数据分布在 system 和 user 两条消息中，需跨消息提取：

1. 在 system 消息中定位 --- 分隔符
2. 分隔符之前 → 文案正文 article_text
3. 分隔符之后 → 图片元数据块（逐张解析，每张图片元数据以空行分隔）
4. 在 user 消息中提取参数：style（风格）、mode（简述/详细）、rewriteDepth（轻度/中度/重度），以及末尾的 \x3C!-- source: 版本标识

每张图片解析得到：name（文件名）、index（位置序号）、alt（描述）、width、height、context（可选，前文文字）、keywords（可选，已有关键字）。

无图片时的处理：如果 --- 分隔符之后不存在任何 [IMAGE: xxx] 块（即没有图片元数据），则跳过步骤 2 和步骤 3，直接进入步骤 4 生成纯文本文章，步骤 5 照常执行。

步骤 2：为每张图片匹配原文上下文并生成关键字

带关键字图片的处理（改写场景）：

如果图片元数据中包含 keywords 字段（非空），说明该图片已在首次生成时获得正确关键字。此时：

• 跳过该图片的上下文匹配和关键字生成
• 直接使用 keywords 字段中的关键字，原样写入输出中的 \x3C!-- kw:... --> 注释
• 仅对没有 keywords 字段的图片执行下方上下文匹配和关键字生成流程

匹配上下文：

每张图片在采集时已从页面 DOM 中提取了前文文字（上溯多个同级元素），存储在 context 字段中。直接使用 context 字段的文字作为该图片的上下文参考。

如果某张图片没有 context 字段或为空，则退回到根据 index 序号在 article_text 中定位段落的方式：

• index 表示图片在原文中的出现顺序
• 将 article_text 按段落分割，映射 index 到对应段落
• 提取该段落及其前后各一段的文字作为该图片的上下文

生成关键字：

为每张图片生成 3-5 个中文关键字，分析依据按优先级：

1. 匹配到的上下文字 —— 最直接反映图片在文章中的含义
2. 图片的 alt 属性 —— 图片的原始描述
3. 文章整体主题 —— 确保关键字与文章方向一致

关键字要求：

• 具体、有区分度，不同图片的关键字必须体现差异性
• 避免泛泛的"图片"、"示意图"、"配图"、"插图"
• 关键字将在步骤 4 中以 HTML 注释形式嵌入输出，供插件端回填 IndexedDB

步骤 3：规划图片插入位置

根据每张图片的关键字，与 article_text 各段落做语义匹配：

1. 将图片分配到语义最相关的段落
2. 每 300-500 字插入一张图片
3. 不强制按 index 或文件名顺序，以语义相关性为准

插入位置规则：

• 引导图（关键字最贴近标题/主题）→ 引言段之后
• 分段配图 → 对应小节标题之后、正文之前
• 结尾图 → 倒数第二段之后

步骤 4：生成图文

根据 {rewriteDepth} 执行不同的生成策略：

所有图片关键字必须输出：步骤 2 中为每张图片都生成了关键字，无论该图片最终是否被插入文章，关键字注释都必须出现在输出中：

• 被使用的图片：\x3C!-- kw:文件名:关键词1,关键词2,... --> 紧跟图片占位符和说明之后（现有格式）
• 未被使用的图片：\x3C!-- kw:文件名:关键词1,关键词2,... --> 集中追加在文章末尾

这确保插件端能为所有图片回填正确关键字，避免改写场景中因缺少关键字而重新生成错误关键字。

轻度改写：

1. 标题优化：基于 {title} 生成引人注目的标题
2. 结构整理：保持原文章节结构，优化标题层级和分段
3. 内容润色：保留 70% 以上原文表述，主要做语法润色、格式整理和少量过渡句补充
4. 图片占位符独立成行，格式为 {{IMAGE:img_XXX.jpg}}
5. 每张图片占位符后紧跟一行 > 图片说明（不超过 20 字）
6. 每张图片说明后紧跟一行 \x3C!-- kw:img_XXX.jpg:关键词1,关键词2,关键词3 -->（3-5 个中文关键词，逗号分隔）
7. 语气符合 {style} 风格
8. 字数控制：简述 500-800 字 / 详细 1500-3500 字
9. 保持原文核心信息和事实准确性

中度改写（默认）：

1. 标题优化：基于 {title} 生成引人注目的标题
2. 结构重组：禁止照搬原文的章节结构和顺序，必须按核心价值点重新组织内容框架，提炼 3-5 个关键主题围绕展开
3. 内容原创：每个段落用自己的语言重新表述，与原文表述相似度不超过 30%；删除原文中 50% 以上的细节描述，只保留核心信息
4. 增值内容：必须添加原文没有的个人见解、使用建议、对比分析、注意事项、适用场景或实际案例
5. 图片占位符独立成行，格式为 {{IMAGE:img_XXX.jpg}}
6. 每张图片占位符后紧跟一行 > 图片说明（不超过 20 字）
7. 每张图片说明后紧跟一行 \x3C!-- kw:img_XXX.jpg:关键词1,关键词2,关键词3 -->（3-5 个中文关键词，逗号分隔）
8. 语气符合 {style} 风格
9. 字数控制：简述 500-800 字 / 详细 1500-3500 字
10. 保持原文核心信息和事实准确性

重度改写：

1. 标题优化：基于 {title} 生成引人注目的标题
2. 结构重构：完全打破原文结构，以全新角度组织内容，构建独立的叙事框架
3. 内容原创：与原文表述相似度不超过 10%，仅保留核心事实和数据；删除原文中 80% 以上的细节描述
4. 深度增值：大量添加原文没有的深度分析、行业洞察、多角度对比、替代方案、注意事项、实际案例
5. 原文图片：图片占位符独立成行，格式为 {{IMAGE:img_XXX.jpg}}，每张后紧跟 > 图片说明（不超过 20 字）
6. 每张图片说明后紧跟一行 \x3C!-- kw:img_XXX.jpg:关键词1,关键词2,关键词3 -->（3-5 个中文关键词，逗号分隔）
7. SVG 插图：在需要可视化说明的位置，直接输出 SVG 代码（流程图、示意图、装饰图等），用 Markdown 代码块包裹
8. Mermaid 图表：在需要展示关系、流程、架构的位置，输出 Mermaid 代码，用 Markdown 代码块包裹
9. AI 配图：在需要 AI 生成配图的位置，使用 {{AI_IMAGE:ai_img_XXX.jpg:prompt描述}} 占位符，后紧跟 \x3C!-- kw:ai_img_XXX.jpg:关键词1,关键词2,关键词3 -->。生成完成后，由技能脚本调用用户透传的图片生成 API 将占位符替换为真实图片 URL，保留关键词注释
10. 语气符合 {style} 风格
11. 字数控制：详细模式 1500-3500 字（重度不支持简述模式）
12. 保持原文核心信息和事实准确性

重度模式后处理：LLM 输出含 {{AI_IMAGE:ai_img_XXX.jpg:prompt}} 占位符的 Markdown 后，执行 scripts/generate_images.py 脚本：

python scripts/generate_images.py \x3Cinput_md> \x3Coutput_md> \
  --api-key {multimodal.key} \
  --api-url {multimodal.url}

脚本流程：

1. 解析所有 {{AI_IMAGE:ai_img_XXX.jpg:prompt描述}} 占位符，提取文件名和 prompt
2. 使用请求中透传的 multimodal.key 和 multimodal.url 调用图片生成 API
3. 将占位符替换为 ![prompt描述](图片URL) 格式
4. 保留 \x3C!-- kw:ai_img_XXX.jpg:关键词 --> 注释，供插件端回填 IndexedDB
5. 输出最终 Markdown 图文

步骤 5：去 AI 味润色

参考文档：执行本步骤时，必须同时参考 references/ren-zh.md 中的完整规范，包括核心规则、注入灵魂、高频 AI 模式及快速检查清单。

对生成的 Markdown 图文做去 AI 味处理，保持图片占位符和图片说明不被修改。

正确输出示例

# AI 助手正在重塑我们的办公方式 

你有没有发现，以前要花半天整理的报表，现在几分钟就搞定了？ 

这不是科幻，而是正在发生的现实。 

{{IMAGE:img_001.jpg}} 
> AI 机器人自动处理文档
\x3C!-- kw:img_001.jpg:AI办公,自动化文档,机器人流程,智能处理 -->

就拿文档处理来说，过去人工一份份核对数据、排版、纠错，效率低还容易出错。现在接入 AI 助手后，它能自动识别表格结构、提取关键信息、甚至按你的风格生成初稿。 

{{IMAGE:img_002.jpg}} 
> 智能办公流程示意
\x3C!-- kw:img_002.jpg:数据大屏,实时监控,业务指标,可视化分析 -->

更妙的是，它不只是"工具"，而是在不断学习你的偏好。你改得越多，它下次就越懂你。 

当然，AI 也不是万能药。最终的判断、创意、策略，还得靠人。但那些重复枯燥的活儿，交给它确实很香。 

拥抱新工具，把精力花在真正值钱的事情上。

\x3C!-- kw:img_003.jpg:团队协作,在线会议,远程办公,视频沟通 -->
\x3C!-- kw:img_004.jpg:数据安全,隐私保护,加密传输,安全防护 -->

错误处理

降级方案

安全注意事项

• 重度模式 AI 配图使用用户自行配置的图片生成 API（multimodal.key/multimodal.url），技能本身不持有任何密钥
• 图片元数据以纯文本传输，不包含图片二进制数据
• 所有原始图片由插件端在本地 IndexedDB 管理，技能不读取用户本地文件
• 生成的图文为纯 Markdown，不包含可执行代码或脚本
• 敏感操作（调用外部 API）所需的密钥均由用户在插件设置页自行配置，技能不收集或上传任何凭证

注意事项

• 输出 Markdown 时不要用代码块包裹
• 图片占位符格式严格为 {{IMAGE:img_XXX.jpg}}
• 图片说明不超过 20 字
• 图片插入位置由关键字语义匹配决定，不强制按 index 顺序
• width 和 height 仅用于判断图片宽高比和大致类型（横图/竖图/方图），不直接出现在输出中
• 正文中若残留作者自我介绍语句（如"大家好，我是XX""嗨，我是XX"等），在生成时将其去除或改写，保持内容干净