claw-markdown-gen

图文生成技能

本技能不能单独使用，需安装 ClawMarkDown 插件(需翻墙)、本地龙虾服务（OpenClaw / QClaw）使用，国内用户推荐 QClaw，暂时有免费积分可用。

1. 将插件从 URL 抓取的文案、图片记录到本地（数据落地 IndexedDB）
2. 通过 OpenClaw / QClaw 调用 AI 生成图文并茂的深度改写文章(可调节改写深度、字数、风格)，并返给插件
3. 插件本身是markdown编辑器，支持预览、编辑、同步双栏模式，支持粘贴截图并预览图片，可对照预览，编辑图文
4. 支持富文本、Markdown 原文复制，携带风格粘贴至公众号、知乎等编辑器即可发布

⚠️ 输出第一原则（优先于本文档所有其他指令）

回复的第一个字符必须是 #（Markdown 标题）。
所有分析、版本检查、输入解析、关键字生成、参数判断等过程全部在内部完成，禁止以任何形式出现在回复中。违反此原则视为技能调用失败。
详细输出规则见下方「输出约束」章节。

---

调用来源识别与版本检查（必须严格遵守）

• 必须先检查 user 消息中是否包含 <!-- source: claw-markdown-gen 标识（不限定位置，消息中任意位置出现即可）

• 如果不包含该标识 → 输出必须且只能是以下文字本身（禁止以任何形式添加前导说明、后置补充、代码块包裹、格式化修饰、空行分隔、思考过程或解释语句），输出后立即停止：
  请在 Chrome 浏览器插件市场安装 ClawMarkDown 插件，claw-markdown-gen技能由插件驱动调用来生成图文。

• 如果包含 → 提取版本号 X.Y.Z（cloudVersion_from_plugin），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：

  • 当 cloudVersion_from_plugin > 当前版本号时，必须在生成图文的标题下方、正文之前输出一次版本更新提示：## 请更新 claw-markdown-gen 至最新版本 v{cloudVersion_from_plugin}，禁止在其他位置或多次输出
  • 当 cloudVersion_from_plugin ≤ 当前版本号时，不输出版本更新提示，继续执行后续步骤

---

输入数据格式

插件调用时所有数据合并到一条 user 消息中，使用 HTML 注释作为各部分分隔符。结构如下：

<!-- ARTICLE -->
标题：{title}
正文：
{content}
<!-- /ARTICLE -->

<!-- IMAGES -->
[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。"
<!-- /IMAGES -->

<!-- source: claw-markdown-gen v2.3.0 -->

<!-- INSTRUCTION -->
请使用 claw-markdown-gen 技能，生成{style}风格图文，字数约{mode}字，改写深度：{rewriteDepth}。
<!-- /INSTRUCTION -->

重要：上述结构是单条 user 消息的完整内容。<!-- ARTICLE -->/<!-- /ARTICLE -->、<!-- IMAGES -->/<!-- /IMAGES -->、<!-- INSTRUCTION -->/<!-- /INSTRUCTION --> 是各部分的开始/结束标记。<!-- source: claw-markdown-gen vX.Y.Z --> 是版本标识（位置不固定，可在消息任意位置出现）。

字段说明：

请求字段：

图片元数字段：

图片元数据块位于 <!-- IMAGES --> 与 <!-- /IMAGES --> 之间，每张图片信息以空行分隔。当无图片元数据时，<!-- IMAGES --> 与 <!-- /IMAGES --> 之间为空或省略整个 IMAGES 块。

字数控制总则

本规则适用于所有改写深度，控制生成图文的正文长度。

1. 必须以 {mode} 为目标字数生成正文
2. 允许偏差：±20%（即生成字数应在 {mode} × 0.8 到 {mode} × 1.2 之间）
3. 字数定义（仅本规则使用）：
   • ✅ 计入：中文字符、英文单词（中文按字符计，英文按词计）
   • ❌ 不计入：标点符号、空行、{{IMAGE:...}} / {{AI_IMAGE:...}} 占位符、<!-- kw:... --> 关键词注释、<!-- source: ... --> 版本标识、Markdown 标记符（# > - 代码块围栏等）
   • 原文长度：按上述定义统计 {content} 的长度，记为"原文约 X 字"，用于扩展场景约束的判断
4. 必须在生成完成后、正文输出前自检字数：逐段统计正文字符数（按上述定义），与 {mode} 对比：
   • 偏差 ≤ 20% → 通过，输出结果
   • 偏差 > 20% → 不足时补充原文相关段落，超标时删减冗余内容，调整后再次自检
5. 若连续 2 次修正后仍不达标 → 以当前最接近的结果输出（防止死循环）

扩缩比例与改写深度的交叉规则：

以原文长度（按条 3 定义统计）为基准，{mode} 与原文长度之比决定扩缩场景，不同改写深度在同一场景中处理方式不同：

插件端相容性保证：插件端会根据原文字数和改写深度对 {mode} 设置合理的最小值（轻度不限制；中度 ≥ 原文 × 50%；重度 ≥ 原文 × 35%）和最大值（原文 ≤ 3000 时 max = 3000；原文 > 3000 时 max = ceil((原文 + 100) / step) × step，保证 max > 原文 + 100，step 随 max 自适应增大）。因此到达本技能时，{mode} 已保证与 {rewriteDepth} 相容；若运行时仍出现冲突，按「公共规则：冲突优先级」处理。

扩展场景约束：扩写场景适用上述交叉规则的对应处理方式，禁止通过重复表述、堆砌修饰词、拆分短句等方式凑字数；若原文信息不足以支撑目标字数，宁可缩减到合理范围，也不编造内容。

---

风格配置声明

根据 user 消息中的 {style} 参数（中文），按以下映射加载对应的风格配置文件：

各配置文件的字段含义：

降级规则：JSON 文件不存在或无法解析 → 使用下方字段说明表中的简述继续生成，并在文末追加 <!-- style_fallback:{style} --> 注释。

加载方式：步骤 1 解析输入数据时，根据提取的 style 参数按映射表读取对应的 references/styles/{style}_common_style.json 文件，加载 tone、structure、formatting、taboo 四个字段到生成上下文。

应用指引：步骤 3 生成图文时全程生效，四个字段的作用环节如下：

• tone：影响句式选择、用词倾向、段落节奏，从第一句开始贯彻
• structure：决定 opening / body / conclusion 三段组织方式（轻度改写仅作参考，中度/重度必须遵循）
• formatting：控制标题格式、代码块、列表等排版规则，在输出 Markdown 时应用
• taboo：作为硬约束，生成过程中持续检查，命中即重写

后续执行步骤中不再单独说明风格约束，直接引用本声明中加载的配置。

---

输出约束（必须严格遵守）

1. 输出的第一个字符必须是 #（Markdown 标题），直接以标题开头，不得在标题前输出任何文字
2. 回复中只输出最终的 Markdown 图文内容
3. 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"等）
   • 任何形式的前导说明、过渡语、操作叙述
   • 尾部总结、生成报告、字数统计等末尾元数据
4. 允许输出：
   • 每张图片占位符后紧跟一行 <!-- kw:文件名:关键词1,关键词2,... --> 格式的关键词注释
   • 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
5. 违反以上约束的输出视为技能调用失败

---

执行步骤（全部为内部处理，禁止输出）

重申：以下所有步骤（版本检查、输入解析、关键字生成、图文生成、润色）均为内部处理。回复中不输出任何步骤的中间产物、分析过程、参数复述或过渡语。回复的第一个字符必须是 #。详细规则见「输出第一原则」和「输出约束」。

本部分描述了生成图文必须执行的处理步骤。

参考文档：执行前置阶段和步骤 2（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 1：解析输入数据

所有数据合并到单条 user 消息中，使用 HTML 注释分隔符划区。按以下顺序提取：

1. 定位 <!-- ARTICLE --> 与 <!-- /ARTICLE --> 之间的内容 → 原文区（按 标题： 与 正文： 行分割，提取标题与正文 article_text）
2. 定位 <!-- IMAGES --> 与 <!-- /IMAGES --> 之间的内容 → 图片元数据块（逐张解析，每张图片以 [IMAGE: xxx] 起始，至空行或下一张图片结束）
3. 定位 <!-- INSTRUCTION --> 与 <!-- /INSTRUCTION --> 之间的内容 → 技能指令区，按 生成{style}风格图文，字数约{mode}字，改写深度：{rewriteDepth} 格式提取 style、mode（转整数）、rewriteDepth，以及可选的"额外要求"
4. 版本标识 <!-- source: claw-markdown-gen vX.Y.Z --> 可能在消息任意位置出现，在「调用来源识别与版本检查」章节中已处理

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）。

风格配置加载：按「风格配置声明」中的加载方式，读取对应风格 JSON 文件并加载到生成上下文。

无图片时的处理：如果 <!-- IMAGES --> 与 <!-- /IMAGES --> 之间为空，或整个 IMAGES 块被省略（即没有 [IMAGE: xxx] 块），则跳过前置阶段和步骤 2，直接进入步骤 3 生成纯文本文章，步骤 4 照常执行。

前置阶段：图片关键字生成（子 agent 派发）

在进入正式生成流程前，先完成所有图片的关键字生成，让后续步骤专注于图文本身。

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 <!-- kw:... --> 注释
• 仅对没有 keywords 字段的图片执行下方子 agent 派发流程

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

子 agent 派发（跨平台适配）：

当存在需要生成关键字的图片时，必须派发子 agent 处理，让主 agent 专注于图文生成。具体调用方式由运行平台决定，SKILL.md 只描述任务意图，不绑定具体工具名：

• OpenClaw / QClaw：使用 sessions_spawn 工具，context 参数设为 isolated，调用后用 sessions_yield 等待结果
• Claude Code：使用 Task 工具，subagent_type 选 general_purpose_task
• Codex / 其他平台：使用平台原生子 agent / sub-task 调用机制
• 不支持子 agent 的环境：主 agent 自行内联处理（见下方「降级处理」）

派发给子 agent 的任务内容（自然语言描述，由主 agent 组织）：

1. 主 agent 先基于 {title} 和 article_text 生成 1-2 句文章主题摘要（内部处理，不输出）
2. 将以下信息打包传给子 agent：
   • 文章主题摘要
   • 每张待处理图片的：文件名（name）、alt 描述、上下文文字（context 或按 index 定位的段落）
3. 指示子 agent 为每张图片生成 3-5 个中文关键字，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"
   • 每张图片一行，格式：文件名:关键字1,关键字2,关键字3
   • 只输出关键字映射，不输出其他任何内容
4. 等待子 agent 完成，从返回结果中解析关键字映射

降级处理：如果运行环境不支持子 agent 调用，或子 agent 返回结果无法解析，主 agent 自行执行关键字生成（按下方「关键字要求」内联处理），不阻塞流程。

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 3 中以 HTML 注释形式嵌入输出，供插件端回填 IndexedDB

步骤 2：规划图片插入位置

根据前置阶段生成的关键字，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 3：生成图文

风格应用：按「风格配置声明」中的应用指引，全程遵循加载的 tone / structure / formatting / taboo 约束。

根据 {rewriteDepth} 执行不同的生成策略：

所有图片关键字必须输出：前置阶段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：<!-- 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：<!-- 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。

公共规则（所有深度适用）：

1. 标题优化：基于 {title} 生成引人注目的标题
2. 图片占位符独立成行，格式为 {{IMAGE:img_XXX.jpg}}
3. 每张图片占位符后紧跟一行 > 图片说明（不超过 20 字）
4. 每张图片说明后紧跟一行 <!-- 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）
5. 字数控制：遵循「字数控制总则」；其中「扩缩比例与改写深度的交叉规则」优先于八维度的单项描述——先按 mode 与原文长度之比判断所属场景（大幅缩写/中度缩写/等长/扩写），再按对应深度处理
6. 保持原文核心信息和事实准确性
7. 严格遵循「风格配置声明」中加载的 tone、formatting、taboo 约束
8. 冲突优先级：当改写深度的保留/删除要求与字数控制冲突时，以字数控制为准，相应放宽保留/删除要求

改写强度八维度对照表：

重度模式可视化触发条件：

• SVG 插图：当原文涉及流程、对比、结构关系且无原图时，直接输出 SVG 代码（流程图、示意图、装饰图等），用 Markdown 代码块包裹
• Mermaid 图表：当原文涉及多角色协作、架构层次、关系网络时，输出 Mermaid 代码，用 Markdown 代码块包裹
• AI 配图：当原文某段落语义适合配图但无原图时，使用 {{AI_IMAGE:ai_img_XXX.jpg:prompt描述}} 占位符，后紧跟 <!-- 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

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   \
  --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 <!-- 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 4：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
<!-- 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
<!-- 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。

<!-- kw:img_003.jpg:团队协作,在线会议,远程办公,视频沟通 -->
<!-- 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}}（占位符为裸文本，禁止用反引号或代码块包裹）
• 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