市面上做 3:4 卡片图的 Prompt 或 Skill 我看过不少，几乎一个味：Tailwind + 大色块 + emoji 堆砌 + 中规中矩的字号层级。看完大致能理解为什么 AI 出的图文卡片那么容易被一眼识破——它们做的是网页，不是杂志。

图文卡片和 PPT 完全是另一种生物：竖屏、信息流里 1 秒钟决定停不停下、靠图说话而不是靠字。版式不同、节奏不同、读者不同。这个 Skill 的绝大部分设计精力都压在 3:4 上——字号层级、版式比例、断行规则，全部按 3:4 在手机信息流里被滑过的真实场景校准过。21:9 和 1:1 公众号头图也支持。

它能分清你在写什么

图文平台上的内容是分门类的。一篇影评和一篇产品测评，需要的视觉语言完全不一样；旅行散记和职场干货，该用的版式也不是同一回事。但绝大多数 AI 工具不管这件事，写什么内容都用同一套模板套出来，所有人发的卡片都长得像一个公众号的封面流水线。

这个 Skill 内置了 11 个常见图文品类的适配规则：

  • 旅行 / 生活方式：杂志风为主，暖色板，大图压全屏，衬线大标题
  • 职场 / 干货 / 商业洞察：网格风为主，深色背景，数据大字报版式
  • 影视 / 文化：偏冷色调的杂志风，电影海报式版式，人物特写优先
  • 产品测评 / 数码：网格风，对比矩阵，设备框美化截图
  • 读书 / 笔记：杂志风，衬线字体，引文居中版式，留白拉满
  • 美食 / 探店：高饱和杂志风，俯拍图优先，文字向四角让位

旅行博主还专门做了地图组件，可以把店的位置和旅行路线标在上面，AI 会自动生成标注。同一段文字，告诉它是影评，给你电影海报式的卡片；告诉它是产品测评，给你带设备框的对比图。

更重要的是它有明确不接的活：

  • 追星粉丝向，视觉语言完全是另一脉
  • 纯促销硬广，违背它强调内容性的设计哲学
  • 超过 12 屏的长教程，图文形态不是长教程的最优载体

碰到这些场景，Skill 会在开头就告诉你"你可能想用别的工具"。这是故意留的。能力边界比能力本身更能定义一个产品，一个什么都能做的 Skill 最后通常什么都做不好。

文字怎么压在图上

文字压图是图文卡片里最难的事，也是最容易暴露"AI 感"的地方。压不好就会出现三种翻车：文字盖在人脸或产品中心、白字压浅色背景读不清、文字横跨整张图把构图毁掉。

Skill 处理这件事用了三步：

  • 识别图里的主体：人脸、产品、文字密集区，版式上自动避开
  • 算落点区域的色和明度：决定字色、要不要加蒙版、阴影该多深
  • 字号和断行自适应：根据落点区域大小动态调整字号和换行位置，而不是写死字号让它溢出

这套规则跑下来，读者基本看不出"被压上去的字"和"图本来就在那里的字"的区别。

图片从哪来：和市面工具最大的差别

绝大多数 AI 生成图文卡片的工具，要么让你自己上传图，要么用 emoji 顶替，要么生成一些一眼 AI 的插画。结果就是手工补图很累，堆 emoji 显得很假。

这个 Skill 默认接入三个免费可商用图库：

  • Pexels：支持中文搜索，大众化场景够用
  • Unsplash：摄影质感最强，人物、生活、空间类内容首选
  • Wallhaven：游戏、摄影、壁纸都有，版权混乱

它会根据正文段落的语义自动派发搜索词、拿回图、按版式裁切到位、避开人脸或主体被切掉。你拿到的是配了真实摄影图的卡片，而不是色块卡片。

这里有个坑要说清楚：它不会死板地去找绝对没版权问题的图。能拿到的图都会告诉你，由你自己判断要不要放版权不明确的图片。另外现在各平台对 AI 带水印的问题管得很严，目前大部分 AI 生图都有水印，一旦被标注就容易被限流。

截图也是图：四件套美化

很多内容用不了摄影图，得是软件截图、聊天记录、产品界面。Skill 内置了一套截图美化：

  • 加 macOS / iOS 风格的设备外框（browser chrome 或手机边框）
  • 用不同材质的背景托住截图——格纸、点阵、暖白、深色，让截图不再白底飘在白底上
  • 根据视觉风格自动匹配阴影层次和圆角参数，两套风格各有一套截图配方，前后一致不用手动调

随手截的图过它一道，看上去像产品官方做的宣传图。

AI 生图：克制地用

只有前面所有找图渠道都拿不到合适素材时，Skill 才会调用 AI 生图。生图时会强制带上风格约束词，避免出现"一眼 AI 插画"那种平庸视觉。

我宁可它少用 AI，也不想它把 AI 用成那个让所有图文卡片长得都像姐妹的元凶，避免你使用 AI 图片导致内容曝光受影响。

视觉系统：两套风格 + 28 个版式骨架

熟悉我之前 PPT Skill 的人会觉得眼熟。这两套视觉系统和版式骨架，是从 PPT Skill 沿用并重新校准过来的。

两套视觉系统：

  • 杂志风：The New Yorker 和上海译文社封面上看到的那种排版。大留白，衬线大标题，版式不对称，文字有呼吸感
  • 网格风：Massimo Vignelli 和 Helmut Schmid 瑞士平面设计那一脉。强网格，无衬线，几何感，用色克制但精准

28 个版式骨架，是从过去十年看过的杂志、海报、专辑封面、电影海报里挑出来，经得起放大看的那些。AI 在"自由版面设计"上现在还是平庸的，给它一个被验证过的骨架，它的任务就从"设计"降级成"填充"，成品稳定性立刻上来。

10 套主题色板、固定字体搭配、有限图标库，逻辑是同一个：限制不是阻碍，是底线。给一个内容创作者无限的颜色选择，他更容易做出难看的东西；给他 10 套被验证过的色板，他做出能看的东西的概率接近 100%。

为什么是杂志感，不是"现代卡片设计"

图文卡片的本质，和印刷海报、画报、专辑封面是同一种东西——用一张静态图，在 1 秒钟里说服一个陌生人停下来。杂志和海报在过去一百年已经把这件事研究透了。网页设计语言是为可滚动、可交互的场景做的，搬到一张静态图上会显得用力过猛、信息平淡。

所有视觉决策的"为什么"落到这里：

  • 为什么大留白？留白是杂志告诉你"重点在这里"的方式
  • 为什么衬线字体优先？衬线字体在大字号上有印刷品的重量感
  • 为什么版式不对称？不对称会制造视觉节奏，让眼睛知道先看哪
  • 为什么用色克制？社交信息流里，克制的色板反而比饱和度高的更显眼，它和周围所有"喊得很大声"的卡片不一样

这些决策听起来很"虚"，但落到代码里全是具体的常量——字号阶比例、留白比例、网格列数、对比度阈值、断行规则。这些常量才是这个 Skill 真正的护城河。

Skill 是一个产品，不是一段 Prompt

做了这么多 Skill 之后，我对"Skill 这种东西到底是什么"形成了一个判断：Skill 本质上是一个小产品。

落到这个项目里：

  • 写了 PRODUCT.md，讲清楚它解决什么问题、给谁用、不做什么——逼自己把"我到底在做什么"想清楚。我自己说不清的时候，这个 Skill 就不该被发布
  • 打版本号（v0.5 / v0.9 / v0.10 / v0.12），每一版都有 CHANGELOG。我能告诉你为什么 v0.10 是一次失败的尝试，以及 v0.12 怎么把它修回来
  • 写 HANDOVER.md，讲清楚交付物长什么样、能力边界在哪、什么场景该用别的工具。任何人接手都能在 30 分钟内有完整理解
  • 提前列出它不擅长的事，省得用户试错三次才发现

Skill 生态最大的问题，是绝大多数 Skill 满足于"我能做一个"，很少有人追求"把这件事做到极致"。Prompt 十分钟会被同行复制走，产品不会。如果你连自己 Skill 的能力边界都说不清，就没资格让别人把工作流交给它。

写在最后

这个 Skill 让我反过来理解了 PPT Skill 真正做对的是什么——它从一开始就被当成产品对待，模板多、规则细、颜色好看，都是这件事的副产品。

判断一个 Skill 好不好，看它有没有被它的作者偏爱过。

如果你在做图文内容，希望它能帮你省掉那些被排版毁掉的好选题；如果你也在做 Skill，希望它让你重新想一想，你做的那个东西，值不值得有一份 PRODUCT.md。

GitHub 仓库：guizang-social-card-skill。装到 Claude Code、Codex 这类工具里直接用即可。