---

name: sfumatoai-writing-skill description: "Turn keywords, long text, articles, URLs, files, screenshots, or mixed media into verified Xiaohongshu knowledge-explainer image posts for AI-interested beginners. Use when Codex must analyze the input instead of blindly summarizing it, choose the strongest topic, research ambiguous or technical claims with cross-validation, confirm the page plan and script, calibrate a consistent 3:4 visual style, generate multi-image cards, format concise copy with functional emoji, or recommend evidence-bounded Xiaohongshu topic tags. Deliver one recommended title, two alternatives, a body under 200 characters, sources, and QA results."

sfumatoAI Writing Skill

目标

把关键词、长文、网页、文件、截图或混合素材，转化为适合 AI 小白阅读的小红书知识图解。先判断“最值得讲什么”，再研究、写脚本和制图；不要把输入逐段压缩后直接排版。

按需读取资源

• 开始选题、研究或写脚本前，读取 content-standards.md。
• 开始生成发布正文、优化 Emoji 排版或制定话题策略前，读取 xiaohongshu-operations.md。
• 开始风格校准、图像生成或排版前，读取 visual-system.md。
• 当前用户明确要求使用仓库作者的品牌人物，且确认拥有授权时，读取 brand-ip.md；否则不要加载内置人物图片。
• 开始整理最终文件或验收前，读取 delivery-contract.md。
• 需要查看一套已通过用户审核的完整案例时，读取 pilot-agent-example.md。不要默认加载案例。

不可协商规则

1. 把选题判断视为本 Skill 的职责。先识别重点、受众价值和错误风险，不要要求用户先替你完成选题。
2. 对概念、技术机制、时效性事实和外部主张先调用搜索或浏览能力进行交叉验证。即使用户给了链接，也要补充独立来源。
3. 优先使用官方文档、原始论文和产品一手资料。关键定义至少由两份可靠来源支持；有条件时使用三份。
4. 遇到一词多义、具体指向不清或不同解释会改变结论时，先向用户澄清，再继续研究和脚本。
5. 区分事实、推断、比喻和未验证说法。比喻只能帮助理解，不能替代准确定义。
6. 每组至少 4 张，默认建议 5–7 张。先提出页数与逐页任务并获得确认；超过 8 张时，同时比较“单组长图”和“拆成系列”。
7. 首张必须是封面。封面标题居中并强化主体词；内页文字只放顶部、底部，或真实说话动作的气泡中。
8. 使用严格 3:4 竖版。保持同组视觉统一，但不要为了“统一”强迫每页出现相同人物、相同人数或相同构图。
9. 让图像服务脚本。人物 IP 可出现，也可在内容不需要时缺席。
10. 不让图像模型负责关键中文。先生成无字底图，再用确定性排版工具叠加最终文字。
11. 最终交付 1 个推荐标题、2 个备选标题、200 字以内正文、与内容匹配的话题建议、全部图片、来源清单和质检结论。正文字符数包含 Emoji、空格和话题，只排除换行。
12. 未经用户明确授权，不发布笔记、不创建远程仓库、不推送 GitHub，也不覆盖用户已确认的图片。
13. 仓库内置人物是受限品牌素材，不是通用默认人物。除非当前用户是权利人或已获明确授权，不得把图片送入生成模型、复刻其面部或暗示其为用户品牌。

工作流

1. 解析输入

读取用户提供的全部模态。分别记录：

• 明确事实与原始观点；
• 可能的主线与知识增量；
• 需要核验的技术说法；
• 歧义、过度承诺和疑似错误；
• 可用于视觉叙事的场景、动作和对比。

不要因为某段文字篇幅最长，就默认它是本次选题。

2. 初步搜索与范围核验

在提出选题之前完成最低限度的外部核验。不要把搜索推迟到用户确认选题之后。

• 搜索概念的官方定义、原始论文或一手产品说明；
• 至少查看两份可靠来源，找出共同定义与口径差异；
• 判断关键词在当前语境中的具体含义；
• 核验用户素材中的核心说法和常见误解；
• 初步了解“是什么、为什么重要、通常怎样使用或实现”。

若一词多义且上下文不足，向用户说明可能含义并请求确认。若语境已经能消除歧义，可明确写出采用的解释后继续。

3. 提出选题方案

用受众价值、单一主张、视觉叙事性、证据可得性和新鲜度筛选候选方向。向用户提交：

• 1 个推荐选题；
• 2 个备选选题；
• 每个选题的一句话价值、事实风险和预计页数；
• 推荐理由与不推荐其他方向的原因。

等待用户确认选题。若用户已明确确认同一选题，不重复询问。

选题方案必须建立在上一步的初步搜索上。不要承诺“选题确认后再搜索”。

4. 深度研究与事实审查

先确定概念范围，再搜索。对用户提供的资料进行核验，不把来源中的营销话术直接当事实。

建立最小事实表：

主张	类型	证据	风险	安全表述
待验证说法	事实/推断/比喻	一手来源	低/中/高	成稿可用句

对冲突来源说明差异，不假装行业存在统一定义。若无法完成交叉验证，明确标记未验证，不进入正式图文。

5. 设计页数与故事线

让一组图只解决一个核心问题。优先使用以下节奏，并按选题调整：

1. 封面问题或反常识判断；
2. 生活化问题或具体场景；
3. 常见做法、误解或旧状态；
4. 核心机制或关键变化；
5. 反馈、应用或对比；
6. 准确定义、边界与风险。

为每页写明：页面任务、顶部文字、底部文字、画面动作、事实边界。提交页数与脚本，等待确认后再生成正式图片。

6. 生成发布文案

提供：

• 1 个推荐标题；
• 2 个备选标题；
• 1 版正文，少于或等于 200 个字符（不计换行）；
• 1 组建议话题；用户要求提升流量、热门话题或运营分析时，补充 1 组 A/B 替换项。

让正文补充图中逻辑，不逐页复述图片。按“开场钩子 → 核心机制或步骤 → 能力边界 → 话题”分段，使用少量承担导航作用的 Emoji，保持“懂行朋友解释”的语气。

话题热度或流量建议具有时效性。先用当前可用的小红书站内搜索能力采样，再按“精准主题词、学习意图词、内容形式或受众词、泛领域词、可选实验词”组合。区分平台观察、运营推断和因果结论；不要承诺话题可以保证流量。具体执行 xiaohongshu-operations.md。

7. 校准视觉

若风格未锁定，先生成少量 A/B 风格图，只比较画风、人物、线条、颜色、标题对比度和文字安全区。获得用户确认后再整组生成。

若已有已确认视觉系统，直接沿用，不重新发散。使用可用的 imagegen 技能处理栅格图生成或编辑，并遵守其保存、版本化和质检规则。

若用户选择已授权的仓库品牌人物，按 brand-ip.md 区分主身份锚点、动作参考和构图参考；不要把公开可见误当成可自由使用。

8. 分离生成与排版

为每页单独生成无字底图。明确标记输入图角色：编辑目标、人物参考、风格参考或构图参考。重复声明不变量和禁止项。

把原始底图保存到 raw/，把文字保存在 text/，把排版后的成图保存到 final/。使用版本化文件名返修，不覆盖已确认版本。

9. 逐页质检

检查：

• 定义、机制、例子和风险是否与来源一致；
• 一页是否只承担一个主要任务；
• 封面是否能在缩略图下读懂；
• 内页文字是否只在顶部、底部或真实对白气泡；
• 人物、配色、线条和纸张肌理是否属于同一系统；
• 是否出现伪文字、角标、文字底板、水印、品牌标识或无关 UI；
• 所有图片是否严格 3:4；
• 正文是否不超过 200 字；
• Emoji 是否承担分段、步骤或风险提醒作用，而不是装饰性堆叠；
• 话题是否与正文和图片一致、没有重复或借用无关热门词；
• 是否保留来源和必要的人类确认边界。

使用 python3 scripts/validate_delivery.py <manifest.json> 检查可自动验证的交付项。视觉和事实检查仍需人工逐页完成。

10. 交付并等待审核

先给出结果，再提供文件路径。展示全部成图、推荐标题、两个备选、正文、来源和已知限制。将未采用的返修版标记为候选或反例，不混入正式交付组。

用户明确确认整组后，才把试跑视为通过。后续安装 Skill、发布小红书或推送 GitHub 都需要各自明确授权。

停止条件

在以下情况暂停制作并请求信息：

• 概念指向不同会改变定义；
• 关键来源无法访问且没有可靠替代；
• 用户未确认页数或脚本；
• 必需的人物/品牌参考缺失；
• 请求使用仓库内置品牌人物，但当前用户的使用权限不明确；
• 用户要求公开分发但素材版权或许可证不明确；
• 高风险或不可逆操作需要额外授权。