配图质量的关键不是把文章平均切成若干段，而是找出读者真正需要看见的判断和关系。本文从认知锚点出发，逐步提取核心动词、物理动作、主物件和 Shot List，再用单张生成与 QA 验证画面是否解释了观点，而不是只把角色贴在画面里。文中只讨论可复现的步骤，不把单次结果扩展成产品承诺；每个结论都标注前提、证据和无法覆盖的边界。读者可以先完成最小验证，再按自己的版本、权限和数据补充实验。
第314期我们完成了小恩 Codex Skill 的安装，并看懂了仓库里的角色规则、视觉 DNA、构图模式、Prompt 模板和 QA 清单。
但安装成功，不等于一定能得到好配图。
很多人第一次调用生图 Skill，会直接把一篇文章粘进去，然后说：
帮我配 8 张图，风格统一，好看一点。
结果通常有三种：
- 每一段都被平均配了一张，真正重要的判断反而没有被突出。
- 每张图都有小恩，但小恩只是站在旁边，像被临时贴上去的吉祥物。
- 画面看起来很热闹，却无法回答“这张图到底解释了什么”。
小恩 Skill 的关键，不是把所有段落都画出来，而是先从文章里找出值得被看见的认知锚点，再把它转译成一个可观察的动作。
这条链路可以写成：
文章观点
-> 认知锚点
-> 核心动词
-> 物理动作
-> 主物件
-> Shot List
-> 单张生成
-> QA
这篇只讲中间最重要的一段：怎样从文字走到 Shot List。你可以先不生成任何图片，先把配图逻辑审清楚。
项目地址：GitHub 项目仓库
一、认知锚点不是段落标题
“认知锚点”可以理解为一篇文章里最值得读者停下来理解的一处判断、转折、关系或方法。
它不一定出现在小标题里，也不一定是最容易被摘抄的句子。
例如，一篇文章的小标题写着“为什么要做内容复用”，这只是一个主题。真正值得配图的认知锚点可能是：
内容复用不是把旧文章复制到新平台，
而是把一次经验拆成可以重新组合的模块。
主题告诉你在讲什么，认知锚点告诉你读者应该看懂什么。
1. 值得视觉化的六类内容
仓库的 composition-patterns.md 把优先选择的内容归纳得很清楚，通常包括下面六类：
| 类型 | 文字表现 | 适合转成的动作 |
|---|---|---|
| 核心判断 | 这个方法真正解决的不是 A，而是 B | 小恩把错误对象移开，处理真正的对象 |
| 认知转折 | 不是堆更多素材，而是提炼少数关键判断 | 小恩从一堆材料中取出一张核心卡片 |
| 输入处理输出 | 输入文章，提炼观点，再生成配图 | 小恩在中间处理台拆解、筛选或校准 |
| 流程卡点 | 问题发生在两个环节的交接处 | 小恩维修接口、接通断点或托住下坠模块 |
| 状态变化 | 从混乱、重复、不可用变成清晰、可复用 | 小恩改变同一个物件的状态 |
| 可复用结论 | 一次复盘要沉淀为下一次行动规则 | 小恩把经验归档、取出并装入下一次任务 |
2. 不值得单独配图的内容
下面这些内容一般不值得单独占一张正文图：
- “今天我们来介绍一个工具”这种开场句。
- 只有名词，没有判断和关系的产品介绍。
- 可以用一个小标题直接说明的目录信息。
- 只是重复前文，没有新增结论的段落。
- 需要依赖大量文字才能解释清楚的复杂清单。
- 纯粹为了填充图片数量而拆出的边角观点。
配图不是对文章做逐段插图翻译。真正好的正文图，应该帮助读者理解那些只读文字不容易抓住的关系。
二、四步把抽象判断变成画面
小恩 Skill 的核心方法可以压缩成四步：
找到核心判断
-> 提取核心动词
-> 把动词变成物理动作
-> 让小恩亲自完成动作
下面用本文所属主题做一个完整拆解。
第一步，先写一句“这张图只想说明什么”
不要一开始就想“画电脑、画卡片，还是画一个小恩”。
先把目标压缩成一句话：
这张图只想说明：
小恩配图不是平均解释每个段落，而是先挑出最重要的认知锚点。
这句话越短越好。它不是给读者看的标题，而是给配图执行者看的约束。
如果一句话里出现了“同时”“以及”“另外”“还有”，通常说明里面塞了多个认知，需要拆成两张图，或者只保留一个主判断。
第二步，从判断里提取核心动词
上面这句判断里，真正有动作感的词是：
挑出
它比“理解”“解释”“处理内容”更适合做画面，因为“挑出”天然可以变成手部动作、筛选动作和对象变化。
常见的抽象词可以这样换：
| 抽象表达 | 可继续追问 | 可能的核心动词 |
|---|---|---|
| 统一管理 | 到底统一了什么 | 分流、归档、限制、追踪 |
| 提升质量 | 质量是怎样变化的 | 筛选、校准、比较、剔除 |
| 经验沉淀 | 经验去了哪里 | 记录、分类、保存、复用 |
| 找到问题 | 问题怎样被发现 | 观察、测量、拆开、对照 |
| 推进项目 | 下一步怎么发生 | 连接、托住、推动、启动 |
| 方法可复用 | 哪个部分可以带走 | 拆出、装盒、取出、重组 |
核心动词不是文案修辞，而是后面选择画面结构的开关。
第三步，把动词变成物理动作
“挑出”可以变成：
一叠纸卡从左侧进入；
小恩站在一张有窄缝的工作台前；
它把其中一张卡片从缝隙里取出；
被取出的卡片被放到一个空白观察框里；
剩余卡片留在原处，但不再抢画面中心。
这里不需要真实 UI，也不需要画一张“认知锚点筛选流程图”。
一个简单物件和一个具体动作，已经可以表达“从很多段落中选出少数关键判断”。
第四步，让小恩成为动作的必要条件
最后问一句：
如果把小恩删掉，这个动作还会不会自动发生？
如果答案是“会”，那小恩还是装饰。
上面的场景里，小恩必须亲手从狭窄的选择缝里取出那张卡片，并把它放入观察框。画面中的变化由小恩造成，删掉小恩之后，只剩一堆卡片和一个框，表达会变得不完整。
这就是仓库反复强调的原则：
不是先画一个系统，再把小恩放进去；
而是先确定小恩正在做什么，再让画面围绕动作成立。
三、一个完整的认知锚点拆解例子
假设你要给下面这段文章配图：
AI 生成的文章和图片不能直接发布。
真正稳定的流程，不是让模型一次输出完美答案，
而是把输出分成候选、筛选、校准和归档四个步骤。
1. 不要把整段话画成四个框
最直觉的做法是画四个方框：
候选 -> 筛选 -> 校准 -> 归档
这能传递流程，但很像 PPT 或流程图，也没有说明“为什么人工要介入”。
2. 找到真正的认知锚点
这段话真正想说明的不是“有四个步骤”，而是：
稳定的 AI 工作流依赖人的筛选和校准，
而不是依赖模型一次性给出完美结果。
3. 提取核心动词
这里至少有三个动词：
筛选、校准、归档
一张图只保留一个主动作。假如本文需要三张图，可以分别表达三个认知；假如只能画一张，优先保留“校准”，因为它最能解释“为什么不能直接发布”。
4. 变成物理场景
可以这样设计：
一台简化的输出机器吐出三张略有偏差的结果卡片。
小恩蹲在机器出口，用一把很短的刻度尺贴近其中一张卡片，
把偏离基准线的卡片向后拨开，
只把校准后的卡片放到前方的发布托盘。
这里的主物件是“输出机器和基准线”，小恩的动作是“测量和拨正”，画面表达的是“输出要经过人工校准”。
5. 确定短标注
文字只保留观察笔记式的短语：
原始输出
偏差
人工校准
可发布
不建议把完整句子写进图片。长句会让图变成一张课程页，也会增加错字和生成失败的概率。
四、Shot List 应该写到什么程度
Shot List 不是一句“画一张小恩配图”，也不是把最终 Prompt 提前写成一大段。
它是生成前的拍摄清单，要让作者、编辑和设计师能在生图之前审查逻辑。
仓库给出的模板包含这些字段：
图号：
放置位置：
图的主题：
核心认知：
构图类型：
抽象动词：
物理动作：
小恩动作：位置 + 姿态 + 工具 + 动作 + 结果
主要物件：
辅助物件：
信息流向：
建议标注：
颜色用途：
留白位置：
原创性检查：
一个可直接使用的 Shot List
以“AI 输出需要人工校准”这段内容为例：
图号：01
放置位置：解释“不能直接发布”的段落之后
图的主题：输出不是成品，校准才是发布前的关键动作
核心认知：AI 结果需要人工对照标准、发现偏差并修正
构图类型：单一动作场景
抽象动词：校准
物理动作：把偏离基准线的卡片拨回可用位置
小恩动作：站在输出机器出口，身体前倾，双手拿短刻度尺和夹子，
对照一条橙色基准线，把一张歪斜卡片轻轻拨正
主要物件：简化输出机器、三张结果卡片和一条基准线
辅助物件：前方一个空白发布托盘
信息流向：机器吐出候选结果 -> 小恩检查偏差 -> 结果进入托盘
建议标注：原始输出／偏差／人工校准／可发布
颜色用途：橙色表示基准线和拨正动作，蓝色只表示机器返回的反馈
留白位置：画面右上方和左下方保留大块纯白
原创性检查：不使用传送带、漏斗、桥和旧案例中的断点结构，
改用出口刻度线与拨正动作表达校准
这份清单已经足够指导单张生图，但没有把画面塞满。它只规定必要关系，给模型留下适度的视觉解释空间。
五、直接复制的三条调用 Prompt
Prompt 1：只提取认知锚点
适合文章还没有确定配几张图时：
Use $xiaoen-ai-observer-illustrations
先不要生成图片。阅读下面的中文文章，只提取真正值得视觉化的认知锚点。
要求：
1. 不要平均给每个段落配图。
2. 优先选择核心判断、认知转折、输入处理输出关系、流程卡点、
状态变化和可复用结论。
3. 每个锚点用一句话说明“读者应该看懂什么”。
4. 说明为什么它值得配图，以及不配图会损失什么理解。
5. 最多输出 6 个候选锚点，并按重要性排序。
6. 不要生成图片，不要写成标题列表。
文章正文：
<粘贴文章>
Prompt 2：生成 Shot List
适合你已经选定了候选锚点：
Use $xiaoen-ai-observer-illustrations
先不要生图。根据下面的文章和认知锚点，输出 4 张 Shot List。
每张必须包含：
- 放置位置
- 核心认知
- 构图类型
- 抽象动词
- 物理动作
- 小恩的位置、姿态、工具、接触对象和动作结果
- 一个主要物件和最多一个辅助物件
- 信息流向
- 3 到 5 个短中文标注
- 橙色、蓝色或红色各自表示什么
- 大块留白放在哪里
- 与之前案例相比具体改变了哪三个构图元素
硬性限制：
- 每张只表达一个核心认知。
- 小恩必须亲自改变主物件的状态。
- 删除小恩后，画面不能完整表达原判断。
- 不使用 PPT、真实 UI、商业插画和赛博科技风。
文章正文：
<粘贴文章>
Prompt 3：由 Shot List 生成一张图
不要一次让模型把 4 张图拼在一张画布里。每个 Shot 单独调用：
Use $xiaoen-ai-observer-illustrations
根据下面这条 Shot List，只生成一张 16:9 横版正文配图。
这张图只表达一个核心认知：
<填写核心认知>
小恩必须完成这个动作：
<填写位置、姿态、工具、接触对象和结果>
主要物件：
<填写一个主物件>
短中文标注：
<填写 3 到 5 个短标注>
严格保持小恩角色参考、纯白背景、黑色极简手绘、大量留白和少量橙蓝批注。
禁止大标题、真实软件界面、品牌 Logo、PPT 信息图、复杂背景、
蓝紫发光科技感、商业矢量插画和可爱吉祥物风。
六、为什么要先做 Shot List
先做 Shot List 有三个现实好处。
1. 先检查逻辑，再消耗生图成本
一张图是否值得生成，和它能不能生成是两件事。
Shot List 阶段可以先问：
- 这张图到底在解释哪个判断？
- 小恩的动作是否和判断直接对应？
- 主物件是否足够简单？
- 读者不看长文，能否通过动作看懂关系？
- 这张图是不是只是上一张图换了文字？
这些问题在文字阶段解决，比生图之后再返工便宜得多。
2. 避免整篇文章被同一种构图占满
仓库明确提醒，不要连续复刻传送带、漏斗、桥、鱼、信息井、发酵罐和断点接口等旧隐喻。
一个系列可以轮换：
第1张：观察
第2张：拆解
第3张：校准
第4张：归档
第5张：推动
动作轮换比“每张都画一个小恩站在设备旁边”更能让 IP 形成稳定但不重复的工作方式。
3. 方便多人协作
企业内容团队经常不是一个人从头做到尾。
作者负责确认判断，编辑负责删减锚点，设计师负责检查画面，工程师负责接入生成接口。Shot List 让每个人看到的是同一份中间产物，不用反复猜测“这张图为什么要这样画”。
七、上游 API 如何承接 Shot List 前后的模型任务
小恩 Skill 本身不要求 上游 API，也不能据此推断仓库已经原生集成了 上游 API。
更适合企业的分工是：
文章或研究资料
-> 上游 API 统一调用文本模型提炼候选锚点
-> 编辑确认 Shot List
-> 小恩 Skill 固化动作、风格和角色规则
-> 上游 API 路由图像模型完成生成
-> 视觉模型或人工按 QA 复核
-> 内容系统发布和归档
在这条链路里，上游 API 的价值不在于替小恩决定“画什么”，而在于让企业能够统一管理模型调用：
- 用成本较低的文本模型做第一轮锚点候选。
- 用能力更强的模型处理复杂文章和多轮编辑。
- 用视觉模型检查角色是否变形、画面是否过满、文字是否异常。
- 用 Embedding 检索历史文章、已有 Shot List 和可复用素材。
- 用模型路由和失败切换减少单一上游不稳定对发布节奏的影响。
- 按项目、成员、环境和任务类型拆分 API Key，避免所有人共用一个生产密钥。
- 留下请求日志、模型版本、Skill 版本、Prompt 版本和成本记录，方便复盘返工原因。
建议把一次配图任务视为一个可追踪的任务单，而不是一串无法回溯的聊天：
task_id
project_id
article_id
skill_version
prompt_version
selected_shots
text_model
image_model
qa_status
estimated_cost
actual_cost
failure_reason
字段名称可以按企业系统调整，关键是要能回答三件事：
- 这张图是谁、用什么规则生成的？
- 为什么它通过或没有通过？
- 这次返工究竟花了多少模型成本？
八、生成前的 Shot List 验收清单
认知验收
- 每张只有一个核心认知。
- 核心认知可以用一句话说清楚。
- 它不是简单的小标题或段落复述。
- 读者看完动作，可以理解文章的一层关系。
- 多张图之间没有重复解释同一个观点。
动作验收
- 已经从判断里提取出一个主要动词。
- 抽象动词被转换成了物理动作。
- 小恩有明确的位置、姿态、工具和接触对象。
- 小恩的动作会改变主物件的状态。
- 删除小恩后，核心隐喻会明显失去意义。
构图验收
- 一个主物件，最多一个辅助物件。
- 不依赖规整框图和大量箭头。
- 有一整块安静留白，而不是零碎空隙。
- 颜色用途已经写清楚，没有大面积铺色。
- 标注是 3 到 5 处短中文，不是课程标题。
原创性验收
- 没有直接复制仓库示例的构图。
- 与系列前一张至少改变主物件、动作和空间关系中的三项。
- 没有因为“表达流程”就默认画传送带或漏斗。
- 隐喻来自当前文章，而不是通用图标拼贴。
九、常见失败与处理顺序
失败一：看起来漂亮，但不知道在讲什么
先不要加字。回到“这张图只想说明什么”，删掉所有不能服务这个判断的对象。
失败二：小恩变成旁观者
把“站在旁边看”改成明确动作：
检查 -> 接触并对照
分析 -> 拆开并比较
优化 -> 拧动并改变
复盘 -> 分类并归档
推进 -> 托住并推动
失败三：一张图塞进四五个结论
优先保留最能解释文章转折的一个判断，其余内容交给下一张图或正文。
失败四：画面像 PPT
删除大标题、规整矩形、编号、长箭头和密集文字，把节点改成一个可触摸的主物件。
失败五：动作和隐喻重复
不只换标签。至少同时改变主物件、动作、空间关系和颜色用途中的三项。
十、今天就能完成的一次测试
拿一篇 500 到 1000 字的中文文章，按下面顺序做：
第1步：让 Skill 只提取 3 个认知锚点。
第2步：人工删除其中 1 个最弱锚点。
第3步：让 Skill 为剩余 2 个锚点输出 Shot List。
第4步：只选 1 个 Shot 生成单张图。
第5步：按“小恩是谁、正在做什么、为什么必须在这里”做三秒测试。
第6步：通过后再生成第二张。
第一次不要追求九张图，也不要先追求整套风格海报。先确认一个动作能否把一个判断讲清楚。
总结与系列导航
小恩 Skill 最值得学习的不是某一个画面，而是这套从文字到视觉的中间方法：
不要从“画什么”开始，
要从“读者应该看懂什么”开始。
不要把抽象词直接塞进 Prompt，
要把抽象词变成小恩正在完成的动作。
不要先批量生图，
先用 Shot List 把认知、动作、物件和留白审清楚。
第314期讲了项目是什么、怎么安装和怎么调用；本期把认知锚点与 Shot List 拆开了。下一期继续处理最容易翻车的部分：怎样用角色参考、视觉 DNA 和 QA 清单，减少小恩变成猫、机器人、商业吉祥物或普通黑色角色的情况。
项目地址：GitHub 项目仓库
企业需要把文章分析、图片生成、视觉审核和素材检索接进自己的系统时，可以用 上游 API 作为企业 API 网关，统一处理模型路由、Key 权限、日志审计、预算和成本治理；但具体模型、接口字段和商用授权，仍应以实际服务文档与企业合规要求为准。
结论
本文给出了问题定位、配置或创作流程的可执行路径。实际结果仍取决于当前版本、权限和运行环境，提交前应按官方文档复核可变字段，并保留失败证据和回滚边界。