Document Illustrator

Document Illustrator

基于 AI 智能分析的文档配图生成工具

Document Illustrator 是一个 Claude Code Skill，它能智能理解文档内容，自动归纳核心要点，并为每个主题生成专业配图。无需依赖特定文档格式，AI 会理解内容并生成符合你选择风格的高质量图片。

✨ 核心特性

• 🤖 AI 智能归纳：自动理解文档内容，智能提取核心主题，无需依赖标题格式
• 📝 格式无关：支持任何格式的文档（Markdown、纯文本、PDF 等）
• 🎨 三种风格：渐变玻璃卡片、票据风格、矢量插画，满足不同场景需求
• 📐 灵活比例：支持 16:9（横屏）和 3:4（竖屏）两种图片比例
• 🖼️ 封面图可选：可生成概括全文的封面图作为系列配图的引导
• ✅ 内容完整：展示归纳结果供你确认，确保所有重要信息都被包含

🚀 快速开始

使用 npx 安装（推荐）

npx skills add https://github.com/op7418/Document-illustrator-skill

手动安装

1. 克隆或下载本仓库到 Claude Skills 目录：

cd ~/.claude/skills/
git clone https://github.com/op7418/Document-illustrator-skill.git

2. 配置 API 密钥（见下方"配置说明"部分）

3. 安装 Python 依赖（见下方"环境要求"部分）

基本使用

在 Claude Code 中直接告诉 Claude：

帮我为这个文档生成配图：/path/to/document.md

或者：

我想为这篇文章生成一些配图

Claude 会引导你完成整个配图生成流程。

🎨 三种风格说明

1. 渐变玻璃卡片风格 (gradient-glass)

视觉特点：

• Apple Keynote 风格的极简主义设计
• 玻璃拟态（Glassmorphism）效果
• 深邃虚空黑或纯净陶瓷白基底
• 流动的极光渐变色
• 3D 玻璃物体和发光效果

适用场景：

• 科技产品介绍
• 数据分析报告
• 未来趋势展望
• 产品功能演示

2. 票据风格 (ticket)

视觉特点：

• 数字极简票券设计
• 高度对比的黑白配色
• 类似登机牌、门票的结构化布局
• 精确的几何分区
• 中英混排，多向文字布局

适用场景：

• 信息图表
• 统计数据展示
• 时间线和流程图
• 要点总结

3. 矢量插画风格 (vector-illustration)

视觉特点：

• 扁平化矢量插画
• 统一粗细的黑色轮廓线
• 复古柔和的配色方案
• 几何化处理
• 横向全景式构图

适用场景：

• 故事叙述
• 概念解释
• 教育内容
• 品牌宣传

📦 安装和配置

步骤 1: 安装 Skill

使用 npx（推荐）：

npx skills add https://github.com/op7418/Document-illustrator-skill

手动安装：

cd ~/.claude/skills/
git clone https://github.com/op7418/Document-illustrator-skill.git
cd document-illustrator

步骤 2: 配置 API 密钥

1. 获取 Gemini API 密钥：Google AI Studio

2. 在 Skill 根目录创建 .env 文件：

cd ~/.claude/skills/document-illustrator
echo "GEMINI_API_KEY=your-api-key-here" > .env

或直接编辑 .env 文件：

GEMINI_API_KEY=your-api-key-here

安全提示：.env 文件包含敏感信息，请勿提交到版本控制系统

步骤 3: 安装 Python 依赖

cd ~/.claude/skills/document-illustrator
pip install google-genai pillow python-dotenv

或使用 pip3：

pip3 install google-genai pillow python-dotenv

步骤 4: 验证安装

运行测试命令：

python3 scripts/generate_single_image.py --help

预期输出应显示脚本的帮助信息，表示安装成功。

📖 使用方法

方式 1: 通过 Claude Code 使用（推荐）

这是主要的使用方式，让 Claude 智能处理整个流程。

基本命令：

帮我为这个文档生成配图：~/blog/my-article.md

交互式流程：

1. 选择图片比例

   • 16:9（横屏）- 适合演示文稿、网站横幅
   • 3:4（竖屏）- 适合社交媒体、手机查看

2. 是否生成封面图

   • 是 - 生成封面图 + 内容配图
   • 否 - 仅生成内容配图

3. 指定配图数量

   • 根据文档长度，Claude 会推荐合适的数量
   • 你可以自定义需要的图片数量（建议 3-10 张）

4. 确认内容归纳

   • Claude 会展示归纳的主题列表
   • 确认所有重要内容都被包含
   • 可以要求调整归纳结果

5. 生成配图

   • 确认后，自动调用 Gemini API 生成图片
   • 图片保存到文档所在目录的 images/ 文件夹

完整示例：

用户: 帮我为 ~/documents/ai-evolution.md 生成配图，用渐变玻璃风格

Claude: 好的，让我先读取这个文档...
        [读取并分析文档内容]

        检测到文档长度约 3000 字。

        请选择图片比例：
        1. 16:9 (横屏)
        2. 3:4 (竖屏)

用户: 1

Claude: 是否生成封面图？
        1. 是
        2. 否

用户: 是

Claude: 期望生成多少张内容配图？
        建议范围：3-10 张
        根据文档内容，推荐生成 5 张

用户: 5

Claude: 📋 内容归纳完成

        📄 封面图内容：
        "AI 技术演化：从规则到智能"
        - 核心概念、演化路径、最佳实践

        📚 内容配图（共 5 张）：
        1. AI 技术的起源
        2. 机器学习的突破
        3. 深度学习革命
        4. 大语言模型时代
        5. 未来发展趋势

        ✓ 所有内容已覆盖，无遗漏

        确认开始生成配图吗？(Y/N)

用户: Y

Claude: 🖼️  开始生成配图...

        正在生成封面图...
        ✓ 已保存: ~/documents/images/cover.png

        正在生成第 1/5 张...
        ✓ 已保存: ~/documents/images/illustration-01.png

        ...

        ✨ 完成！共生成 6 张配图

方式 2: 直接使用 Python 脚本（高级用户）

如果你想要更多控制或进行批量处理，可以直接调用 Python 脚本。

单图生成：

python3 scripts/generate_single_image.py \
  --title "人工智能的未来" \
  --content "AI 技术正在快速发展..." \
  --style gradient-glass \
  --aspect-ratio 16:9 \
  --resolution 2K \
  --output ~/output/image.png

参数说明：

• --title: 图片标题
• --content: 图片内容描述
• --style: 风格（gradient-glass / ticket / vector-illustration）
• --aspect-ratio: 比例（16:9 / 3:4）
• --resolution: 分辨率（2K / 4K）
• --output: 输出文件路径

🔍 示例展示

示例 1: 技术文章配图

使用渐变玻璃卡片风格，16:9 比例，适合科技博客和演示文稿。

示例 2: 数据报告配图

使用票据风格，3:4 比例，适合信息图表和社交媒体分享。

示例 3: 教程配图

使用矢量插画风格，16:9 比例，适合教育内容和故事叙述。

注意：以上为示例占位符。实际生成的图片效果取决于文档内容和选择的风格。

⚙️ 工作原理

整体架构

📄 文档输入
    ↓
🤖 Claude 读取和理解
    ↓
💡 AI 智能归纳核心主题
    ↓
✅ 用户确认内容分配
    ↓
🎨 调用 Gemini API 生成图片
    ↓
💾 保存到本地目录

与传统方式的对比

传统方式：

代码解析标题 → 机械切分章节 → 生成配图
    ↓
❌ 依赖特定格式（## ###）
❌ 容易遗漏非标准内容
❌ 无法理解语义

Document Illustrator：

AI 理解内容 → 智能归纳主题 → 用户确认 → 生成配图
    ↓
✅ 格式无关，任何文档都能处理
✅ 保证内容完整性
✅ 用户可控，结果透明

核心优势：

• AI 理解文档语义，而非简单的格式解析
• 智能归纳保证内容完整，不会遗漏重要信息
• 用户确认机制，生成前可以调整归纳结果

👨‍💻 开发者指南

目录结构

document-illustrator/
├── README.md                 # 项目说明文档（本文件）
├── LICENSE                   # MIT 许可证
├── SKILL.md                  # Skill 定义文件（供 Claude Code 使用）
├── .env                      # API 密钥配置（需自行创建）
├── .gitignore                # Git 忽略规则
├── scripts/                  # Python 脚本目录
│   ├── generate_illustrations.py    # 批量生成脚本（已废弃）
│   └── generate_single_image.py     # 单图生成脚本
├── styles/                   # 风格提示词目录
│   ├── gradient-glass.md            # 渐变玻璃卡片风格
│   ├── ticket.md                     # 票据风格
│   └── vector-illustration.md        # 矢量插画风格
└── examples/                 # 示例图片目录（可选）
    └── README.md                     # 示例说明

自定义风格

你可以创建自己的图片风格：

1. 在 styles/ 目录创建新的 .md 文件，例如 my-style.md

2. 编写 Gemini 提示词：

### 提示词

帮我生成一张[描述你的风格]的图片...

[详细的风格要求]
- 配色方案
- 构图规则
- 设计元素
- 视觉效果

3. 修改 scripts/generate_single_image.py 以支持新风格（在 --style 参数中添加新选项）

贡献指南

我们欢迎贡献！如果你想为本项目做出贡献：

1. Fork 本仓库

2. 创建功能分支：

   git checkout -b feature/my-new-feature
   

3. 提交你的更改：

   git commit -m "Add: 新功能描述"
   

4. 推送到分支：

   git push origin feature/my-new-feature
   

5. 创建 Pull Request

贡献类型：

• 新的图片风格
• 功能改进
• Bug 修复
• 文档完善
• 测试用例

代码规范：

• 遵循 PEP 8 Python 代码风格
• 添加必要的注释和文档字符串
• 确保代码可读性和可维护性

❓ 常见问题

Q: API 密钥无效怎么办？

A: 请检查以下几点：

1. 确认 .env 文件中的 GEMINI_API_KEY 拼写正确
2. 确保 API 密钥有效且未过期
3. 检查 API 密钥是否有足够的配额
4. 重新获取密钥：Google AI Studio

Q: 生成的图片不符合预期怎么办？

A: 可以尝试：

1. 在归纳展示阶段，告诉 Claude 你的期望，它会重新归纳
2. 尝试不同的风格
3. 调整配图数量（增加或减少）
4. 提供更详细的文档内容

Q: 如何调整图片质量？

A: 使用 --resolution 参数：

• 2K（默认）：16:9 为 2560x1440，3:4 为 1920x2560
• 4K：16:9 为 3840x2160，3:4 为 2880x3840

注意：4K 图片生成时间更长，API 成本可能更高。

Q: 支持批量处理多个文档吗？

A: 目前推荐通过 Claude Code 逐个处理文档。如果需要批量处理，可以编写自定义脚本循环调用 generate_single_image.py。

Q: 成本估算？

A: 每张图片需要调用一次 Gemini API：

• 无封面 + 3 张：3 次调用
• 有封面 + 5 张：6 次调用
• 有封面 + 10 张：11 次调用

具体成本取决于 Google AI 的定价策略，请查看 Gemini API 定价。

Q: 为什么有时图片生成失败？

A: 可能的原因：

1. 网络连接问题 - 检查网络连接
2. API 配额用尽 - 检查 API 使用量
3. 内容过长 - 脚本会自动截取前 1000 字符
4. API 服务临时不可用 - 稍后重试

📊 技术规格

项目	说明
AI 模型	gemini-3-pro-image-preview (Nano Banana Pro)
图片格式	PNG
16:9 分辨率	2K (2560x1440) / 4K (3840x2160)
3:4 分辨率	2K (1920x2560) / 4K (2880x3840)
支持文档格式	Markdown, 纯文本, PDF 等（任何 Claude 可读的格式）
平均生成时间	10-20 秒/张
Python 版本	3.8+
主要依赖	google-genai, pillow, python-dotenv

💡 最佳实践

1. 合理选择图片数量

太少（1-2 张）：

• 每张图片信息量过大
• 不容易理解和记忆
• 视觉负担重

太多（15+ 张）：

• 内容分散，缺乏重点
• 增加生成时间和成本
• 可能过于碎片化

推荐：

• 短文档（<1000 字）：3-5 张
• 中等文档（1000-3000 字）：5-7 张
• 长文档（>3000 字）：8-10 张
• 每张图片涵盖 1-2 个核心观点

2. 根据用途选择比例

16:9 适合：

• PPT 演示和幻灯片
• 网站横幅和博客配图
• 视频封面和缩略图
• 桌面端展示

3:4 适合：

• 社交媒体（Instagram、小红书、微信朋友圈）
• 移动端文章和 H5 页面
• 海报设计
• 竖屏视频和 Story

3. 封面图的使用场景

建议生成封面图：

• 系列文章（作为统一的视觉引导）
• 社交分享（作为预览图吸引点击）
• 文档首页（概括全文主旨）
• 演示文稿开场

可以不生成封面图：

• 仅内部使用的文档
• 图片数量已经足够
• 希望降低 API 调用成本
• 不需要总览性的图片

4. 风格选择建议

内容类型	推荐风格	理由
技术文档	渐变玻璃卡片	现代、科技感强
数据报告	票据风格	简洁、信息密度高
教程故事	矢量插画	温馨、易于理解
产品介绍	渐变玻璃卡片	高端、未来感
学术论文	票据风格	专业、严谨
儿童内容	矢量插画	可爱、友好

📄 许可证

本项目采用 MIT 许可证。

你可以自由地：

• ✅ 使用本软件用于商业或非商业目的
• ✅ 修改本软件
• ✅ 分发本软件
• ✅ 将本软件用于私人用途

前提是：

• 📝 在所有副本中包含原始许可证和版权声明

🙏 致谢

本项目由以下技术驱动：

• Claude Sonnet 4.5 - AI 智能内容分析和归纳
• Gemini 3 Pro Image Preview - 高质量图片生成
• Claude Code - Skill 执行环境

特别感谢所有为本项目做出贡献的开发者和用户。

📞 联系方式

• Issues: GitHub Issues
• Discussions: GitHub Discussions

如有问题或建议，欢迎通过以上方式联系！

---

让 AI 帮你理解和归纳内容，生成专业配图！ ✨