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

1. 配置 API 密钥（见下方"配置说明"部分）

2. 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

...