用途:读取 Markdown 文章,按 H2/H3 标题拆分段落,为每段生成配图提示词,调用 Gemini API 批量生成图片并插入文档,适合为长文快速配图。
主要能力:分两阶段执行。第一阶段分析文章结构,输出段落标题、核心观点、关键概念表格,生成全局 STYLE INSTRUCTIONS,并为每段生成提示词大纲,等待用户确认或修改。第二阶段逐个调用 scripts/generate_image.py 生成图片,保存到 obsidian/09image/MMDD-主题名称/ 目录,再以 Obsidian wikilink 格式 ![[路径]] 插入对应段落标题下方。
风格:风格 1 简约手绘(黑线白底,默认,适合概念解释与流程说明);风格 2 建筑蓝图编辑风(精致极简,适合系统架构与技术分析)。可在确认阶段选全局风格或为单图指定。
用法:提示词主体用英文,图片内文字标签写中文原文,末尾追加中文为主指令;默认 16:9、2K。生成命令示例:python3 scripts/generate_image.py --prompt "提示词内容" --output ".../01-段落名.png" --api-key "..." --api-url "https://generativelanguage.googleapis.com" --model "gemini-3-pro-image-preview" --aspect-ratio "16:9" --resolution "2K"。图片编号两位数字,间隔 2-3 秒避免限流,失败项记录后继续。
限制:依赖 Gemini API 与脚本环境;路径、API Key、模型等需按实际配置;资料未提供收费、价格与效果保证信息。