文章批量配图
该工具用于分析 Markdown 文章结构，为每个段落或小节生成配图提示词，调用 Gemini API 批量生成图片并插入文档。当用户说“批量配图”“给文章配图”“生成文章插图”“为这篇文章配图”时触发。
一、工作流程
Phase 1：分析文章 → 生成提示词
- 读取文章：获取用户提供的文章内容（当前打开文件或指定路径）。
- 结构分析：按 H2/H3 标题拆分段落，提取每个段落核心思想。
- 生成风格指令：根据文章主题生成全局 STYLE INSTRUCTIONS 代码块。
- 生成提示词：为每个段落创建图片提示词大纲（参考 references/style-guide.md）。
- 展示并确认：以列表形式展示所有提示词，等待用户确认或修改。
Phase 2：生成图片 → 插入文档 6. 批量生成：调用 scripts/generate_image.py 逐个生成图片。 7. 保存图片：存入 obsidian/09image/MMDD-主题名称/ 目录。 8. 插入文档：在每个段落标题后插入 ![[图片路径]] 引用。
二、Phase 1 详细指引
- 文章结构分析 读取文章后按以下规则拆分：
- 以 ##（H2）或 ###（H3）标题作为段落分隔符；
- 忽略 frontmatter（YAML）部分；
- 忽略纯引用、脚注等辅助内容；
- 提取每个段落的标题、核心观点（1 句话）、关键概念（3-5 个词）。
输出格式为表格，包含序号、段落标题、核心观点、关键概念四列。
- 生成全局风格指令 在所有提示词之前，必须先生成 STYLE INSTRUCTIONS 块，读取 references/style-guide.md 获取风格模板。默认使用风格 1（简约手绘风），用户可选择风格 2（建筑蓝图编辑风）。
STYLE INSTRUCTIONS 包含：
- 整体风格：简约手绘风格 / 建筑蓝图编辑风格
- 色彩方案：白底为主，黑色线条，主题点缀色
- 比例：16:9 横版
- 分辨率：2K
- 文字量：极少，仅保留 1-3 个核心关键词
- 文字语言：图片中文字以简体中文为主，专业术语/缩写（如 AI、API、LLM）可保留英文
- 视觉语言：逻辑图、流程图、概念图
- 一致性：统一线条粗细、留白比例、排版网格
- 为每个段落生成提示词 每个提示词结构包括：
- 风格前缀：来自 STYLE INSTRUCTIONS 的通用描述；
- 图表类型：概念图/流程图/对比图/层次图/关系图；
- 内容描述：以段落核心思想为主，用叙述性语言描述图表内容；
- 中文标签：直接写中文关键词（如“数据采集”“智能处理”），1-3 个；
- 中文为主指令（必须）：每个提示词末尾追加，要求图片中所有文字、标签、注释以简体中文为主，使用干净中文字体，技术术语和缩写（如 AI、API、LLM、RAG）可保留英文；
- 排除项：“No photography, no realistic elements, no complex gradients”。
要点：提示词主体用英文编写（Gemini 对英文提示词理解更好）；图片中需要出现的文字标签直接写中文原文；每个提示词末尾必须包含中文为主指令。
- 等待确认 展示完所有提示词后，询问用户是否满意、是否需要修改某个图的描述，并告知确认后将开始批量生成图片（共 N 张）。用户可指定某个图使用不同风格或修改描述。
三、Phase 2 详细指引
- 调用 API 生成图片 确认后逐个调用脚本生成图片：
python3 scripts/generate_image.py
--prompt "提示词内容"
--output "/Users/ugreen/Documents/obsidian/09image/MMDD-主题名/01-段落名.png"
--provider labnana
--aspect-ratio "16:9"
--resolution "2K"
注意事项：
- MMDD 取当天日期（如 0206）；
- 主题名从文章 H1 标题提取，简化为短名称；
- 图片编号两位数字（01、02、03...）；
- 每张图生成后检查脚本输出确认成功；
- 若某张图失败，记录并继续下一张，最后汇报失败项；
- 图片间间隔 2-3 秒，避免 API 限流。
-
保存路径规范 /Users/ugreen/Documents/obsidian/09image/MMDD-主题简称/ ├── 01-段落标题简称.png ├── 02-段落标题简称.png ├── 03-段落标题简称.png └── ...
-
插入文档 在文章对应段落标题下方插入图片引用：
段落标题
![[09image/MMDD-主题简称/01-段落标题简称.png]]
段落正文内容...
使用 Obsidian wikilink 格式 ![[路径]] 插入。
四、API 配置
LabNana API（默认，gpt-image-2）
- API URL：https://api.labnana.com
- API Key：存储在 .labnana.env 文件
- Model：gpt-image-2
- Provider：openai
- 默认比例：16:9
- 默认分辨率：2K
调用示例：
python3 scripts/generate_image.py
--prompt "提示词内容"
--output "/path/to/output.png"
--provider labnana
--aspect-ratio "16:9"
--resolution "2K"
Gemini API（备用）
- API URL：https://generativelanguage.googleapis.com
- API Key：REMOVED_GEMINI_KEY
- Model：gemini-3-pro-image-preview
- 默认比例：16:9
- 默认分辨率：2K
调用示例：
python3 scripts/generate_image.py
--prompt "提示词内容"
--output "/path/to/output.png"
--provider gemini
--api-key "GEMINI_API_KEY"
--aspect-ratio "16:9"
--resolution "2K"
五、风格选择
- 风格 1（默认）：简约手绘，黑色线条，白底；适用于通用、概念解释、流程说明。
- 风格 2：建筑蓝图/技术期刊，精致极简；适用于系统架构、技术分析、专业内容。
用户可在确认阶段选择全局风格，也可为单个图指定不同风格。
六、常见用法
- “给这篇文章配图”：分析当前打开的文章并批量配图。
- “批量配图”：同上。
- “用风格2给文章配图”：使用建筑蓝图编辑风格。
- “修改第3张图的提示词”：重新生成指定图片。
- “重新生成第2张”：用修改后的提示词重新调用 API。