iT邦幫忙

2026 iThome 鐵人賽

DAY 25
0
Claude AI

用 AI Agent 撰寫長篇技術系列文章系列 第 25 篇

Day 24:封面與插圖生成,用生成式圖像工具自動配圖

  • 分享至 

  • xImage
  •  

Day 23:資料視覺化,讓代理人讀取數據並生成圖表 結尾留下一句話,架構圖與資料視覺化這兩類忠實轉譯既有內容的圖表,今天都有了明確答案,但技術文章裡還有另一種完全不同性質的視覺需求尚未處理,封面與插圖這類偏向美術創作性質的視覺產出,該如何處理,這個問題今天還沒有答案,將在下一篇正式揭曉。今天要正面回答這件事。

兩種圖表都有答案了,封面呢

Day 22、Day 23 依序把架構圖與資料視覺化這兩個視覺產出類型的轉譯原則定案,封面與插圖這類偏向美術創作性質的視覺產出,該如何處理,這件事今天還沒有答案。今天要正面回答這件事,答案的方向分三步走,先說明封面插圖與前兩者的根本差異,再定案它需要什麼樣的輸入介面,最後處理風格一致性這個 35 天大綱明確點出的要求。

在往下走之前,先把今天的任務範圍畫清楚。今天只定義封面與插圖這一種視覺產出類型的工作模式,不涉及具體要用哪一種生成式圖像技術或工具,也不涉及寫作代理人與視覺代理人協同產出圖文草稿的完整實戰,這是 Day 25 的範疇。

前兩種圖表忠實轉譯,封面插圖沒有東西可以忠實轉譯

先回顧已經定案的兩種產出類型。

Day 22:自動生成架構圖,讓代理人依內文繪製流程圖 定案,架構圖處理的是步驟或元件之間的結構關係,畫面呈現的是元件與元件之間、步驟與步驟之間如何連接與轉移。

Day 23:資料視覺化,讓代理人讀取數據並生成圖表 定案,資料視覺化處理的是數量、比例、趨勢等可量化的數值關係。這兩者雖然產出形式不同,一個畫關係、一個畫數字,但共同本質完全一致,都是把文章裡已經存在的內容,忠實轉譯成對應的視覺呈現,不能自行增減節點,不能自行編造或估算數據。

封面與插圖與這兩者的根本差異,在於它不是轉譯既有內容。一段描述系統架構的文字,本身就帶著節點與關係這些結構線索,可以被忠實轉譯成架構圖。一段提到效能比較的文字,本身就帶著具體數字,可以被忠實轉譯成長條圖。但一篇文章的封面該長什麼樣子,文章本身並不會提供一組現成的視覺元素等著被轉譯出來,封面要呈現的畫面,是文章主題與調性之上的一次再創作,不是文章內容本身已經蘊含、只等著被畫出來的東西。

這正是封面插圖偏向美術創作性質的意思。它回答的問題與前兩者完全不同,架構圖問的是元件或步驟之間如何連接,資料視覺化問的是數值之間相差多少,封面插圖問的是這篇文章給人的整體印象該用什麼畫面表達,這是一個創作性質的問題,不是一個轉譯性質的問題。這個對稱區隔呼應 Day 22 定案的區隔判準收束句,本質是結構關係、還是數量關係、還是美術創作,今天正式把第三種類型的內容補齊。

沒有內容可轉譯,佔位符機制用不上了

架構圖與資料視覺化都能沿用同一套圖表佔位符輸入介面,因為兩者的輸入都來自文章裡已經存在的內容,佔位描述只需要指向這些既有內容即可完成輸入。封面插圖沒有這樣一段既有內容可以指向,佔位符機制建立在「描述文章裡已經有什麼」這個前提上,但封面插圖要回答的問題是「這篇文章整體給人的印象該用什麼畫面表達」,這個問題的答案不會寫在正文的任何一個段落裡,佔位符機制在這裡用不上。

今天須定案,封面插圖的輸入不是佔位描述指向的既有內容,而是文章的主題與定位本身。具體而言,輸入來源是文章標題與 Day 04:規劃代理人的產出介面,認識 Section Spec 定案的 Section Spec 裡核心目標欄位,這兩者已經清楚交代了這篇文章要講什麼、定位是什麼,視覺代理人依據這兩項既有輸入,決定封面該呈現的意象方向,而不是自己重新閱讀通篇正文去尋找靈感。這一點雖然輸入形式與架構圖、資料視覺化不同,但精神上仍然呼應 Day 21:為什麼技術文章需要圖表,視覺代理人的定位 定案的輸入是已經存在的文字或數據,標題與核心目標同樣是已經存在、而非視覺代理人自行杜撰的既有素材,差別只在於這裡的輸入是主題性質的描述,不是結構或數值性質的描述。

風格一致性,不需要另開一份檔案

35 天大綱明確點出,本篇須兼顧風格一致性。系列進行到第 24 天,讀者可能會擔心,35 篇文章各自配一張圖,會不會配著配著風格就走散了,前面幾篇是俐落的線條插畫,後面幾篇變成完全不同調性的畫風,讀者翻閱整個系列時會感覺到不連貫。

今天須定案,這個問題不需要另立一套新的風格記錄機制。Day 05:系列的單一事實來源,打造全域錨點檔案 定案,全域錨點檔案是一份記錄系列中所有已定義專有名詞與已定案架構決策的獨立檔案,作為所有 Agent 共享的單一事實來源。封面與插圖的視覺風格,例如色調、構圖傾向、畫風調性,一旦在系列第一次產出封面時確立,就應該被記錄進全域錨點檔案,成為後續每一天視覺代理人產出封面與插圖時都必須查閱並沿用的既定依據,與名詞定義、架構決策使用同一份檔案、同一套查閱習慣。

這個做法呼應 Day 05 定案的核心理由,不能只靠某一次生成過程自己記得先前用過的風格。系列跨越 35 天,視覺代理人在第 24 天產出封面時,未必帶著第一次產出封面那次的完整脈絡,如果沒有一份獨立於單次生成過程之外的共享記錄,風格一致性只能仰賴每次生成時重新回頭比對前面所有已經產出的圖像,這件事在系列規模放大之後會迅速變得不可靠,這與 Day 05 論證全域錨點檔案存在理由時的邏輯完全一致,只是這次套用的對象從文字錨點換成視覺風格錨點。

視覺代理人產出封面或插圖時,依循的原則因此有兩層,第一層是依據文章標題與核心目標決定這一篇該呈現的意象方向,第二層是查閱全域錨點檔案裡已經記錄的風格設定,確保色調、構圖傾向、畫風調性與系列前面已經產出的圖像維持一致。這兩層原則今天只定案到工作模式層級,不指定具體要用哪一種生成式圖像技術或工具產出最終畫面,交由實作時依當下條件決定,這與 Day 22 不規定具體要用哪一種繪圖語法或工具、Day 23 不規定具體要用哪一種圖表函式庫的原則層級論證方式一致。

視覺代理人產出封面與插圖的兩層原則示意圖,先依文章標題與核心目標決定意象方向,再查閱全域錨點檔案沿用色調、構圖傾向、畫風調性,風格在系列第一次產出封面時記錄進全域錨點檔案,後續每一天回頭查閱沿用

三種圖表都有答案了,接下來要合體

今天正面回答了 Day 23 留下的伏筆,封面與插圖這類偏向美術創作性質的視覺產出,該如何處理,這件事今天有了答案。

封面插圖與架構圖、資料視覺化的根本差異今天講清楚了,前兩者是忠實轉譯文章裡已經存在的結構或數值內容,封面插圖沒有既有內容可以轉譯,回答的是這篇文章整體給人的印象該用什麼畫面表達,這是創作性質的問題,不是轉譯性質的問題。

今天最重要的定案,是封面插圖不沿用圖表佔位符這套建立在既有內容之上的輸入介面,而是以文章標題與 Section Spec 核心目標作為輸入,決定意象方向。風格一致性不需要另立新機制,沿用 Day 05 定案的全域錨點檔案,把色調、構圖傾向、畫風調性記錄成系列共享的錨點,讓 35 天下來的每一張封面與插圖都能查閱同一份依據,維持風格不走散。

架構圖、資料視覺化、封面插圖,視覺代理人這三種產出類型今天全數有了各自的工作原則。但三者目前都還是各自獨立驗證,寫作代理人產出文字、視覺代理人產出圖像,兩者實際協同運作起來會是什麼樣貌,這個問題今天還沒有答案,將在下一篇正式揭曉。


上一篇
Day 23:資料視覺化,讓代理人讀取數據並生成圖表
系列文
用 AI Agent 撰寫長篇技術系列文章 共 25 篇
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言