ian-xiaohei-illustrations

Ian Xiaohei Illustrations 是由产品设计师 Ian（伊恩）发起并持续维护的开源 Codex 配图生成技能，核心定位是“把中文文章里的判断、流程、状态和隐喻，变成一张张白底、手绘、怪诞但清爽的正文配图”——它不满足于做一份通用的插画 prompt 或零散的配图模板，而是将认知锚点提取、shot list 规划、结构类型选择（Workflow/前后对比/概念隐喻等）、小黑 IP 角色驱动、QA 检查清单等核心能力整合于一套完整的技能体系中，全部配有 SKILL.md 一键触发、references/ 目录下的完整风格 DNA 与构图模式参考、以及 MIT 开源协议。市面大多 AI 配图工具要么是泛泛的“给文章配一张图”式提示（缺乏系统化的认知提取），要么是精致的商业插画或扁平风格（不适合正文配图的“轻”与“怪”）——但很少有项目能将“认知锚点驱动的配图方法论”与“具有极高识别度的个人 IP 视觉风格”同时做到，Ian Xiaohei Illustrations 解决的正是这个问题。

一、Ian Xiaohei Illustrations 是什么

Ian Xiaohei Illustrations 采用“SKILL.md 技能文件 + 参考文档库 + 示例图集”三位一体的使用体验，通过 GitHub 完全开源发布，采用 MIT 许可证。项目由产品设计师、一人公司实践者 Ian（伊恩）发起并持续维护，最新提交于 2026 年 6 月 3 日。技能定位为“为中文文章、帖子、博客、Notion 文档和方法论内容生成正文配图”，触发场景涵盖写文章需要配图、做知识型内容、想用隐喻表达抽象判断、希望建立具有个人识别度的配图风格等。

Ian Xiaohei Illustrations 的运作机制与市面常见的“通用插画 prompt”或“精致扁平插画工具”有本质区别。它不是一句“给这篇文章配一张图”的泛泛指令，也不是一套追求精美渲染的商业插画流水线，而是一套认知优先、角色驱动、风格统一的配图生成方法论。技能的核心视觉 IP 是“小黑”——一个黑色实心、白点眼、细腿、空表情的小角色。小黑不是吉祥物、不是贴纸、也不是站在角落里的装饰物，而是正在认真参与系统运转的荒诞工作者。技能的工作流程分为九步：读取文章内容 → 提炼核心观点与认知转折 → 输出 shot list（每张图只选一个认知锚点）→ 为每张图选择结构类型（Workflow、系统局部、前后对比、角色状态、概念隐喻、方法分层、地图路线或小漫画分镜）→ 重新发明一个低科技、怪诞但成立的物理隐喻 → 让小黑承担核心动作 → 每张图单独调用图像模型生成 → 按 QA checklist 检查（白底、留白、小黑动作、中文标注、非 PPT 感、非旧案例复刻）→ 保存最终 PNG。技能配套了完整的参考文档库——style-dna.md（风格 DNA）、xiaohei-ip.md（小黑 IP 设定）、composition-patterns.md（构图模式）、prompt-template.md（提示词模板）和 qa-checklist.md（质量检查清单）。

二、Ian Xiaohei Illustrations 能做什么

Ian Xiaohei Illustrations 的核心能力可以精炼地概括为：读、抽、规、绘、检，围绕这五大维度提供了从文章到配图的完整路径，覆盖知识型内容配图创作的全方位需求，具体包括：

文章阅读与认知锚点提取（读） ——不是“随便找个段落配图”，而是“先理解文章在说什么”。技能的第一步是读取文章、Markdown、Notion 内容、截图或用户给定的主题，然后提炼核心观点、认知转折、流程结构和适合视觉化的段落。它不满足于“这段文字有图片需求”，而是追问“这段文字里哪个认知动作值得被画出来”——是判断、流程、结构、状态，还是隐喻？这种“先理解再配图”的设计，让配图从“装饰”升级为“解释”。

shot list 规划与认知锚点选择（抽） ——不是“一张图塞进所有信息”，而是“每张图只讲一个核心结构”。技能在规划阶段先输出 4-8 张图的 shot list，每张图写清楚：放在哪段后、主题、核心意思、结构类型、小黑在做什么、建议中文标注词。技能明确规定“一张图只表达一个核心动作、结构、状态或隐喻”，“不要把文章做成说明书”。这种“一图一锚点”的设计哲学，确保了每张配图都有清晰的认知聚焦。

八种结构类型与物理隐喻发明（规） ——不是“套用旧构图”，而是“为每篇文章重新发明隐喻”。技能为每张图提供了八种结构类型的选择：Workflow、系统局部、前后对比、角色状态、概念隐喻、方法分层、地图路线或小漫画分镜。更关键的是，技能要求“重新发明一个低科技、怪诞但成立的物理隐喻”——示例图只用于校准线条密度、留白、颜色克制和小黑参与方式，不鼓励复刻旧案例的物件和构图。这种“每次重新发明”而非“套用模板”的设计，确保每篇文章的配图都是独一无二的。

小黑 IP 驱动的核心动作表达（绘） ——不是“小黑站在角落里装饰”，而是“小黑必须承担核心动作”。技能的核心视觉 IP“小黑”被赋予了明确的角色定位：正在认真参与系统运转的荒诞工作者。技能对此有硬性要求：“小黑必须参与核心动作，不能只是装饰”；“如果去掉小黑画面仍然完全成立，说明小黑太装饰了”。这种“角色即主体”的设计，让配图中的小黑不是可有可无的吉祥物，而是承载认知动作的核心叙事元素。

QA 检查清单与风格一致性保障（检） ——不是“画完就交”，而是“逐条验证再交付”。技能内置了完整的 QA 检查清单：白底、留白、小黑动作、中文标注、非 PPT 感、非旧案例复刻。视觉风格被精确锁定为：纯白背景（不要纸纹、米色、阴影、渐变）、黑色手绘线稿（细线、轻微抖动）、大量留白（主体只占画面约 40%-60%）、少量红色、橙色、蓝色中文手写批注。这种“精确的风格定义 + 逐条的 QA 验证”，让配图在“怪诞”与“清爽”之间保持了稳定的平衡。

三、Ian Xiaohei Illustrations 适合谁用

Ian Xiaohei Illustrations 的内容设计使其适配各类希望通过有识别度的视觉风格提升知识型内容品质的创作者与内容生产者，核心聚焦那些“文章写好了但配图总是找不到合适的、用 AI 生成的配图要么太精致要么太随意”，希望从“随便配张图”升级为“每张图都在解释一个认知锚点”的人群，主要涵盖以下几类：

中文内容创作者与自媒体人——需要为公众号文章、博客、帖子配图，希望配图不仅有装饰性、更有“解释力”和“记忆点”。技能的认知锚点驱动设计，让每张配图都在帮助读者理解一个关键概念。

知识型内容与方法论分享者——做知识内容、方法论内容、AI 工作流内容，需要把抽象的判断、流程和结构画成具体的隐喻。技能的八种结构类型和物理隐喻发明流程，为抽象概念的可视化提供了系统化的方法。

用 Codex 做内容生产的 AI 重度用户——已经在用 Codex 进行内容创作，希望稳定复用一套具有个人识别度的视觉语言。技能作为 Codex Skill 的形态，让配图生成可以直接嵌入现有的 AI 内容生产流程中。

希望建立个人视觉识别度的创作者——不满足于“好看但没特点”的配图风格，希望找到一种比 PPT 信息图更轻、更怪、更有个人识别度的配图风格。小黑 IP 的独特视觉语言——黑色实心、白点眼、细腿、空表情——为创作者的配图提供了极高的辨识度。

产品设计师与一人公司实践者——正在用 AI 搭建个人生产系统，希望每个内容产出都有统一的视觉语言。作者 Ian 本身就是“产品设计师 / 一人公司实践者 / AI Builder”，这套技能是其个人生产系统里的小工具。

四、Ian Xiaohei Illustrations 的应用场景是什么

基于其内容设计与定位，Ian Xiaohei Illustrations 的应用场景主要围绕知识型文章配图、方法论可视化、AI 工作流内容配图和品牌化内容生产，覆盖从个人创作到系统化内容生产的多个场景，具体包括：

知识型文章与深度内容的正文配图场景——写了一篇关于“信任不是喊出来的，而是一块证据一块证据铺过去”的文章，需要一张能解释这个核心观点的配图。技能提供了一条“用 $ian-xiaohei-illustrations 为‘信任不是喊出来的，而是一块证据一块证据铺过去’生成一张正文配图”的精准路径。输出的配图不是泛泛的“两个人握手”，而是小黑在一块一块地铺设“证据砖块”——用物理隐喻解释了抽象概念。

方法论与工作流内容的可视化场景——分享了一套“内容发酵”或“信息井”的方法论，需要用配图让读者一眼理解结构。技能的示例图中包含了“内容发酵”“信息井”“想法压机”“信任桥”等概念的可视化——这些不是“画一个漏斗”的通用做法，而是为每个概念重新发明的物理隐喻。

AI 工作流与认知动作的可视化场景——在写关于 AI 工作流的文章时，需要解释“两个断点”“按目的分拣”“一鱼多吃”“承接路径”等具体操作。技能的示例图集展示了这些概念的可视化方式——每一张图都在解释一个具体的认知动作，而非泛泛地“展示一个 AI 界面”。

品牌化内容生产与视觉一致性场景——一个知识型 IP 或一人公司需要所有内容产出（文章、帖子、博客、Notion 文档）使用统一的配图风格。小黑 IP 的独特视觉语言——白底、手绘、怪诞、清爽——为创作者的整个内容矩阵提供了极高的视觉识别度。技能“用 Codex 做内容生产，希望稳定复用一套视觉语言”的定位，正是为这一场景设计的。

配图规划与批量内容生产场景——需要为一篇长文章规划 4-8 张配图，但不想一次性全部生成。技能支持“只做配图规划”模式——先输出 shot list，每张图写清楚放在哪段后、主题、核心意思、结构类型、小黑动作和中文标注词。规划完成后再逐张生成，让配图生产从“凭感觉”升级为“有计划”。

五、Ian Xiaohei Illustrations 为什么值得关注

Ian Xiaohei Illustrations 之所以值得关注，核心在于它将“文章配图从通用插画或精致渲染升级为认知锚点驱动、个人 IP 贯穿、风格高度统一的解释性配图方法论”，并具备“认知优先的配图哲学、小黑 IP 的角色驱动、八种结构类型、完整的 QA 体系、开源 MIT”的独特价值，具体体现在以下几点：

从“装饰性配图”到“解释性配图”的认知升维。大多数 AI 配图工具做的事是“根据关键词生成一张好看的图”——精致、漂亮，但和文章的核心认知无关。Ian Xiaohei Illustrations 做的事是“先理解文章在说什么，再把一个关键认知动作画出来”。它不满足于“配一张图”，而是追问“这篇文章里哪个判断、流程、结构或隐喻值得被画成一张有记忆点的解释图”。这种“认知优先”而非“视觉优先”的设计哲学，让配图从“装饰”升级为“解释”。

小黑 IP：不是吉祥物，是认知动作的承担者。大多数配图工具没有统一的角色 IP——每次生成的图风格各异，缺乏辨识度。Ian Xiaohei Illustrations 的核心视觉 IP“小黑”被赋予了明确的角色定位：正在认真参与系统运转的荒诞工作者。技能对小黑的使用有硬性要求：“小黑必须承担核心动作；如果去掉小黑画面仍然完全成立，说明小黑太装饰了”。这种“角色即主体”的设计，让小黑不是可有可无的吉祥物，而是承载认知动作的核心叙事元素——同时也让每张配图都有极高的视觉识别度。

“每张图只讲一个认知锚点”的结构纪律。大多数配图工具追求“一张图包含尽可能多的信息”——结果往往是信息过载、视觉混乱。Ian Xiaohei Illustrations 明确规定“一张图只表达一个核心动作、结构、状态或隐喻”，“不要把文章做成说明书”。在规划阶段，技能先输出 shot list，每张图只选一个认知锚点。这种“少即是多”的结构纪律，确保了每张配图都有清晰的认知聚焦，读者一眼就能看懂“这张图在解释什么”。

“每次重新发明隐喻”而非“套用模板”的创作原则。大多数配图工具依赖模板——同样的构图、同样的物件、同样的布局，换一篇文章只是换几个关键词。Ian Xiaohei Illustrations 要求“从当前文章重新发明隐喻，不要照抄旧案例的物件和构图”。示例图只用于校准线条密度、留白、颜色克制和小黑参与方式。这种“每次重新发明”而非“复用模板”的设计，确保每篇文章的配图都是独一无二的，而不是“换了个标题的同一张图”。

精确锁定的视觉风格 + 完整的 QA 体系。大多数 AI 配图工具的输出风格不稳定——有时候精致、有时候粗糙、有时候像商业插画、有时候像儿童画。Ian Xiaohei Illustrations 将视觉风格精确锁定为：纯白背景、黑色手绘线稿（细线、轻微抖动）、大量留白（主体只占 40%-60%）、少量红橙蓝中文手写批注。并配套了完整的 QA 检查清单：白底、留白、小黑动作、中文标注、非 PPT 感、非旧案例复刻。这种“精确的风格定义 + 逐条的 QA 验证”，让配图在“怪诞”与“清爽”之间保持了稳定的平衡——既不会太幼稚，也不会太商业。

产品设计师的一人公司实践背书。Ian Xiaohei Illustrations 不是“闭门造车”的理论产物，而是由产品设计师、一人公司实践者 Ian 在其真实的内容生产系统中持续使用和迭代的小工具。作者 Ian 用 AI 团队打造一人公司，这套小黑配图技能是其个人生产系统的一部分。这种“自己在用、持续迭代”的实战背书，让技能的设计决策有了真实场景的支撑，而非“写出来给别人用但自己不用”的空洞方案。

现实挑战与生态成熟度。Ian Xiaohei Illustrations 并非没有短板。首先，技能目前仅支持 Codex 生态，对于使用 Claude Code、Cursor 等其他 AI 编码代理的用户需要通过手动复制 SKILL.md 的方式使用。其次，技能明确不适合商业插画、品牌 KV、精致扁平插画、儿童卡通或复杂架构图——用户需要评估自己的需求是否匹配。再次，图像模型可能出现错字、幻觉标签、风格漂移或多余标题，需要人工检查并可能重生成。