2026-08-23 · 8 min read

我给剪辑做了个抖音封面 Skill,顺手写了几条禁令

我给拍摄剪辑的同事做了一个『一句话生成抖音封面』的 AI Skill:草稿图 + 提示词 → 图生图 → 回传飞书。这中间最值的不是生成,而是两个设计——如何在高并发多个需求时不搞混各自的草稿图,以及如何用『执行电路』而不是一堆『禁止』来让流程自然走对。

A Douyin cover-generation Skill for video editors: draft image + prompt → image-to-image → deliver back to Feishu. The real value is two design decisions — how to keep concurrent cover requests from mixing up their drafts, and how to use an 'execution circuit' instead of a pile of prohibitions so the flow naturally goes right.

一排几乎相同的卡片中,只有一张被一小段蓝线标记出来

拍摄剪辑的同事每天要做一堆抖音封面。如果他们能直接在飞书群里丢一张参考图、说一句"做个封面,标题XXX",让 AI 把封面做出来送回来,就能省掉一大半来回。

我给他们写了个这样的 Skill。但真正值得记下来的,是我为了让它稳而做的两个设计决策。

先给结论:一个给员工用的 Skill,价值全看『并发不串、流程走对』,功能多少是次要的。 这两点,一个靠数据绑定,一个靠流程设计。

执行 Workflow:封面 Skill 的执行电路(状态机)

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart TD
  A[第0节点:触发即提示<br/>当前消息有没有草稿图?] -->|没有| B[请剪辑先发草稿<br/>期间可先备好 gbro 提示词]
  A -->|有| C[第一步:收草稿并归档<br/>cp → ~/cover-inputs/&lt;message_id&gt;/]
  C --> D[锁定确认<br/>回显:我将用这张图做草稿]
  D --> E[第二步:gbro 生成提示词<br/>10 风格+五要素+双比例]
  E --> F{执行电路节点<br/>是否走纯文生图?}
  F -->|不在电路内| X[✗ 不经过]
  F -->|按设计走图+文| G[第三步:image_edit 图生图<br/>以草稿为基底+提示词全文]
  G --> H[落盘生成图<br/>~/.hermes/micu-images/]
  H --> I[MEDIA 回传飞书<br/>图片气泡交付]

技术原理:为什么"图片和消息绑定"是天然的防混图武器

防混图靠的是消息链路的一个既有事实:

飞书每条带图消息到达 gateway 时,_download_feishu_image() 已经把该消息的图片下载成本地绝对路径,并注入到当前消息的上下文里,标记为 [User sent an image: <绝对路径>]。

也就是说,图片天生就属于它所在的那条消息。所以防混图的正确设计是"只认当前消息上下文里的路径、禁止查历史消息"。没有"多选"这个环节,并发多图请求天然隔离(每条消息一个专属 message_id 子目录)。把并发问题变成数据绑定问题,就根本不存在"拿错"的可能。

设计:执行电路 vs 一纸禁令

我把整个流程设计成上面那张"电路":第 0 节点卡死"必须有草稿",生图节点固定走"图 + 文"(image_edit / multi_reference),纯文生图不在电路内、电路按设计不经过它。

Skill 的形态:草稿图 + 提示词 → 图生图

这个 Skill 的核心理念是执行电路:

text
草稿图(必填)→ gbro 提示词(10 风格 + 五要素 brief + 双比例)→ 图生图 → 回传飞书

注意是图生图,不是文生图。同事给一张"大概想做成什么样"的草稿,AI 以它为基底 + 提示词去生成封面。为什么必须图生图?因为封面是你和品牌的方向决策,草稿是人的意图锚点;让 AI 凭空文生图,跑偏了返工成本太高。

设计一:防混图,并发需求怎么不搞混各自的草稿

第一个真正棘手的问题(也是同事的"灵魂拷问"):一小时内有 3 个人丢 3 张不同的草稿做封面,怎么保证不搞混?

我查了消息链路源码,发现一个天然的绑定:图片跟消息是绑定的。飞书收到每条带图消息时,gateway 会把那张图自动下载成本地路径,注入到当前消息上下文里,标记为 [User sent an image: <绝对路径>]。

所以防混图的正确姿势只有一条:

只认当前消息上下文里那张图,绝不查历史消息取图。 一消息一请求,逐一处理。并发自然隔离,因为每张图都只属于它那条消息。

这样设计,连"会不会拿错"的念头都没有,因为根本没有"多选"这个环节。

设计二:用执行电路代替一纸禁令

一开始我写了不少"禁止":禁止文生图、禁止查历史、禁止自己选图。但同事纠正了我一个更好的思路:与其禁止 X,不如让流程根本不经过 X。

所以我把流程设计成一条自然的"执行电路":

  • 第 0 节点:必须先有草稿图。当前消息没带图 → 先请同事发草稿,期间可以先备好提示词
  • 收到草稿 → 归档到当前任务专属目录 ~/cover-inputs/<message_id>/ → 锁定确认(回显"我将用这张图做草稿"),不对可换
  • 后续所有步骤一律引用归档后的稳定路径(不依赖 gateway 临时缓存,缓存会被清)
  • 生图节点固定走 图 + 文(image_edit / multi_reference),纯文生图"不在电路内、电路按设计不经过它"

用"设计让链路自然走对",比用一长串"禁止"稳得多、也好讲给同事听。

交付:双比例封面 + 发布信息

Skill 还会顺带产出完整交付:

  • 双封面:竖 3:4(1080×1440,信息流)+ 横 4:3(1440×1080,搜索/话题卡)
  • 封面三要素:主角为主题 + 标题大字(≤8 字,安全区内)+ 视频关键元素,一个不能少
  • 发布元数据:标题(<30 字)+ 简介(含 Tag,3-5 个,#蓝辉轻改 必带)

这样同事拿到的是一整套能直接发布的东西。

我的判断

做这类"给员工用"的 Skill,我最大的体会是:

写死规则不如把路修对。 防混图靠"图片与消息天然绑定"这个事实设计,比靠 AI 自觉强一万倍;走对流程靠"执行电路"让链路自然绕过坑,比靠一纸禁令强得多。

如果你也在给团队做类似的工具,多想想"怎么让不走错路成为唯一选项",别把力气花在"怎么警告它别走错"上。前者是一次设计,后者是每单都要人盯着。

参考:这套 Skill 拆成了 douyin-cover-entry(编排)与 gbro-cover-design(设计提示词)两个,部署给拍剪 A/B 使用。本篇为对外经验记录,隐藏内部资产与 token。

搜索全站

输入关键词,查找项目与实践记录。