AI 技能人工智能深度研究数据分析媒体生成【免费下载链接】SenseNova-SkillsModular SenseNova skills for building AI-powered office assistants and productivity workflows项目地址https://gitcode.com/gh_mirrors/se/SenseNova-Skills点击查看免费下载本篇技术指南聚焦 SenseNova-Skills 仓库中sn-infographic信息图生成技能的核心决策组件——布局与风格选择规则。该文档定义了 Worker Agent 如何在不读取任何定义文件内容的前提下仅凭布局/风格的名称通过一张候选映射表与一套加权随机采样算法为每次信息图生成任务产出LAYOUT与STYLE两个关键参数。读完本文你将掌握完整的 data_type → 布局候选映射表、tone/domain → 风格候选映射表、加权随机采样的 Bash 实现、兜底规则以及这一机制在 SKILL.md 定义的双层 Agent 流水线Step 2.0 → 2.1 → 2.3中的实际调用位置与工程价值。一、规则总览为什么只操作名称而不比较内容layout-style-selection.md开篇即给出三条硬性约束是理解整个机制的前提由 Worker Agent 自行推理完成无需额外的 LLM 调用。选择过程不消耗模型 token也不产生额外的推理开销。全程只操作名称。整个流程操纵的是布局/风格名称如hub-spoke、corporate-memphis候选池本质上就是references/layouts/*.md与references/styles/*.md下各定义文件的文件名去.md后缀。严禁打开定义文件来辅助决策。文档明确指出Never open the definition files underreferences/layouts/*.mdorreferences/styles/*.mdto make the choice——因为这次抽取是加权随机抽取weighted random draw而非质量对比定义文件的正文内容在这里完全不相关。只有最终选中的两个文件才会在 SKILL.md 的 Step 2.3 中被恰好读取一次用于组装扩写用的 system prompt。这一设计在 SKILL.md 的 Step 2.1 中被再次强调选择是name-level, weighted-random pick并要求Do NOT open any file underreferences/layouts/orreferences/styles/here。选择后仅用[ -f ]校验定义文件是否存在只查存在性仍不读内容不存在则回退。这种只读文件名、不比较内容的约束本质上把布局/风格的决策从质量择优降级为带权重的随机抽样为后续的信息图生成引入了可控的多样性详见第六节。二、Step 1按 data_type 确定布局候选选择的第一步是分析user_prompt的信息结构判定其data_type数据类型再映射到布局候选。每个data_type有一个主选布局Primarymatch_score1.0和若干备选布局Alternativesmatch_score0.7。data_type从何而来在sn-infographic流水线中它由 Step 2.0 的内容分析调用产出Worker 通过sn-text-optimize工具执行 analysis-framework.md 定义的分析框架将分析结果写入$TEMP_DIR/analysis.json包含data_type、tone、audience等字段随后 Step 2.1 从中读取data_type/tone/audience进行候选查找。该 JSON Schema 见 analysis-framework.md。完整布局候选映射表源自 layout-style-selection.mddata_typePrimary LayoutAlternative Layoutstimeline / historylinear-progressionwinding-roadmap,step-staircase,one-way-flow,flashbackprocess / tutoriallinear-progressionwinding-roadmap,step-staircase,swimlane,modular-repetition,funnel,one-way-flowcomparisonbinary-comparisonfour-quadrant-grid,conflict-contrasthierarchyhierarchical-layersaxial-expansion,deconstructionrelationshipshub-spokejigsaw,multi-focal,venn-diagramdata / metricsdashboardperiodic-table,data-landscape,hard-alignment,swiss-gridcycle / loopcircular-flows-curve,wave-path,spiral-vortexsystem / structurestructural-breakdownmulti-scale,containerization,deconstructionjourney / narrativewinding-roadmapstory-mountain,comic-strip,emotional-gradient,storyboard,flashback,full-illustration,one-way-flow,left-image-right-text,diagonal-composition,overlappingoverview / summarybento-gridperiodic-table,containerization,top-image-bottom-text,panorama,golden-ratio-splitproblem / solutionicebergconflict-contrast,visual-tension,funnel,bridgecategories / collectionperiodic-tablebento-grid,tile-layout,gallery-style,skewed-gridspatial / geographicmulti-scalestrong-perspective,panorama,isometric-mapcross-functional / workflowswimlanelinear-progression,modular-repetitionfeature list / catalogmodular-repetitionbento-grid,containerization,left-text-right-imagesingle concept spotlightsingle-focal-pointbig-typography,ultra-minimalist,header-body,center-focus,frame-composition,full-bleed-image,visual-first,single-object-art,macro-closeup,golden-ratio-split,deconstruction,heading-subheading,top-image-bottom-text,generous-margins,asymmetry,edge-tension,breaking-the-grid,strong-perspectivedialogue / QAspeech-bubblescharacter-guide,comic-stripdiscovery / explorationnonlinear-pathscene-unfolding,random-scatter,disrupted-flow,collage-glitch,hidden-detailsnetwork / multi-centermulti-focalhub-spoke,multi-directionalreport / long-formheader-bodyswiss-grid,hard-alignment,heading-subheading,editorial-vogue,chapter-layoutmarketing / CTAz-patterntile-layout,luxury-layout,editorial-vogue,generous-margins,full-bleed-image,visual-first,center-focus,frame-composition,overlapping,asymmetry,edge-tension,breaking-the-grid,skewed-grid,diagonal-composition,visual-tension,collage-glitch可以观察到几个规律同一布局名可出现在多个 data_type 中例如linear-progression同时是 timeline/history 与 process/tutorial 的主选winding-roadmap同时作为多个类型的备选或主选deconstruction同时出现在 hierarchy、system/structure、single concept spotlight 的备选中——这正是按名称索引、按权重复用的设计。备选数量与类型复杂度正相关single concept spotlight和marketing / CTA的备选列表最长分别达 18 与 15 个因为单概念聚焦与营销 CTA本身可承载的视觉组织方式非常多元较大的备选池能显著提升每次输出的差异性。该表与 analysis-framework.md 中的Content Type Classification内容类型分类建议布局存在一致性但不完全等同——前者是决策表后者是分析阶段的推荐信号两者相互印证。三、Step 2按 tone / domain 确定风格候选风格选择独立于布局进行independent of layout依据的是user_prompt的语气tone与领域domain。每个上下文Context同样有主选match_score1.0与备选match_score0.7。完整风格候选映射表源自 layout-style-selection.mdContextPrimary StyleAlternative StylesTechnical / Engineeringtechnical-schematicikea-manual,ui-wireframe,technical-diagram,parametric-design,subway-mapSoftware / Product / Tech brandtech-brandmaterial-design,corporate-memphis,ui-wireframe,parametric-designSci-fi / Futuristicneon-futurismcyberpunk,sci-fi-ui,synthwave,holographic,liquid-metal,vaporwaveProfessional / Businesscorporate-memphisswiss-style,minimalism,flat-design,bauhaus,high-contrast-adData / Analyticsdata-visualizationtechnical-diagram,swiss-style,minimalism,subway-map,parametric-designEducational / Instructionalchalkboardinstructional-visual,ikea-manual,paper-collage,bauhausPlayful / Casual / Kidspaper-collagecrayon-hand-drawn,cartoon-flat,kawaii,lego-brick,screen-printLuxury / Premium / Fashionluxury-minimalart-deco,fashion-editorial,art-nouveau,liquid-metalChinese domainchinese-guochaomodern-ink-washJapanese domainukiyo-ekawaiiVintage / Retroaged-academiavintage-poster,newspaper-collage,woodcut,art-nouveau,screen-print,vaporwaveArtistic / Fine artimpressionismexpressionism,cubism,baroque,surrealism,art-nouveauHandmade / Craftpaper-collagecrayon-hand-drawn,storybook-watercolor,claymation,origami,screen-printIllustration / Drawingpen-sketchline-drawing,marker-style,thick-paint,monochrome-illustrationExperimental / Avant-gardedeconstructivismglitch-art,op-art,geometric-burst,fractal-art,surreal-collage,parametric-design,vaporwaveScandinavian / Minimalscandinavianminimalism,swiss-style,luxury-minimal,bauhausPlayful / Geometricorigamipixel-art,knolling,lego-brick,bauhausPhotography / Mixedmixed-mediafilm-photography,double-exposure,newspaper-collageMarketing / Advertisinghigh-contrast-adscreen-print,flat-design,corporate-memphisFuturistic / Luxury Techliquid-metalneon-futurism,holographic,parametric-designInternet / Youth Culturevaporwaveglitch-art,cyberpunk,pixel-art值得注意的细节中、日领域被单独建模Chinese domain对应chinese-guochao国潮主选 modern-ink-wash现代水墨备选Japanese domain对应ukiyo-e浮世绘主选 kawaii备选。这说明风格表刻意覆盖了非英语语境下的文化风格便于中文用户生成带有文化辨识度的信息图。部分风格反复充当多领域的主选/备选如paper-collage同时是 Playful/Casual/Kids 与 Handmade/Craft 的主选corporate-memphis同时是 Professional/Business 主选和 Marketing/Advertising 备选vaporwave则同时出现在 Sci-fi、Vintage、Experimental、Futuristic/Luxury Tech、Internet/Youth Culture 五条备选列表中——风格名称在此机制中是可跨领域复用的标签。风格候选与布局候选相互独立采样即最终的LAYOUT与STYLE组合允许出现同一风格对应多个布局或同一布局搭配多种风格的交叉从而在组合空间上进一步放大多样性。四、Step 3加权随机采样算法布局与风格使用完全相同的过程进行独立采样且全程只操作名称。所谓all available options的全量宇宙就是references/layouts/与references/styles/下的文件名清单——用ls枚举只取名称不读内容mapfile -t ALL_LAYOUTS (ls $SKILL_DIR/references/layouts/ | sed s/\.md$//) mapfile -t ALL_STYLES (ls $SKILL_DIR/references/styles/ | sed s/\.md$//)随后为布局与风格各自构建加权候选池weighted pool规则如下主选名称 ×10 份对应 match_score1.0 的那一行每个备选名称 ×9 份对应 match_score0.7 的备选再从全量ls清单中随机抽取 3 个名称 ×1 份这些名称位于当前 data_type / context 之外用于注入非匹配项最后shuf打乱后取第一个。文档给出的布局示例风格侧只需将ALL_LAYOUTS换成ALL_STYLES逻辑完全一致PRIMARY_LAYOUThub-spoke # match_score1.0 row for this data_type ALT_LAYOUTS(jigsaw multi-focal venn-diagram) # match_score0.7 alternatives LAYOUT_POOL() for _ in $(seq 10); do LAYOUT_POOL($PRIMARY_LAYOUT); done for a in ${ALT_LAYOUTS[]}; do for _ in $(seq 9); do LAYOUT_POOL($a); done; done for r in $(printf %s\n ${ALL_LAYOUTS[]} | shuf | head -3); do LAYOUT_POOL($r); done LAYOUT$(printf %s\n ${LAYOUT_POOL[]} | shuf | head -1)概率语义解读文档明确给出了权重设计的概率意图主选与备选的中选概率大致相当约为10:9——即主选并不构成压倒性优势只是略占上风3 个随机非匹配名称合计约 10% 的中选概率在references/layouts/的 87 个布局、references/styles/的 66 个风格全量池中抽取用于确保偶尔跳出当前 data_type / context 的风格越界输出防止长期运行中结果收敛到同一批组合。概率估算口径池子总份数 ≈ 10主选 9×备选数备选 3随机项。以示例hub-spoke备选 3 个为例池子共 10 27 3 40 份主选中选率 25%每个备选 22.5%三个随机项合计 7.5%。备选越多随机项占比越低但整体量级保持在文档描述的主选 : 备选 ≈ 10:9随机项合计 ≈ 10%附近。兜底Fallback当data_type或context无法判定时直接使用layout hub-spoke style corporate-memphis即中心辐射布局 商务孟菲斯风格这一安全默认组合。同时在 SKILL.md 的 Step 2.1 中还有一道存在性校验兜底若按名称找到的定义文件不存在[ -f ... ]判断失败同样回退到上述默认组合[ -f $SKILL_DIR/references/layouts/${LAYOUT}.md ] || LAYOUThub-spoke [ -f $SKILL_DIR/references/styles/${STYLE}.md ] || STYLEcorporate-memphis选择结果随后写入$TEMP_DIR/layout-style.json格式为{ layout: layout, style: style }这两级兜底语义不可判定兜底 文件缺失兜底共同保证了流水线在任何异常输入下都不会中断。关于默认组合hub-spoke与corporate-memphis的实际形态可分别查阅 hub-spoke 布局定义中心概念 向外辐射的连接与 corporate-memphis 风格定义扁平矢量人物 鲜艳几何填充二者组合适合商业生态、产品功能等中性场景。五、在 sn-infographic 流水线中的位置与源码佐证选择机制不是孤立存在的它嵌在sn-infographic的 Worker Agent 六步流水线中。结合 SKILL.md 可以还原完整调用链步骤做什么与本机制的关系Step 0初始化TASK_ID、TEMP_DIR解析aspect_ratio/image_size无关但为后续文件写入准备目录Step 1调用sn-text-optimize评估 prompt 质量决定是否扩写无关产出should_expandStep 2.0内容分析执行 analysis-framework.md产出analysis.json提供data_type/tone/audience输入Step 2.1布局与风格选择按本文档的候选表 加权随机采样产出LAYOUT/STYLE名称写layout-style.json本机制的执行点Step 2.2依据 structured-content-template.md 生成结构化内容消费analysis.jsonStep 2.3Prompt 扩写只读取选中的两个定义文件与 prompts-expand-system.md、base-prompt.md 拼接为 system prompt 后调用sn-text-optimize选中文件的唯一一次读取点Step 3多轮生成 VLM 审查sn-image-generate接收EXPANDED_PROMPT出图消费最终扩写结果关键代码佐证SKILL.md展示了 Step 2.3 如何读取且仅读取选中文件LAYOUT$(jq -r .layout $TEMP_DIR/layout-style.json) STYLE$(jq -r .style $TEMP_DIR/layout-style.json) { cat $SKILL_DIR/references/prompts-expand-system.md printf \n\n---\n\n## Selected Layout: %s\n\n $LAYOUT cat $SKILL_DIR/references/layouts/${LAYOUT}.md printf \n\n---\n\n## Selected Style: %s\n\n $STYLE cat $SKILL_DIR/references/styles/${STYLE}.md printf \n\n---\n\n## Output Template Reference\n\n cat $SKILL_DIR/references/base-prompt.md } $TEMP_DIR/expand-system-prompt.md注意注释中特别强调layout/style 定义文件内部包含反引号与$(...)未加引号的 heredoc 主体会被 shell 执行因此必须用直接文件拼接direct file concatenation而非 heredoc——这是选择机制落地上一个容易被忽略但非常实际的工程细节。仓库规模验证候选池的全量宇宙规模可以从仓库目录结构直接验证skills/sn-infographic/references/layouts/下共87 个布局定义文件.mdskills/sn-infographic/references/styles/下共66 个风格定义文件.md。这与 SKILL.md References 一节references/layouts/layout.md- Layout definitions (87 layouts)references/styles/style.md- Style definitions (66 styles)的描述一致。而本文档中的映射表名如hub-spoke、corporate-memphis、dashboard、technical-schematic等均能在上述两个目录中找到同名文件例如 dashboard 布局 定义多指标展示结构、Recommended Pairings给出了与corporate-memphis、ui-wireframe、neon-futurism的推荐搭配。这种表引用文件名、文件定义内容的双层结构正是只读名称、不读内容机制得以成立的基础。六、设计意图与工程价值解读基于文档约束与源码结构可以从三个层面理解这套机制的工程价值成本与延迟控制选择过程完全由 Worker Agent 的自身推理 本地 Bash 采样完成不发起任何额外的 LLM 调用文档原话no additional LLM call required。对于max_rounds可达 8 轮的生成流程每一次选择节省的推理往返都会直接反映在端到端时延上。可控的随机性与输出多样性加权采样主选 ×10、备选 ×9、随机项 ×1在语义匹配与风格多样性之间取得了平衡——主选与备选确保结果大概率落在当前 data_type / tone 的合理区间内而 3 个全量随机名称则防止长期使用中生成结果收敛到少数固定组合。这与传统每次挑选最优的确定性策略形成鲜明对比是信息图这类创意生成场景更合适的决策模型。健壮性与可维护性新增一种布局或风格只需向references/layouts/或references/styles/添加一个.md定义文件其名称即自动进入全量候选池ls自动发现无需改动映射表即可参与随机采样映射表同时提供不可判定时兜底到hub-spokecorporate-memphis的语义兜底与 SKILL.md 中的文件存在性校验兜底互补双保险保证流水线不中断。从代码结构看这套文件名即接口的约定也大大降低了扩展成本。七、小结layout-style-selection.md定义了sn-infographic信息图生成技能的创意决策引擎通过data_type → 布局候选表21 类内容类型、tone/domain → 风格候选表21 类语境两张映射表完成语义映射再以主选 ×10、备选 ×9、随机 ×1 的加权随机采样在 87 个布局与 66 个风格的全量池中产出最终组合并辅以不可判定/文件缺失 →hub-spokecorporate-memphis的双重兜底。整个过程只操作名称、不读文件内容、不消耗额外 LLM 调用却在成本、多样性与健壮性之间取得了良好平衡。理解这套机制是深入阅读 SKILL.md 流水线、或扩展自定义布局/风格库的起点。赞分享AI 技能人工智能深度研究数据分析媒体生成【免费下载链接】SenseNova-SkillsModular SenseNova skills for building AI-powered office assistants and productivity workflows项目地址https://gitcode.com/gh_mirrors/se/SenseNova-Skills点击查看免费下载相关推荐SenseNova-Skills 图像风格模仿实战sn-image-imitate 三步流水线与布局锁定机制详解SenseNova Skills 图像风格模仿实战sn image imitate 三步流水线与布局锁定机制详解 sn image imitate 是 SenAI 技能人工智能深度研究数据分析媒体生成three.js MeshSurfaceSampler 详解在网格表面做加权随机采样与实例化散布three.js MeshSurfaceSampler 详解在网格表面做加权随机采样与实例化散布 MeshSurfaceSampler 是 three.js前端3D渲染图形学LogicStack-LeetCode 题解精讲528. 按权重随机选择——前缀和 二分的加权采样通解LogicStack LeetCode 题解精讲528. 按权重随机选择——前缀和 二分的加权采样通解 本篇技术指南以「宫水三叶的刷题日记」仓库中的 52教程文档上一篇实战解析基于Spring Boot与Vue的轻量级商城系统架构设计与性能优化下一篇GoPro2GPX解锁GoPro视频中隐藏的GPS数据宝库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
