0 元生图成本，7 步全自动：我的 AI 配图流水线升级记
在 Obsidian 写完文章，敲一个命令，图就自己长出来了。
封面、插图、压缩、上传，全程不用切出去，不用复制粘贴，不用下载上传。
而且，全程免费（只要你有 Gemini AI Pro)。
这是我这个周末折腾出来的结果。
[!TIPS] 通过 Antigravity tool 将 Antigravity 的 Gemini 3 image 模型接出来到 Claude code中使用，调用生图 Skill 根据文章自动化生图。
上次写了 写到一半要配图？我终于让写作和配图「离婚」了，把写作和配图拆成了两个独立的 Skill。
当时我以为，拆开就完事了。
结果发现，配图这边还有一个"手动环节"卡在那里。
其实我之前就有"导演"了
先澄清一下：我不是从零开始做这个配图流程的。
之前已经有一个叫 Wechat Director 的 Skill，里面的核心人设就是"张艺谋"：让 AI 像电影导演一样，给文章设计分镜。
但之前的流程是这样的：
- AI 读完文章，生成一堆图片 Prompt
- 我手动把 Prompt 复制到 Lovart
- Lovart 生成图片
- 我再把图片下载回来，插入文章
Lovart 的生图效果确实不错。但中间这个"复制粘贴"的环节，每次都让我觉得又慢又蠢。
写完一篇文章，本来心流还在，结果要切出去开网页、复制、等生成、下载、再回来插入……
这一套下来，半小时没了，心流也断了。
现在：完全自动化
这个周末，我把这个"手动环节"彻底干掉了。
现在的流程是这样的：
写完文章，敲一个 /draw 命令。
然后 AI 会：
- 通读全文，自动判断哪些地方需要配图
- 为每个位置生成对应的 Prompt
- 调用 API 直接生成图片
- 自动裁剪成标准比例
- 调用 TinyPNG 压缩体积
- 上传图床
- 自动插入文章的对应位置
从"写完"到"配图完成"，全程不用切出去，不用复制粘贴，不用下载上传。
但这个"全自动"，是踩了不少坑才实现的。
坑一：比例不听话
最开始，我觉得这事儿特简单。
我在 Prompt 里写得很清楚：
"请生成一张电影感封面，比例必须是 16:9。"
结果模型主打一个"选择性失聪"。不管我怎么强调，它吐出来的图经常还是正方形的。
在微信公众号的列表页，一张正方形的图会被强制拉伸或者留白，丑得没法看。
解法：光靠 Prompt 喊不醒装睡的模型。
我在代码层做了"动态模型路由"。如果要生成封面，脚本就自动去调专门的宽屏模型；如果要生成竖屏插图，就调另一个模型。
代码比咒语好使。
坑二：无头骑士
解决了比例问题，又来了个更尴尬的。
有时候模型还是会生成一些奇怪尺寸的图，特别是封面图需要 2:35:1 的比例。为了实现这个需要，我让 AI 写了一段代码，强制把图片裁剪成标准比例。
最开始用的是"居中裁剪"。
结果跑测试的时候，我一看生成的图，吓了一跳：
画面里的 IP 角色（一个戴红眼镜的光头），脑袋全被切掉了，只剩下一个身子和下巴。
因为在大多数构图里，人的头都是偏上的。居中裁剪，正好把头切没了。
解法：我改写了裁剪算法，叫"顶部加权裁剪"。
简单说就是：如果要切掉多余的部分，优先切脚，别切头。
代码里保留了画面顶部 20% 的区域不动，剩下的再进行适配。
这一个小改动，让"废片率"直接降到了 0。
坑三：图片太大
AI 生成的原图通常是 PNG 格式，一张 5MB 甚至 10MB。
我用的 Obsidian 插件在上传这些图到图床时，卡得像是在拨号上网。而且，几兆的图放在文章里，读者加载也慢。
解法：我接入了 TinyPNG 的 API。
它做的是"有损量化压缩"，听起来好像画质变差了，但实际上肉眼几乎看不出区别。
一张 5MB 的封面，经过它处理后变成 300KB，但像素不变，清晰度在手机上看完全够用。
坑四：封面只做一张不够
微信公众号的封面有个坑：
主封面是 2.35:1 的宽屏比例，但当文章被转发到朋友圈或群聊时，右侧会显示一个正方形的缩略图。
如果你只做一张 2.35:1 的封面，转发时要么被裁得面目全非，要么留白一大块。
所以现在的流程会分别生成两张封面：一张 2.35:1 的主封面，一张 1:1 的缩略封面，最后拼接在一起。
这个细节，不踩一次坑真的想不到。
为什么这么折腾？因为免费
看到这里你可能会问：搞这么复杂干嘛？直接接一个收费的生图 API 不就完了？
确实，如果我愿意付费，很多问题根本不存在。收费模型的参数传递、比例控制都很成熟，直接调用就行。
但我就是不想在生图环节额外花钱。
我用的是 Antigravity 这个工具，它可以转接免费的 API 额度。只要你是 AI Pro 会员，就能调用里面的生图模型。之前我用它跑写作 Skill，现在生图 Skill 也接进去了。
一套（学生）会员，写作 + 生图都能用，不用额外付费。
代价就是：免费模型没那么"听话"，所以才需要在代码层做各种兜底——动态模型路由、顶部加权裁剪、TinyPNG 压缩……
免费，是这套流程的核心吸引点。 上面那些坑，都是为了"免费"而踩的。
一点感想
这次折腾让我对"AI Agent"有了更具体的理解。
以前我觉得 Agent 就是"更聪明的聊天机器人"。
现在我觉得，Agent 是"大脑"，而代码是"手脚"。
Agent 负责审美、负责理解情绪、负责设计分镜：这些是不确定的、感性的。
代码负责裁剪比例、压缩图片、上传文件：这些是确定的、刚性的。
最好的 AI 应用，不是把所有事都丢给大模型去"悟"，而是用最硬的代码，去兜住最软的创意。
就像那个"顶部加权裁剪"的算法，只有几行代码，但它比任何 Prompt 都能保证我的主角有脑袋。
从"半自动"到"全自动"，看起来只是省了几步复制粘贴。但对我来说，省掉的是心流的断裂。
现在配合上受够了复制粘贴，我把 Obsidian 直接接进了微信后台这个 Obsidian 的插件，我的写作流真的无比丝滑了。
如果你对这套生图的 Skill 也感兴趣，欢迎链接一起交流：linauwawa