企业官网建设流程全解析

• AI 技能
• AI 插件

导读

信息图的成败往往在动笔设计之前就已注定：同样的素材，是先画成时间轴还是对比矩阵，是先定视觉风格还是先定学习目标，决定了读者能否在数秒内抓住核心信息。baoyu-infographic 技能包提供了 21 种布局（layout）与 22 种风格（style）的可组合体系，而其内容分析框架（analysis-framework.md）正是连接原始素材与最终版式之间的"决策中枢"。本文基于该框架文档，结合技能包的工作流与参考资源，系统讲解如何在生成信息图之前完成内容类型分类、学习目标识别、受众分析、复杂度评估、视觉机会映射与数据逐字提取，并最终产出结构化的analysis.md，为后续的布局×风格推荐与提示词生成提供可靠依据。

框架定位：信息图生产流程中的第一道工序

在 baoyu-infographic 的整体工作流中，内容分析位于所有视觉工作的最前端。SKILL.md 将流程划分为七个步骤，其中Step 1.2「Analyze Content → analysis.md」明确要求：

1. 保存源内容（文件路径或粘贴文本 →source.md，若已存在则先备份为source-backup-YYYYMMDD-HHMMSS.md）；
2. 分析主题（topic）、数据类型（data type）、复杂度（complexity）、语气（tone）、受众（audience）；
3. 检测源语言与用户语言；
4. 从用户输入中提取设计指令；
5. 保存分析结果（analysis.md已存在时同样执行时间戳备份）。

而分析环节的详细方法论，正是本文要展开的 analysis-framework 文档。换句话说，该框架是 Step 1.2 的操作手册：它把"如何理解一份素材"拆解成可执行的六个维度，并定义了分析结果的统一输出格式。分析完成后，structured-content-template.md 负责把分析结论转译为"设计师可直接使用"的结构化内容，base-prompt.md 则负责将其组装为最终的图像生成提示词。

教学设计思维：五种贯穿始终的立场

框架要求分析者以**世界级教学设计者（world-class instructional designer）**的视角处理素材，而非机械地摘抄文字。文档给出了五条核心原则及其应用方式：

这五条原则中，前三条决定"分析什么"，后两条决定"边界在哪"——认知负荷要求适度精简，数据完整性又要求事实原样保留。两者看似矛盾，实则互补：可精简的是表达方式，不可改动的是事实本身。这一张力也贯穿后续全部六个分析维度。

六个分析维度详解

维度一：内容类型分类（Content Type Classification）

框架将常见信息图素材归纳为 11 种内容类型，并直接给出每种类型对应的最佳布局与最佳风格推荐。这是整个分析框架中与"布局×风格"决策联系最紧密的一环：

这份分类表的价值在于：它把"信息的内在结构"（信息与自身的关系）作为选择版式的第一依据。例如，当源材料是一串带日期的历史事件时，linear-progression 布局（带节点的线性排布、连接路径、起止标记、方向指示）天然契合；而当材料是"多个互有重叠的概念"时，venn-diagram 才真正说得清关系。值得注意的是，类型与布局并非一对一，部分类型拥有多个候选布局（如概览类可选用 bento-grid 或 periodic-table），此时需结合其余维度（复杂度、受众、语气）进一步收敛。

维度二：学习目标识别（Learning Objective Identification）

框架要求每张信息图设定1～3 个清晰的学习目标。好的学习目标应当：

• 具体且可衡量（specific and measurable）；
• 聚焦"读者将理解什么"，而非"读者将看到什么"；
• 站在读者视角撰写。

标准句式是："看完这张信息图后，读者将理解……（After viewing this infographic, the viewer will understand...）"。文档按内容侧面给出了目标模板：

学习目标在流程中的作用是承上启下：它既是内容分析的产出（回答"这份素材对读者意味着什么"），又是后续 structured-content-template.md 中"每个章节对应一个学习目标"的编排依据。

维度三：受众分析（Audience Analysis）

受众决定了复杂度的上限、强调的重点与风格的取向。框架给出四个考察因素：

例如，面向专家的技术架构图可放心使用 technical-schematic 风格与高密度术语，而面向新手的科普图则更适合 chalkboard 或 craft-handmade 风格、简化术语。

维度四：复杂度评估（Complexity Assessment）

复杂度按"主要信息点的数量"分为三档，直接指导布局密度的选择：

在 SKILL.md 的布局库中，dense-modules正是为"高密度信息大图"设计的布局类型，与框架中的"复杂"档位形成呼应；而关键词快捷方式（Keyword Shortcuts）也印证了这一点：当用户输入"高密度信息大图 / high-density-info"时，技能会将dense-modules作为首选布局并推荐 portrait 竖版比例。

维度五：视觉机会映射（Visual Opportunity Mapping）

该维度回答一个核心问题：哪些内容适合"画出来"而不是"写出来"。框架给出了常见的映射关系：

这一映射在后续结构化内容生成中会被进一步细化为"视觉元素（Visual Element）"字段——包括视觉类型（icon/chart/illustration/diagram/photo）、主题（Subject）与表现手法（Treatment），并在最终提示词中以{{LAYOUT_GUIDELINES}}和{{STYLE_GUIDELINES}}占位符的形式注入 base-prompt.md 模板。

维度六：数据逐字提取（Data Verbatim Extraction）

框架用 "Critical" 强调这一维度：所有事实性信息必须与源文档完全一致地保留。具体处理规则如下：

同时框架明确列出五个"绝对禁止"的操作：不得四舍五入数字、不得转述引语、不得替换为更简单的词汇、不得添加隐含信息、不得删除影响语义的上下文。这条规则同样体现在 SKILL.md 的 Core Principles 中——"忠实地保留源数据，不概括、不转述"，且输出前必须剔除其中的凭证、API 密钥、令牌等敏感信息。

输出格式：标准化的 analysis.md

框架为分析结果定义了统一的 Markdown/YAML 输出格式，文件保存为analysis.md。完整模板如下：

--- title: "[Main topic title]" topic: "[educational/technical/business/creative/etc.]" data_type: "[timeline/hierarchy/comparison/process/etc.]" complexity: "[simple/moderate/complex]" point_count: [number of main points] source_language: "[detected language]" user_language: "[user's language]" --- ## Main Topic [1-2 sentence summary of what this content is about] ## Learning Objectives After viewing this infographic, the viewer should understand: 1. [Primary objective] 2. [Secondary objective] 3. [Tertiary objective if applicable] ## Target Audience - **Knowledge Level**: [Beginner/Intermediate/Expert] - **Context**: [Why they're viewing this] - **Expectations**: [What they hope to learn] ## Content Type Analysis - **Data Structure**: [How information relates to itself] - **Key Relationships**: [What connects to what] - **Visual Opportunities**: [What can be shown rather than told] ## Key Data Points (Verbatim) [All statistics, quotes, and critical facts exactly as they appear in source] - "[Exact data point 1]" - "[Exact data point 2]" - "[Exact quote with attribution]" ## Layout × Style Signals - Content type: [type] → suggests [layout] - Tone: [tone] → suggests [style] - Audience: [audience] → suggests [style] - Complexity: [level] → suggests [layout density] ## Design Instructions (from user input) [Any style, color, layout, or visual preferences extracted from user's steering prompt] ## Recommended Combinations 1. **[Layout] + [Style]** (Recommended): [Brief rationale] 2. **[Layout] + [Style]**: [Brief rationale] 3. **[Layout] + [Style]**: [Brief rationale]

该模板的每个区块都对应前面某个分析维度：frontmatter 汇总了主题、数据类型、复杂度、信息点数量与语言信息；Learning Objectives承接维度二；Target Audience承接维度三；Layout × Style Signals将维度一、四与语气、受众的结论显式映射为布局与风格线索；Recommended Combinations则输出最终的三组布局×风格候选及推荐理由，直接喂给工作流的Step 3（Recommend Combinations）。

从源码结构可以推断，这份模板的设计意图是"一图看懂即可决策"：Step 3 在无关键词命中时，正是基于数据类型→布局、内容语气→风格、受众期望、用户设计指令四个信号来推荐 3～5 组布局×风格组合，与模板中Layout × Style Signals区块的字段一一对应。

分析检查清单：动笔前的最后一道闸门

框架以一份检查清单收尾，要求在任何视觉工作开始前逐项确认：

• 是否已通读整份源文档？
• 能否用 1～2 句话概括主题？
• 是否识别出 1～3 个清晰的学习目标？
• 是否理解目标受众？
• 是否正确分类了内容类型？
• 是否逐字提取了所有数据点？
• 是否识别出视觉机会？
• 是否从用户输入中提取了设计指令？
• 是否推荐了 3 组布局×风格组合？

这份清单与输出模板形成闭环：每一项都是 analysis.md 中某个必需字段。若任一项无法回答，说明分析尚未完成，不应进入结构化内容生成（Step 2）阶段。

与配套资源的衔接：从分析到成图的完整链路

分析框架并非孤立文档，它与 baoyu-infographic 技能包的其余参考资源共同构成一条可追溯的流水线：

1. 内容分析（本文档）→ 产出analysis.md，完成主题判断、类型分类与布局×风格信号提取；
2. 结构化内容（structured-content-template.md）→ 将学习目标拆解为分区章节，每节包含 Key Concept、逐字 Content、Visual Element 与 Text Labels，并按流程/对比/层级/数据四类场景给出分节模板；
3. 布局定义（references/layouts/ 下 21 个文件）与风格定义（references/styles/ 下 22 个文件）→ 为提示词提供{{LAYOUT_GUIDELINES}}与{{STYLE_GUIDELINES}}的具体内容；
4. 提示词组装（base-prompt.md）→ 将布局、风格、比例、语言与结构化内容合并为最终生成提示词，写入prompts/infographic.md；
5. 图像生成（Step 6）→ 调用后端渲染，输出infographic.png。

SKILL.md 中的推荐组合表（Recommended Combinations）可作为分析结果的交叉验证参考——例如"时间线/历史 →linear-progression+craft-handmade"、"产品指南 →dense-modules+morandi-journal"等 18 组默认配对，与本文档内容类型分类表中的推荐高度一致，说明分析框架的结论与技能包内置的领域知识是同源的。默认组合为bento-grid+craft-handmade，但仅作为兜底推荐，任何默认值都不得绕过 Step 4 的用户确认环节（除非显式--no-confirm）。

结语

baoyu-infographic 的内容分析框架将"教学设计者的直觉"显式化为可复用的六个维度与一份标准化的analysis.md模板：内容类型决定信息骨架，学习目标决定叙事重心，受众决定深度与风格，复杂度决定布局密度，视觉机会决定表达方式，逐字提取守住事实底线。对使用该技能包的开发者与 Agent 而言，这套框架不仅是信息图生产的第一步，更是保证"信息准确、结构清晰、一图胜千言"的可执行方法论。

• AI 技能
• AI 插件