企业官网建设流程全解析

• AI 技能
• 人工智能
• 深度研究
• 数据分析
• 媒体生成

本文以 SenseNova-Skills 开源仓库中sn-infographic技能的 lego-brick 风格定义文件 为核心骨架，结合同仓库的布局/风格选择规则、提示词扩写系统、基础提示模板与真实生成案例，系统讲解如何理解、选择并使用"乐高积木拼搭"这一风格，以及它在sn-infographic信息图自动生成流水线中的完整落地方案。读完本文，你将掌握 lego-brick 风格的四要素设计语言（色彩、视觉元素、字体、适用场景），理解它是如何通过"名称级加权随机抽样"被选中、如何被组装进最终图像生成提示词的，并能够通过sn-infographic技能直接产出该风格的出版级信息图。

一、风格档案：lego-brick 是什么

lego-brick 是sn-infographic技能下 references/styles/ 目录中 66 个预置视觉风格之一。其风格定义文件用一句话概括了它的美学内核：

Toy brick construction with playful aesthetic（积木拼搭构造 + 趣味化审美）

它不追求写实或精致，而是把"儿童积木"这一媒介语言直接搬进信息图：画面像一张铺开的积木基板，内容模块像一块块可拼插的积木，人物以积木小人（Minifigure）的形态出现。它天然适合"把复杂事物拆成可拼装的单元"这类表达，是一种结构感与趣味性并重的风格。

1.1 色彩体系：经典积木高饱和配色

原文档对 lego-brick 的色彩约束非常明确，共三层：

这套配色策略对应着积木玩具的实物特征：基板通常是浅灰或白色，方便各色积木在视觉上凸显；红蓝黄绿等高饱和原色负责区分不同内容模块；"凸点（studs）"高光则让画面产生塑料材质的光泽感。在生成提示词时，应当用描述性颜色名（如 bright red、sunny yellow）而不是十六进制色号来表达——这符合 base-prompt.md 中"只使用描述性颜色名称，绝不使用 hex 色号"的硬性规则。

1.2 视觉元素：六类可拼插的积木语言

原文档列出了 6 个核心视觉元素，它们是让画面"一眼像积木"的关键：

• 可见的积木凸点（Visible brick studs）：画面中必须出现积木顶部的凸起颗粒，这是辨识度最高的视觉指纹；
• 模块化构造（Modular construction）：内容区块像积木一样整齐分块、可独立存在又彼此拼合；
• 积木小人角色（Minifigure characters）：用积木小人替代真人或普通插画人物，强化玩具语境；
• 拼装说明书风格（Building instruction style）：像乐高拼装手册那样，以步骤化的方式呈现信息流；
• 可堆叠元素（Stackable elements）：块状结构支持层层堆叠，天然适合表达层级、顺序、递进；
• 塑料光泽（Plastic sheen）：给积木块赋予高光反射，呈现塑料材质特有的质感。

这六类元素共同定义了该风格的"视觉语法"：模块化 → 可堆叠 → 步骤化，恰好与信息图中"分块、分层、分步骤"的组织需求一一对应。

1.3 字体排印：块状粗体 + 步骤编号

• 块状粗体字（Blocky, bold fonts）：标题和标签使用方正、厚重的字体，与积木块的几何感呼应；
• 乐高说明书式排版（LEGO instruction style）：文字像拼装手册的注释，简洁、指向明确；
• 步骤编号（Step numbers）：通过醒目的数字编号引导阅读顺序，这是该风格与"流程/教程类内容"契合的关键；
• 趣味外观（Playful appearance）：整体字形氛围轻松活泼，不追求严肃的杂志式排版。

1.4 适用场景（Best For）

原文档给出的定位非常精准：

Building concepts, modular systems, playful education, children's content

即：建构类概念、模块化系统、趣味教育、儿童向内容。例如"自动驾驶技术演进""SAE 自动驾驶分级体系""积木式软件架构"这类内容——既需要清晰的分块结构，又希望降低理解门槛、增加亲和力，lego-brick 就是最贴合的选项。

二、lego-brick 在 sn-infographic 中的角色与选择机制

lego-brick 不是孤立存在的素材文件，而是sn-infographic信息图生成流水线（Main Agent + Worker Agent 双层架构，见 SKILL.md）中的可选项之一。理解它在候选池中的位置，才能知道何时会被选中。

2.1 风格候选表中的两个入口

在 layout-style-selection.md 的"按语气/领域映射风格候选"表中，lego-brick出现于两个语境，且都是**替代风格（match_score=0.7）**而非主风格：

这意味着：当 Worker 在 Step 2.0 内容分析后判定内容语气偏向"趣味/休闲/儿童"或"趣味/几何"时，lego-brick会作为备选进入抽样池。它和paper-collage（剪纸拼贴）、origami（折纸）同属"手作/拼搭"家族，但视觉语言更"工业玩具化"。

2.2 名称级加权随机抽样：被选中的数学原理

值得强调的是，这一选择过程只看名称、不读文件内容——SKILL.md 明确要求 Step 2.1 只对references/layouts/和references/styles/下的文件名做加权随机抽取，选中的唯一一个布局文件和唯一一个风格文件要到 Step 2.3 才会被读取。抽样算法在 layout-style-selection.md 中给出了 bash 实现：

# 以布局为例（风格同理） mapfile -t ALL_LAYOUTS < <(ls "$SKILL_DIR/references/layouts/" | sed 's/\.md$//') PRIMARY_LAYOUT="hub-spoke" # match_score=1.0 当前 data_type 对应的主布局 ALT_LAYOUTS=(jigsaw multi-focal venn-diagram) # match_score=0.7 替代布局 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)

权重设计为：主项 ×10、每项替代项 ×9、再从全部候选池中随机抽 3 个无关项 ×1。这样主风格与替代风格的中选概率大致为 10:9，而"混入的随机项"合计约 10% 概率，用于保证生成结果的多样性、避免每次产出千篇一律。

2.3 兜底策略

如果内容分析无法确定data_type或语气context，规则会回退到默认组合hub-spoke+corporate-memphis（见 layout-style-selection.md）；如果抽中的风格文件不存在，也会回退到corporate-memphis（见 SKILL.md）。所以 lego-brick 的"出场"依赖内容信号足够明确。

三、从风格文件到生成提示词：系统提示词组装链路

lego-brick.md本身只是一份约 30 行的风格规格，它真正发挥作用是在 Step 2.3 提示词扩写阶段——Worker 通过直接文件拼接的方式把它注入 LLM 系统提示词。核心代码在 SKILL.md：

{ cat "$SKILL_DIR/references/prompts-expand-system.md" # 扩写者角色与方法论 printf '\n\n---\n\n## Selected Layout: %s\n\n' "$LAYOUT" cat "$SKILL_DIR/references/layouts/${LAYOUT}.md" # 选中的布局定义 printf '\n\n---\n\n## Selected Style: %s\n\n' "$STYLE" cat "$SKILL_DIR/references/styles/${STYLE}.md" # 选中的风格定义（如 lego-brick） printf '\n\n---\n\n## Output Template Reference\n\n' cat "$SKILL_DIR/references/base-prompt.md" # 最终生成模板 } > "$TEMP_DIR/expand-system-prompt.md"

也就是说，lego-brick 的风格规格是"扩写提示词"的输入约束之一：扩写 LLM（prompts-expand-system.md 定义的"资深视觉信息架构师"角色）拿到原始内容 + 布局文件 + 风格文件 + 输出模板后，会产出一段 400～600 词、可直接驱动图像模型的expanded_prompt。随后 Step 3 通过sn-image-base的sn-image-generate工具执行生成（见 SKILL.md）：

python "$SN_IMAGE_BASE/scripts/sn_agent_runner.py" sn-image-generate \ --prompt "$EXPANDED_PROMPT" \ --image-size "$IMAGE_SIZE" \ --aspect-ratio "$ASPECT_RATIO" \ --save-path "$TEMP_DIR/round_${ROUND}.png" \ -o json

而最终图片生成阶段的提示模板 base-prompt.md 会进一步把风格要求"实例化"为具体的构图指令，包括：

• Image Specifications：Type=Infographic，Layout/Style/Aspect Ratio/Language 按选中项填充；
• Visual Elements：至少一个与主题对应的主插图/图标集、每个分区的独立视觉标记（形状、边框、色块、徽章）、背景纹理、字体风格；
• Text Requirements：标题醒目、关键概念加粗/放大/色彩对比强调、硬数据（数字、日期、专有名词）用粗体或标注框呈现；
• Color Palette：仅用描述性颜色名。

例如一份采用 lego-brick 风格的提示词，扩写结果中会自然出现"浅灰色积木基板背景""带凸点的积木块""积木小人""拼装说明书式步骤编号"等描述，而这些全部源自lego-brick.md中"Visual Elements"与"Color Palette"两节的内容。

数据保真约束

无论风格如何，扩写阶段都必须遵守 prompts-expand-system.md 的硬约束：所有数字、日期、专有名词 100% 保留，禁止省略或改写；画面中所有要出现的文字必须用引号包裹；图标必须具体描述其视觉内容而不能用"一个图标"这种泛指；风格、布局等非文字元素的描述不得使用引号。这意味着 lego-brick 风格负责"怎么好看"，而内容保真规则负责"信息不丢"。

四、实例：乐高基板上的自动驾驶信息图

仓库的 sn-infographic 案例画廊 中收录了近 100 个真实生成案例，其中一个与 lego-brick 风格高度契合："Autonomous Vehicles: Evolution, Milestones and Pressing Industry Challenges"（自动驾驶技术演进信息图）。该案例的扩展提示词明确指出其整体布局以"类似乐高基板的浅灰色背景、遍布可见的圆形凸点"为底，采用红、蓝、绿、黄、白的高对比原色区分内容区块，用积木小人表现历史人物与车辆——这正是lego-brick.md中"Color Palette + Visual Elements"两节的直接落地：

画面内容横跨三个板块：1925 年无线电遥控汽车至 2023 年 Robotaxi 的百年演进时间线、SAE 六个自动驾驶等级（每一级用一块印着等级数字的彩色积木 + 对应车辆插画表示）、以及规模化落地的三大障碍（技术、法规、社会），完整演绎了"Building concepts + modular systems + playful education"这一 lego-brick 风格的最优适用区间。它同时验证了一个实践结论：当内容本身具有明确的分级/分块/流程结构时，lego-brick 的模块化语法能显著降低理解成本。

五、端到端调用：如何用 sn-infographic 生成 lego-brick 风格信息图

5.1 调用入口与触发词

sn-infographic是 tier 1 场景技能（metadata 见 SKILL.md），依赖 tier 0 的sn-image-base提供的sn-text-optimize、sn-image-recognize、sn-image-generate三个底层工具。用户说"生成信息图/信息图表/可视化/图解"等触发词即可唤起，无需手动指定风格——风格由 Worker 按内容语气自动加权随机抽取。

5.2 参数控制

需要明确控制产出时，可以通过内联 KV 指令或关键词向 Main Agent 传参（参数优先级：内联 KV > 关键词识别 > 默认值，详见 SKILL.md）：

例如想强制扩写、生成 3 轮并输出完整统计，可以这样表达：生成一张自动驾驶分级信息图 max_rounds=3 output_mode=verbose prompts_expand_mode=force。运行前需通过环境变量配置 API Key（LLM/VLM/图像生成各自的读取链见 SKILL.md），具体模型与鉴权参数参考sn-image-base的 api_spec.md。

5.3 质量反馈闭环（可选）

当max_rounds > 1时，Worker 在每轮生成后会用sn-image-recognize（VLM）按 prompts-critic-system.md 的 9 条"红线规则"审查画面（结构完整性、布局均衡、文字可读、连线清晰、色彩还原等），产出PASS/FAIL与违规明细；一旦某轮PASS即提前终止，最终按违规数升序 + 轮次升序排序输出。这套机制同样适用于 lego-brick 风格——例如 VLM 会专门检查"积木小人是否被重复用于表达不同实体（Rule 6）"这类问题。

六、实战建议与注意事项

1. 内容匹配优先：lego-brick 最擅长"分块 + 分层 + 分步骤"的内容。构建类概念、模块化系统、流程教程、儿童向科普是它的舒适区；严肃商务数据报告、奢华时尚类主题则更适配corporate-memphis、luxury-minimal等风格。
2. 不要试图直接"指定"风格文件名：风格由 Worker 按内容信号加权随机抽取，主风格与替代风格中选概率接近（10:9）。若想提高命中率，可在用户提示词中强化"趣味、拼装、模块化、面向儿童"等语气信号。
3. 强调积木语言的完整度：一份合格的 lego-brick 提示词应同时覆盖凸点、基板背景、积木小人、说明书式步骤编号、塑料光泽五类视觉元素，缺一不可——它们共同构成风格的识别度。
4. 遵守全局数据保真与文字规则：所有数字与专有名词原样保留、画面文字加引号、图标必须具体描述、配色只用描述性颜色名，这些约束不随风格变化。
5. 善用多轮质量审查：对出图要求高时建议设置max_rounds为 2～3，让 VLM 按红线规则把关，并结合verbose模式查看每轮result与violations明细后再决定是否重跑。

相关参考文件：风格选择规则 | 扩写系统提示词 | 基础提示模板 | 运行时参数映射 | VLM 审查标准 | 技能总入口

• AI 技能
• 人工智能
• 深度研究
• 数据分析
• 媒体生成