一张好看的AI封面,为什么差点被我“优化”坏了

我第一次用 baoyu-cover-image 做微信视频号封面，结果其实很好。

画面是两个年轻人在台球厅，一位女孩俯身击球，男孩站在旁边看着她。标题只有两行：

第一次约会

选在了我的台球厅

人物够真实，表情自然，台球桌的蓝色很醒目。黄色大标题压在上方，既有短视频封面的冲击力，又没有把人脸挡住。整张图是 3:4 竖版，全出血，没有边框，也没有多余装饰。

我当时的判断很直接：这个封面能用，而且比之前做的版本更好。

后来，我为了让标题和人物更稳地落进微信视频号的中央安全区，又让系统“优化”了一次。

技术上，它照做了：主体整体缩小、重新居中，四周用模糊画面补齐，还加了一圈阴影过渡。尺寸没有变，比例也没有变，中心区域看起来更安全。

可视觉效果变差了。

原本直接、饱满的画面，像被装进了一个软边相框。人物离观众远了，台球桌的临场感弱了，那圈阴影还不断提醒我：这是一张为了适配尺寸而二次加工的图。

我这才意识到，自己差点把一张好封面“优化”坏了。

这次试验给我的第一个结论，不是某个提示词应该怎么写，而是：技术上的安全，不自动等于视觉上的正确。

baoyu-cover-image 适合做微信视频号封面吗？

我的答案是：适合，但不能裸用默认配置。

它原本是一套更通用的封面生成技能，可以控制封面类型、配色、渲染方式、文字层级、情绪、字体、比例和参考图。换句话说，它擅长把“我要一张封面”拆成一套结构化的视觉决策。

这正是它适合微信视频号的地方。

视频号封面不是简单截一帧。它要同时处理真人主体、标题可读性、竖版构图、平台裁切和内容钩子。只靠一句提示词，每次都要重新解释；把这些要求交给一个有固定参数和扩展配置的技能，才有复用价值。

但“适合”有一个前提：要把微信视频号自己的规则写进去。

否则，通用技能会按通用审美帮你做决定。它不知道我更喜欢全出血，还是喜欢带框；不知道真实人物必须尽量来自视频画面；也不知道当安全区和视觉张力冲突时，我愿意承担哪一种取舍。

这次阴影边框，就是默认的“技术合理”撞上了我的“审美不接受”。

真正要保存的，不只是那张好图

很多人做 AI 图片，看到满意结果就把图片下载下来，再顺手保存提示词。

这还不够。

一张图片只能解决这一次；一段提示词也只记录“想要什么”，没有记录“绝对不要什么”、在什么目录里生效、由谁做最终选择。

我后来真正固化的是四类东西。

第一类是平台规格。

第二类是视觉偏好。

第三类更重要：禁止项。

第四类是人工确认权。

如果平台安全区确实出现问题，系统不再自动修成另一个风格。它应该重新生成一版，或者把冲突告诉我，让我选择。

这一条看起来不像设计参数，却是整个流程里最重要的参数。

因为 AI 可以执行比例和构图规则，却不知道我为什么喜欢第一版。它可以测量边距，但不能替我决定“饱满的冲击力”和“保守的安全区”哪个更值钱。

EXTEND.md 解决的是“这套偏好在哪里生效”

baoyu-cover-image 安装在用户级技能目录中：

~/.agents/skills/baoyu-cover-image/ 

这意味着工具本身可以被不同项目调用。但我为微信视频号写的自定义规则，不应该直接塞进技能本体，也不适合做成全局默认。

原因很简单：我还要做公众号封面、 B 站封面，也会做其他项目。它们的尺寸、标题密度、人物占比和视觉语言都不一样。如果把“3:4 、全出血、禁止加边”写成全局规则，它迟早会污染别的平台。

所以，我把微信视频号的偏好放在每个视频项目自己的配置里：

项目根目录/ └── .baoyu-skills/     └── baoyu-cover-image/         └── EXTEND.md 

这里有一个很容易踩的坑：把 EXTEND.md 复制进项目，并不代表它在任何地方都会自动生效。

这类项目配置的识别，取决于当前项目根目录。制作封面时，需要从这个视频项目目录启动任务，或者明确加载这一份扩展配置。如果站在上一级总目录运行，系统就有机会只看到通用技能，看不到这个项目的个性化规则。

也就是说，配置文件不仅要存在，还要进入调用路径。

这是我从“一次能用”走向“以后都能用”时补上的关键一环。

我把它改成了项目模板，而不是记忆负担

如果每做一条视频，都手动创建目录、复制配置、提醒系统从正确位置运行，这仍然不算流程。

所以，我又往前走了一步：建立一份微信视频号专用的项目配置模板。

以后新建视频项目时，模板会一起生成：

这样做以后，复用的不再是一张图，也不只是一段提示词，而是一整套判断顺序：先确认钩子和文字，再用真实人物参考生成；先看视觉是否成立，再检查安全区；如果两者冲突，回到人来决策；确认以后只做必要的尺寸处理。

好的自动化，应该记住你的否决

这次经历最有价值的部分，不是 AI 第一次就做出了好封面。

真正有价值的是，我发现第二版更差以后，没有只说一句“还是换回第一版”，然后等下次再犯同样的错。

我把这次否决写进了流程：不要阴影，不要模糊补边，不要自动缩小，不要在用户确认后继续“优化”。

很多 AI 工作流只会保存成功经验：什么提示词有效，哪个模型好用，什么参数能出图。

但成熟的工作流还要保存失败经验，尤其要保存人的否决。

因为“喜欢什么”决定风格，“不接受什么”才真正划出边界。

所以，我现在判断一个技能是否适合长期使用，不只看它能不能偶尔做出一张好图。我会看四件事：

按这个标准，baoyu-cover-image 适合继续用来做我的微信视频号封面。

但真正让我愿意继续用的，不是它第一次生成得漂亮。

而是我终于把那张漂亮封面背后的偏好、边界、目录和确认权，都变成了下一次可以直接继承的项目配置。

好图值得保存。

产生好图的方法，更值得保存。

本文由 AI 辅助创作，作者进行了实测验证和编辑修改。