AI 白板涂鸦卡实战
一个主题，一套图文
把任意主题做成一套黑色马克笔火柴人涂鸦讲解卡。英文让模型把简短标签直接烤进图里，中文用无字底图 + PIL 叠手写中文——风格锁定，整套像一个人一口气画完。
10
卡 / 套
中英
双语线
4
credit/张 (low)
5
流水线阶段
学完你能做什么
- 把一个主题拆成 8–12 张「一卡一事实」的涂鸦叙事
- 用锁定风格让整套卡视觉统一（RSA-animate 白板讲解风）
- 英文线：让 gpt-image-2 把简短标签烤进涂鸦
- 中文线：生成无字底图，再用 PIL 叠干净手写中文（解决模型拼不出中文）
- 用 cards.json 数据驱动，改文案不重画图
- 研究锁事实、多源核对，避免把模型脑补的假数据发出去
课程资料下载
提交信息后下载提交基本信息和兴趣话题后，下载示例成品、文案模板和 skill 说明。
为了把资料发给真正感兴趣的人，下载前请留下基本信息和你关心的话题。提交后会自动打开资料。
课程结构
从锁事实，到设计卡，到中英两条生成线，再到质检与发布。
研究锁事实
多源核对，每条事实一行带出处
设计 cards.json
叙事弧、一卡一事实、标签要短
英文线生成
模型烤字，提示词锁定风格
中文线生成
无字底图 + PIL 叠手写中文
合成与质检
挑大图 / 叠字、拼图、看糊没糊
文案与发布
小红书文案 + 上线 nextagent.ca
英文烤字，中文叠字
图像模型能拼对简短英文、却拼不出中文——所以两条线分开走，风格锁定保证整套一致。
标准生成 Loop
- 研究：抓 2+ 权威源，把每个数字钉死
- 设计：cards.json 一卡一事实
- 英文：make_prompts --lang en → gen → finalize 挑大图
- 中文：make_prompts --lang cn → gen 无字底图 → finalize 叠字
- 质检：看拼图，糊的只重生那一张
- 文案：小红书标题 / 正文 / 来源 / 免责
三根支柱
研究锁事实
多源核对
每条纪录一行带出处；超出知识截止日期必须联网核实，绝不编结果。
数据驱动
cards.json
一份 JSON 装全部卡，脚本按 --lang 取英文头或中文无字头，改文案不重画图。
中英双线
烤字 vs 叠字
英文让模型烤进图；中文画无字底图再用 PIL 叠手写中文。
出版前核对清单
每套卡发布前至少确认： 1. 每张卡是否对应一条核实过的事实？ 2. 图里有没有模型脑补的假数据（如 possession 62%）？ 3. 中文人名是否在底注、没硬画进底图？ 4. 头条文字有没有糊？ 5. 文案里来源链接是否齐全？ 6. 是否标注「AI 生成示例、数据归原报道方」？
建议讲授节奏
| 时间 | 时长 | 模块 | 动作 |
|---|---|---|---|
| 00:00–10:00 | 10 min | 为什么要一卡一事实 | 讲解 |
| 10:00–25:00 | 15 min | 研究锁事实 + 设计 cards.json | 拆解 |
| 25:00–45:00 | 20 min | 英文线：烤字提示词 + 生成 | 实操 |
| 45:00–65:00 | 20 min | 中文线：无字底图 + 叠字 | 实操 |
| 65:00–80:00 | 15 min | 质检 + 小红书文案 + 上线 | 讨论 |
适合谁
适合要把一个主题快速变成成套图文内容的人。
适合 ✓
- 自媒体 / 小红书 / 公众号运营
- AI 内容生产顾问
- 做知识科普图文的团队
- Claude Code / OpenClaw 用户
不适合 ✗
- 要照片级真实感配图的
- 不愿先核对事实就发的
- 只要单张海报、不要成套图文的（看 mmc-longposter）
常见问题
为什么中文要单独走一条线？
gpt-image-2 拼不出中文，会糊成乱码。所以中文卡先生成只有数字的无字底图，再用 PIL 叠上干净的手写中文标题和底注。
改文案要重新生成图吗？
中文不用——文字是叠加层，改 cards.json 的 cn_title / cn_caption 重跑 finalize 即可，秒级、零 credit。英文文字烤在图里，改字要重生那一张。
成本多少？
默认 low 质量 4 credit/张，10 张约 40 credit，做涂鸦视觉上完全够用。
卡上的数据可信吗？
头条事实多源核对过；但图像模型会自作主张加装饰小字（如 possession 62%），那些不是真数据，真数据只放文案和 cards.json 的 fact 字段，出版前请核对。
开源吗？
工具和完整中英示例开源在 github.com/NextAgentBC/doodle-cards。