救命!高级感公众号排版全靠这个skills?保姆级教程+源码拆解来了!

简介: 很带劲

公众号排版最痛的不是写,是调样式——而 gzh-design-skill 把「调样式」交给了一套组件库和校验脚本。

01

PART

它是什么:一套可复用的排版引擎

WHAT · 定义

每次在公众号后台排版,都要和编辑器搏斗:从 Word 粘进来的格式全乱、换台电脑样式丢失、想加一条下划线要翻三层菜单。

gzh-design-skill 的思路很直接:你只管写 Markdown(或丢给它 Word / PDF / 纯文本),它产出一段「样式全内联、粘贴进公众号编辑器不掉格式」的 HTML。

需要说清一点:它只排版,不代写文章。先有稿,再用它。

gzh-design-skill 是一个给 AI Agent(Claude Code / Codex / Cursor 等)用的公众号排版 Skill,本质是一套「主题组件库 + 排版工作流 + 校验脚本」。

核心资产是 references/ 下 6 套主题组件库,每套都含设计变量、完整组件 HTML、文章骨架与配方表。

✦ 开源协议

项目以 AGPL-3.0 开源,任何人可装、可改、可贡献主题。

02

PART

三种安装方式,挑顺手的

INSTALL · 安装

装到哪?只要是能读取 skills 目录的 Agent(Claude Code / Codex / Cursor 等)都能用。下面三种方式,选最顺手的。

01 一行命令(推荐)

用 skills 安装器直接拉取,最省事。

npx skills add https://github.com/isjiamu/gzh-design-skill

02 让 AI 自己装

对 Claude Code / Codex / Cursor 等任意 Agent 说一句:「请帮我查找并自动安装 https://github.com/isjiamu/gzh-design-skill 这个 skill」,它会自行 clone 到对应的 skills 目录。

03 手动 clone

熟悉命令行的,直接克隆到 skills 目录。

git clone https://github.com/isjiamu/gzh-design-skill.git ~/.claude/skills/gzh-design

装好后,直接对 Agent 说:「用摸鱼绿把这篇文章排成公众号 HTML:article.md」。

03

PART

怎么用:一句话排版

USAGE · 流程

典型流程只有六步:选主题 → 读组件库 → 解析 Markdown → 装配 HTML → 校验 → 输出。中间步骤你几乎不用操心。

给一篇稿件 + 指定主题(或说「自动排」),Agent 会替你做这几件事:

1

按 ## 自动给章节编号(末章用 ∞ 变体)。

2

给每段主动标 1–3 个关键词下划线,突出核心观点。

3

提炼开头引言卡与 3 个核心看点目录,读者一眼抓重点。

4

处理代码块、图片、GIF,并规范中文全角标点。

5

在文末合并一处作者签名区,避免重复落款。

最后生成两份产物:一份是纯

正文片段(手动粘贴兜底),一份是带「复制到公众号」按钮的预览页——浏览器打开点一下,去编辑器 ⌘/Ctrl+V 即可。

04

PART

6 套内置主题,挑一套气质

THEMES · 主题

内置 6 套精选主题,覆盖绝大多数公众号题材;每套都是自成体系的厚组件库(设计变量 + 数十个精细组件 + 视觉层级表 + 配方表)。

01 摸鱼绿(默认)

教程、测评、清单、工具盘点(卡片丰富、信息密度高)。

02 红白色系

深度分析、观点、力量感话题(经典编辑风)。

03 石墨极简风

设计、科技评论、专业观点、高端品牌。

04 留白禅意风

禅意、极简生活、深度随笔(呼吸感最强)。

05 摸鱼票据风

工具对比、创意评测(票据视觉隐喻)。

06 橄榄手记

内刊手记、深度评测、案例复盘(编辑部内刊质感)。

不够用?用 一句话描述或一张参考图,就能让 AI 现造一套新主题并登记复用。

相关文章
|
22天前
|
人工智能 开发框架 Java
如何入门学习 Agent 开发?
本文分享Agent开发实战经验:强调甄别一手资讯、聚焦Context本质而非框架、坚持实操落地、重视效果评测与自我迭代,助新手避开玄学误区,从真实场景出发高效入门。(238字)
82 5
|
23天前
|
Windows 容器
Windows Trae 解决 Codex 插件不显示问题
Windows下Trae编辑器安装Codex插件后图标不显示、面板无法打开?只需定位插件目录下的package.json文件,将viewsContainers配置替换为指定代码(含双容器适配),保存后彻底重启Trae即可修复。
229 0
|
23天前
|
人工智能 缓存 架构师
从需求文档到测试计划再到测试报告,Opencode一条龙流水线搭建教程(附完整配置)
本文介绍如何用Opencode构建端到端测试流水线:将需求解析、测试计划、用例生成、执行分析与报告生成拆解为5条可复用指令(/spec→/plan→/testgen→/test→/report),一次配置,终身调用。AI自动串联各环节,100页PRD到完整测试报告仅需2小时,解放测试工程师于重复劳动,让经验沉淀为可复用流程。
|
23天前
|
人工智能 算法 API
【第二部分:大模型应用开发基础】9. RAG 是什么,它与 Agent 有什么关系?——从知识库问答到 Agentic RAG
RAG 通过文档解析、切分、Embedding、混合检索、Rerank 与引用机制,让大模型在回答问题时能够按需获取企业知识,而不是依赖训练数据“记住一切”。文章进一步介绍 RAG 如何从固定的检索增强生成流程演进到 Agentic RAG:由 Agent 判断是否需要检索、如何规划 Query、证据是否充分,并在必要时继续改写和多轮检索。同时梳理 RAG、Memory、Tool 与 Agent 的边界,强调知识库问答系统并不等同于 Agent,RAG 只是 Agent 获取外部知识的一种能力。
202 2
|
23天前
|
存储 人工智能 Linux
【全网最详细】Ollama下载+安装+运行大模型超详细图文教程
Ollama 是一款免费开源的本地大模型运行工具,支持 Windows/macOS/Linux,一键安装、命令行操作极简。可离线运行 Llama、Qwen、DeepSeek、Gemma 等主流模型,数据不出本机,隐私安全,还能接入编程工具,是个人与开发者的本地 AI 助手。(239字)
|
2月前
|
Web App开发 数据采集 人工智能
|
数据库
ACN规则深度解密-全网最细的剖析
ACN规则深度解密-全网最细的剖析
|
23天前
|
人工智能 机器人 程序员
上下文工程是什么?从提示词工程到上下文,一文讲透 AI 不跑偏
上下文工程是提示词工程后的新范式:AI 没有记忆,回答质量全看塞进上下文的"料"。本文讲透两者区别,也让 AI 学会自己记笔记、压缩对话,长任务不跑偏。
108 1
|
23天前
|
SQL 人工智能 自动驾驶
一文看懂爆火的 Graph Engineering,以及它和 Loop Engineering、Agent 循环到底啥关系
阿星详解AI工程三层次:Agent循环是AI“想-做-看”的基本心跳;Loop工程为其装上“自动巡航”,实现任务自主迭代;Graph工程则构建多节点协同的执行图,如公司般分工、质检、恢复。三者层层递进,非替代而是融合。(239字)