Scan to join WeChat group小红书论文图文生成技能
技能概述
本技能专门用于从Arxiv论文中提取视觉资产（图表、公式），并生成符合小红书排版规范的图文帖子。技能通过自动化流程完成论文获取、视觉元素提取、文案撰写与验证，确保输出内容严格引用原文图片，不包含任何文本形式的数学公式。
核心价值：
- 将复杂学术论文转化为适合小红书传播的视觉内容
- 确保内容准确性：所有图表严格引用原文
- 零公式违规：数学公式仅以截图形式呈现
触发条件（Boundaries）
Use this skill when（适用场景）
- 用户说要生成小红书长图文，并且给了论文题目或者论文的模型名称
Do NOT use this skill when（不适用场景）
- 用户只是要求简单总结论文大意，不需要提取图片
- 用户询问论文中某一段落的具体含义（此时应使用通用阅读分析能力）
接口定义（Interface）
输入（Input）
| 参数 | 类型 | 说明 |
|------|------|------|
| paper_reference | string | Arxiv链接（如 https://arxiv.org/abs/2301.12345）、论文ID（如 2301.12345）或论文标题（如 Attention Is All You Need） |
输出（Output）
| 参数 | 类型 | 说明 |
|------|------|------|
| assets_zip_path | string | 包含所有精确裁剪的图表、公式的ZIP文件路径 |
| post_content | string | 严格遵循排版模板、无文本公式的小红书文案 |
执行步骤（Steps）
Step 1: 获取论文（Retrieve Paper）
-
解析
paper_reference，识别输入类型：- Arxiv链接：从URL中提取论文ID（如从
https://arxiv.org/abs/2301.12345提取2301.12345） - 论文ID：直接使用
- 论文标题：使用Arxiv API搜索获取论文ID
- Arxiv链接：从URL中提取论文ID（如从
-
使用Arxiv API下载论文PDF：
- 接口：
http://export.arxiv.org/api/query?id_list={paper_id} - 下载PDF格式版本
- 保存PDF到临时工作目录
- 接口：
重试策略： 若下载失败，等待2秒后重试，最多尝试3次。
Step 2: 视觉资产提取（Extract Visuals）
核心原则：绝对禁止截图整个页面，必须精确裁剪目标元素区域，禁止使用AI生成图片。
-
遍历PDF每一页，使用PDF解析工具识别页面内容
-
识别定位视觉元素：
Figure识别：
- 查找文本模式：
Figure 1:、Figure 2:...Figure n:（n为论文的Figure总数） - Figure一般为架构图、结果图等，一般存在于Figure文本的上方空间
- 注意！需要截图完整的图片，同时避免截图到图片上下左右的文字部分
Table识别：
- 查找文本模式：
Table 1:、Table 2:...Table m:（m为论文的Table总数） - Table一般为对比实验表、消融实验表等
- 定位表格完整区域
Equation识别（重点）：
- 识别定位到所有的Equation
- 公式一般在其右侧会存在一个中间带数字的括号，类似 (k)（k为1到l的数字，l为论文的Equation总数）
- Equation一般为数学公式、定理、推导等
- 注意！需要截图完整的公式，同时避免截图到上下左右的文字部分
- 查找文本模式：
-
精确裁剪规则：
- 仅截图目标元素区域，绝对禁止截图整个页面
- 图片边距：上下左右各保留5-10像素padding
- 分辨率：最低300 DPI
- 禁止使用AI生成或推断图片内容
-
规范命名保存：
Figure_1_Architecture.png # 架构图 Figure_2_Results.png # 结果图 Table_1_Ablation.png # 消融实验表 Table_2_Comparison.png # 对比实验表 Eq_3_Attention.png # 公式3（注意力机制） Eq_7_Loss.png # 公式7（损失函数） -
打包ZIP：
- 将所有截图按命名排序打包
- ZIP文件名：
{paper_id}_assets.zip
Step 3: 撰写草稿（Draft Content）
-
仔细阅读论文核心章节：
- 问题定义（Introduction）
- 方法介绍（Method）
- 模型架构（Model Architecture）
- 实验部分（Experiments）
-
按以下结构生成文案草稿：
[标题] 一句话概括论文核心贡献，吸引用户点击 [TLDR]（问题+解决方法+收益） 用通俗语言说明：解决了什么问题、怎么解决的、带来了什么提升 [过去面临的问题] 简要描述该领域之前存在的痛点或局限性（内容简洁） [本文的解决方法] 简洁介绍论文提出的核心方法或创新点（内容简洁） [核心收益] 此处必须有实验表格截图 格式：[图片名称] [模型架构] 进行详细拆解：输入 → 模块 → 输出；这需要你详细阅读每一段文字，输出的内容也要详细 必须包含公式截图 格式：[图片名称] [实验部分] 用图片展示实验结果 格式：[图片名称] -
占位符规则（强制执行）：
- 所有需要展示图表的地方，强制使用
[图片名称]占位符 - 所有数学公式位置，必须用公式截图占位符替换
- 禁止在任何位置写入LaTeX代码或Unicode数学符号
- 所有需要展示图表的地方，强制使用
Step 4: 反思与验证检查单（Validate Checklist）
在输出最终内容前，必须逐项执行以下检查并修正：
检查项 1：视觉内容校验（最高优先级）
- [ ] 检查ZIP包中每个
Figure_X文件是否包含完整的图表元素 - [ ] 检查每个
Table_X文件是否包含完整的表格内容 - [ ] 检查每个
Eq_X文件是否为纯公式区域（若为无关文本，则剔除并且重新截图）
检查项 2：多模态对齐校验
- [ ] 检查草稿中每个
[图片名称]是否在ZIP包中存在对应文件 - [ ] 检查文件名是否完全一致（区分大小写）
- [ ] 检查图片内容与上下文描述是否绝对匹配
检查项 3：零公式违规校验
- [ ] 全局扫描草稿文本
- [ ] 确认不存在任何形式数学公式：
- LaTeX代码（如
$...$、$$...$$、\frac{}{}、\begin{align}） - Unicode数学符号（如 ∑、∫、√、α、β、θ、λ）
- 纯文本描述的公式（如
loss = ...、accuracy = ...）
- LaTeX代码（如
- [ ] 若发现残留公式，立即替换为通俗文字描述或
[图片名称]占位符
检查项 4：格式完整性校验
- [ ] 标题存在且简洁（20字以内）
- [ ] TLDR包含问题、解决方法、收益三要素
- [ ] 模型架构部分，从头到尾清晰且详细，包含完整公式
- [ ] 每个章节都有对应的图片支撑
验证失败处理： 如果以上任何一个检查项未通过，都需要重新运行Step 4！直到完全通过为止。
Step 5: 最终输出（Execute Final Output）
- 确认Step 4所有检查项通过后
- 输出打包好的ZIP文件路径：
{assets_zip_path} - 输出最终定稿的文案：
{post_content}
失败处理策略（On Failure）
论文下载失败
尝试次数：最多3次
间隔时间：每次失败后等待2秒
最终处理：若3次均失败，终止流程
错误提示："未能在Arxiv获取该论文，请直接提供PDF文件。"
截图或打包失败
原因排查：
- 网络原因导致工具调用失败 → 重新执行截图动作
- PDF解析失败 → 尝试使用备用解析方法
禁止行为：
- 禁止生成占位假图
- 禁止使用AI推断内容填充
验证检查失败
处理流程：
1. 记录失败的具体检查项
2. 返回Step 3修改局部草稿
3. 重新执行Step 4验证
4. 重复直到所有检查通过
注意：必须完整通过验证才能输出，禁止跳过验证步骤
示例
示例1：基础使用
输入：
paper_reference: "Attention Is All You Need"
处理过程：
- 搜索论文，获取ID：1706.03762
- 下载PDF并解析
- 提取视觉资产：
- Figure_1: Transformer架构图
- Figure_2-5: 实验结果图
- Table_1-3: 对比实验表
- Eq_1-12: 注意力公式等
- 生成文案草稿
- 执行验证检查
- 验证通过后输出
输出：
{
"assets_zip_path": "/workspace/1706.03762_assets.zip",
"post_content": "【标题】Attention Is All You Need\n\n[完整小红书文案，包含所有图片占位符]..."
}
示例2：使用Arxiv ID
输入：
paper_reference: "2301.12345"
输出格式相同，技能自动处理ID解析
示例3：使用Arxiv链接
输入：
paper_reference: "https://arxiv.org/abs/2301.12345"
输出格式相同，技能自动从URL提取论文ID
注意事项
-
绝对禁止事项：
- 禁止使用AI生成图表内容
- 禁止在文案中写入任何形式的数学公式（包括LaTeX、Unicode符号）
- 禁止截图整个PDF页面，必须精确裁剪目标元素
-
图片质量要求：
- 分辨率：最低300 DPI
- 格式：PNG
- 命名：严格遵循
{Type}_{Number}_{Description}.png格式
-
文案风格要求：
- 通俗易懂，适合小红书用户阅读
- 避免过于专业的术语堆砌
- 强调实用价值和直观收益
-
验证重要性：
- Step 4的验证检查必须逐项执行
- 不得跳过任何检查步骤
- 验证失败必须返回修改草稿，直到所有检查通过
-
文件名规范：
- ZIP文件名：
{paper_id}_assets.zip - 图片文件名：
{Type}_{Number}_{Description}.png - Type可选值：Figure、Table、Eq
- ZIP文件名：
拓展说明
相关技能推荐
arxiv-paper-summary：纯文本论文总结技能academic-to-social-media：多平台学术内容适配figure-extraction：仅提取图表的独立技能
技能迭代方向
-
支持的论文源扩展：
- 添加对其他预印本平台的支持（ACL Anthology、IEEE等）
-
多语言支持：
- 添加中文论文适配
- 添加英文/日文等语言输出
-
输出格式扩展：
- 支持生成视频脚本
- 支持生成短视频分镜
-
批量处理：
- 支持一次处理多篇论文
- 支持生成论文系列合集