English | 简体中文
Concept Comic 是一个 AI skill，用来把复杂概念变成漫画式解释图。
🎯 按表达点规划张数
它不是按“主题”粗暴决定张数，而是按“表达点”规划。复杂概念会被拆成一组最小、清晰、容易快速读懂的视觉步骤。
🧭 五维漫画 taxonomy
它不会从一个扁平的漫画类型表里随便选，而是先判断篇幅/形式、功能、叙事结构、风格壳层、发布渠道，再进入分镜。
🧠 自动类型路由
用户给一个概念后，它会自动判断更适合单幅概念、对比解释、四格流程、对话澄清、因果/流程、系统地图、旅程/状态转移，还是短条漫。
🧩 先理解结构，再决定画风
流程会先分析概念关系，再选择视觉隐喻和动作场景，最后才写生图 prompt。这样能减少“画面好看但没解释清楚”的问题。
🛡️ 感知渠道、风格和风险
prompt 会带上受众、渠道、风险等级、偏好类型和风格壳层。高风险主题只做教育解释，类比会检查误导风险，公开传播时可以预留 AIGC 标识。
📚 汇总成熟的视觉解释经验
它把漫画叙事、多媒体学习、双编码理论、图标可用性和 AI 生图 prompt 经验，整理成一个可复用流程。
🔌 不绑定某一个编辑器
在 Codex 里，直接用当前环境的生图能力。其他编辑器如果没有内置生图能力，就配置图片 API 的密钥和地址。默认模型目标是 gpt-image-2。
OPENAI_API_KEY 非原生生图环境必填
OPENAI_BASE_URL 可选，默认 https://api.openai.com/v1
OPENAI_IMAGE_MODEL 可选，默认 gpt-image-2
多图解释必须一张一张请求生成，不要让生图模型一次生成整套拼贴海报。
这个 skill 汇总了几类公开经验，并把它们改写成可执行的漫画生图流程：
- 漫画与序列艺术：Scott McCloud 关于漫画沟通、通过简化放大意义的思想。参考 Understanding Comics overview 和 Cleveland Public Library toolkit。
- 多媒体学习：Mayer 的原则支持去掉无关细节、让标签靠近图像、用视觉提示引导注意力。参考 Cambridge Handbook 中关于 coherence, signaling, redundancy, spatial contiguity 的章节。
- 双编码理论：Paivio 的双编码理论解释了为什么短文字标签要和强视觉表示配合。参考 Dual Coding Theory and Education。
- 图标与标签可用性：NN/g 关于图标可用性的建议支持“短标签、可识别图标、避免无标签符号”。参考 Icon Usability 和 Yes, Icons Need Text Labels。
- AI 生图 prompt 经验：把上面的方法落到 prompt 规则里，比如短标签、可见动作、先隐喻后构图、避免密集信息图和 PPT 化版式。
四个表达点：检索证据、沿关系推理、失败模式、混合使用。
四个表达点：需求上涨、供给冲击、货币与商品、购买力下降。
四个表达点：差异、选择压力、繁殖、群体变化。
用 Concept Comic 解释 RAG 和知识图谱问答的区别。
期望行为：
1. 先规划需要几张漫画。
2. 生成对应数量的独立漫画图片文件。
3. 返回图片路径。
输出约束：
一个表达点 = 一张漫画。
一个点讲不清，就拆成多张。
规划 N 张图，就交付 N 个独立生成图片文件。
最终产物是漫画图片，不是文字解释。
concept-comic/
├─ SKILL.md # skill 主入口，包含触发信息和核心执行规则。
├─ agents/ # skill 列表和快捷入口使用的界面元数据。
│ └─ openai.yaml # 展示名称、短描述和默认提示词。
├─ references/ # 按需读取的工作流参考文档。
│ ├─ concept-understanding.md # 如何提取核心概念和解释目标。
│ ├─ concept-types.md # 五维 taxonomy 和自动路由规则。
│ ├─ concept-to-metaphor.md # 抽象结构转视觉隐喻的规则。
│ ├─ metaphor-bank.md # 可复用的隐喻模式库。
│ ├─ comic-grammar.md # 漫画构图、角色、动作、标签和节奏。
│ ├─ composition-patterns.md # 视觉结构、风格壳层和渠道适配布局。
│ ├─ storyboard-template.md # 每张漫画的分镜字段模板。
│ ├─ prompt-template.md # taxonomy、渠道、风险和风格字段模板。
│ ├─ image-generation-workflow.md # 生图路线、张数规划和画幅处理。
│ ├─ external-image-api.md # 其他编辑器没有生图能力时的 API 方案。
│ ├─ qa-checklist.md # 概念、taxonomy、渠道、风格、安全和张数检查。
│ ├─ anti-patterns.md # 密集信息图、合并多图等常见失败模式。
│ ├─ domain-safety.md # 高风险模式、类比边界、AIGC 标识和版权风格安全。
│ ├─ response-format.md # 最终回复格式和图片路径报告方式。
│ └─ visual-style.md # 可读漫画图的默认视觉风格。
├─ examples/ # 常见概念请求的文字示例 brief。
│ ├─ black-hole.md # 科学概念示例。
│ ├─ entropy.md # 熵概念示例。
│ ├─ immune-system.md # 类比型过程示例。
│ ├─ inflation.md # 经济系统示例。
│ ├─ natural-selection.md # 跨代变化概念示例。
│ ├─ opportunity-cost.md # 决策概念示例。
│ ├─ path-dependence.md # 历史路径锁定示例。
│ ├─ prisoner-dilemma.md # 博弈论示例。
│ ├─ rag-vs-kgqa.md # AI 架构对比示例。
│ └─ water-cycle.md # 物理过程示例。
├─ tests/ # 用来检查 skill 行为的压力提示词。
│ └─ sample-prompts.md # 覆盖张数规划和输出规则的请求样例。
├─ docs/ # 面向仓库阅读者的补充文档。
│ ├─ gallery.md # 示例输出图库说明。
│ ├─ showcase.md # 生成示例展示说明。
│ └─ usage.md # 额外使用说明。
└─ assets/ # README、docs 和示例使用的图片资源。
├─ cover.png # 封面图资源。
├─ previews/ # 旧示例主题的小预览图。
│ ├─ entropy-preview.png # 熵预览图。
│ └─ opportunity-cost-preview.png # 机会成本预览图。
└─ examples/ # 生成漫画示例和 README 四宫格。
├─ .gitkeep # 确保空目录也能被 Git 保留。
├─ rag-vs-kgqa-grid.png # 四张漫画组成的预览图。
├─ inflation-system-grid.png # 四张漫画组成的预览图。
├─ natural-selection-grid.png # 四张漫画组成的预览图。
├─ rag-vs-kgqa/ # RAG 与 KGQA 的 4 张独立漫画。
│ ├─ 01-rag-find-evidence.png
│ ├─ 02-kgqa-follow-relations.png
│ ├─ 03-different-failure-modes.png
│ └─ 04-hybrid-map-evidence.png
├─ inflation-system/ # 通胀系统的 4 张独立漫画。
│ ├─ 01-demand-surge.png
│ ├─ 02-supply-shock.png
│ ├─ 03-money-vs-goods.png
│ └─ 04-purchasing-power.png
└─ natural-selection/ # 自然选择的 4 张独立漫画。
├─ 01-variation.png
├─ 02-selection-pressure.png
├─ 03-reproduction.png
└─ 04-population-changes.png
MIT