一、这个问题的关键，不是生图，而是先把网页理解对#

很多人第一反应会把这个 Skill 理解成一个广告图生成器，但真正难的部分并不在最后的出图，而在前面那一步：如何从网站首页里提取出适合营销表达的内容结构。

网站首页里的文案通常面向产品介绍，特点是信息完整，但不一定适合直接转成投放素材。它可能有这些问题：

• 信息分散在多个区块
• 语气偏产品说明，不够适合传播
• 重点信息和次要信息混在一起
• 页面视觉风格和文案风格不一定天然适合广告图

所以这个 Skill 的第一阶段，实际上更接近一次针对首页的结构化分析，而不是一次简单摘要。

我要拿到的不是“这个页面讲了什么”，而是下面这些更适合后续生成的问题答案：

• 这个网站到底在卖什么
• 首页最想强调的能力点是什么
• 哪一句话最接近核心卖点
• 页面更适合什么样的视觉调性
• 适合产出海报、封面图还是社媒宣传图

如果这一步拿错了，后面文案和图像都会偏掉。也就是说，前置理解质量决定了后续整条链路的上限。

二、文案生成阶段，本质上是在做“营销表达重组”#

在这个 Skill 里，我没有把网页原文直接喂给图像模型，而是加了一层中间结构，把页面信息先整理成广告表达需要的字段。

这一层通常会产出这些内容：

• 主标题
• 副标题
• 卖点短句
• 行动按钮文案
• 画面关键词
• 目标受众描述

这个阶段我更关心的是“重组”，不是“润色”。

因为网页文案和广告文案的目标并不一样。前者追求完整表达，后者追求快速传达和点击意图。所以这里本质上做的不是改写句子，而是把原始页面内容重新映射到一个更适合营销场景的结构上。

从技术上看，这个中间层非常重要。它相当于把原本松散的网页内容，压缩成后续图像生成可以稳定消费的输入格式。

三、为什么我坚持把“文案生成”和“图像生成”拆成两步#

如果只是为了快速出图，完全可以把网站信息和一句“请生成广告图”的提示词直接扔给模型。但我没有这么做，原因主要有两个。

第一，链路不可控。

如果页面理解、卖点提炼、画面表达都挤在一次生成里，最后很难判断到底是哪一步出了问题。图不好看，可能是视觉提示不够；文案不准，可能是卖点提取错了；语气不对，也可能是页面理解偏了。

第二，可复用性差。

把中间层显式抽出来后，广告标题、短文案和画面方向都可以单独复用：

• 可以只取文案，不出图
• 可以同一套卖点生成多版画面
• 可以在不同平台上替换不同语气
• 可以后续再接别的图像模型

所以这一步其实是在做一个很典型的工程取舍：牺牲一点链路长度，换可解释性和可复用性。

四、成功接通 image2，意味着这条链路终于闭环了#

我在标题里强调“成功调用 image2 模型”，不是想突出模型名字本身，而是因为这代表流程已经从“理解和整理”走到了“实际出图”。

这件事的意义在于，Skill 的定位发生了变化。

在只做网页理解和文案生成的时候，它更像一个内容辅助器；接通 image2 之后，它才真正具备了素材生成能力。也就是从：

• 页面分析结果

变成了：

• 页面分析结果
• 广告表达结果
• 可直接预览的广告图结果

一旦最后一步打通，整个 Skill 才不只是“给建议”，而是开始真正产出可用素材。

五、这个 Skill 的本质，不是“AI 生图”，而是“内容到素材”的转换器#

从工程视角看，这个 Skill 更准确的定位不是图片生成器，而是一个 内容到素材的转换器。

它的输入不是一段手写 prompt，而是一个真实网站首页。它的输出也不应该只是一张随机图，而应该是一套围绕页面定位展开的宣传素材。

它想解决的问题其实是：

• 网站已经有内容了，为什么还要重复手工整理成广告语
• 卖点已经在页面里了，为什么还要重新总结视觉方向
• 文案已经成型了，为什么还要再单独写一版出图提示

如果这几步都能被串起来，Skill 的价值就不只是“快”，而是减少了内容生产流程里的上下文切换。

六、为什么适合做成 Skill，而不是一次性脚本#

我最后把这套东西做成 Skill，而不是简单的本地脚本，核心原因是它的输入模式非常稳定。

只要对象还是“网站首页”，这套流程就能重复使用：

• 个人博客
• 产品官网
• SaaS 首页
• 工具落地页
• 活动宣传页

做成 Skill 之后，后续扩展空间也更大。比如：

• 按平台区分文案语气
• 按页面类型区分视觉风格
• 输出多套广告方案而不是单一结果
• 接入更多图像模型或审核规则

这说明它不是一个一次性的 prompt 模板，而是一条可以持续演进的工作流。

七、这次实践里最有价值的，不是单次结果，而是链路分层已经成立#

我现在回头看，这次最值得记录的不是某一张图生成得多漂亮，而是这条链路的分层已经比较清楚了：

1. 页面理解
2. 营销表达重组
3. 视觉方向组织
4. 图像模型调用

这几层一旦拆清楚，后面无论是改 prompt、换模型、加平台规则，还是做失败重试，都会更容易落地。

很多 AI 工具一开始能跑，但越改越乱，根本原因通常不是模型不行，而是链路没有分层，导致所有问题都堆在一次生成里。

八、后面还值得继续打磨的点#

后续如果继续往下做，我更关心的会是这些偏工程质量的问题：

• 首页理解的稳定性
• 文案表达和页面调性的一致性
• 出图风格与产品定位的匹配程度
• 同一页面多方案生成的可控性
• 失败场景下的降级策略

尤其是“页面理解错了怎么办”这个问题，后面大概率还要继续加约束和校验。因为对这类 Skill 来说，最怕的不是模型出图慢，而是前置语义已经偏掉了，后面整条链路都在放大错误。

结语#

这次写这个 Skill，对我来说更像是在验证一个思路：

能不能把网站首页里已经存在的信息，直接拉进一条可执行的广告素材生成链路。

现在看来，这件事至少已经具备了一个比较完整的最小闭环：

• 先理解页面
• 再重组表达
• 最后调用 image2 出图

后面即使继续扩展，我也更倾向于保持这种分层方式，而不是把它重新做回一个“什么都塞进一次 prompt”的黑盒流程。