手机信息图

把一段已经有结论的内容，重排成手机上真的读得下去的证据型信息卡：竖版画布、单列阅读路径、 字号下限与行宽上限、可核查的口径与来源。输出永远是一张 1080 宽、高度自适应的卡片 （--ratio long）：内容多就把这张图加长、不拆卡；只有用户明确要求多张时才做系列。

两条硬规则：标题只写这张图的作用或主题（判断留给结论行，也不写「要点／速览／一图读完」这类 放在哪张图上都成立的废话），主关系必须图形化 （三项以上可比数据用 bar-ranking 的条形长度，不写流水账）。卡面来源只写 「来源：群聊记录」这类可披露来源，内部数据库/表名/路径由 source_hygiene 拦截；页脚署名可选。

与 lov-professional-infographic 的分工很清楚：那个 Skill 做 16:9 桌面阅读的咨询 Exhibit， 这个 Skill 做 1080 宽竖屏阅读的手机卡。文字、证据与排版全部由 DOM 生成，PNG 由浏览器精确栅格化， 不把整张卡交给生图模型。

本地安装

npx skills add lov-mobile-infographic -g -y

源码安装：

export SKILL_SOURCE_DIR="$(pwd)"
mkdir -p "${SKILL_SKILLS_INSTALL_DIR:?请设置本地 Skills 目录}"
ln -s "$SKILL_SOURCE_DIR" "$SKILL_SKILLS_INSTALL_DIR/lov-mobile-infographic"

LovStudio 三层链约定：~/.agents/skills/lov-mobile-infographic 绝对指向本目录， 各宿主目录用相对链接指向该共享入口。

用户 Profile（跨 session）

本 Skill 在 skill.yaml 中声明 user-profile/v1，从共享 Profile 读取用户、品牌、 工作区偏好与本 Skill 的长期记录。用户直接说出的持久偏好或品牌事实由 scripts/profile_store.py 写回 skills.lov-mobile-infographic.records。

品牌解析顺序与字段见 references/user-config.md； 完整 Profile 契约见 references/user-profile.md。

使用

一张卡：

export SKILL_DIR="$(pwd)"
python3 "$SKILL_DIR/scripts/infographic_cli.py" scaffold \
  --template single-claim --filename card-01.html \
  --eyebrow "运营手册 · 01" --title "优化 harness 的三步" \
  --claim "模型是自变量，harness 是因变量" \
  --source "来源：一次真实项目复盘" --output-dir ./cards
python3 "$SKILL_DIR/scripts/infographic_cli.py" render --input ./cards/card-01.html --output ./cards/card-01.png --scale 2
python3 "$SKILL_DIR/scripts/infographic_cli.py" audit --input ./cards/card-01.html --image ./cards/card-01.png --report ./cards/card-01.audit.json --ratio long

--ratio 省略时即 long：卡片高度跟着内容走（下限 1.2× 宽，不设上限；内容多时用小节分组保持节奏）。 需要固定比例时显式传 --ratio 3:4（微信图文）、4:5（信息流）、9:16（全屏故事）或 1:1（九宫格）。

排位数据用条形榜单：条目按大小画长度，名单与依据写在对应条形下方，不写流水账。

python3 "$SKILL_DIR/scripts/infographic_cli.py" scaffold \
  --template bar-ranking --filename card.html \
  --eyebrow "调研 · 群像" --title "最受欢迎的，是继续做事的那类城" \
  --claim "前三类合计 41 人，占可判断成员的 58%" \
  --row "01 新海|25|New Harbor · AI 进入工作|早＊ · 南艺 89" \
  --row "04 新界|13|Nexus · 低税低监管|刘＊畅 · Cakinna" \
  --source "来源：群聊记录" --output-dir ./cards

只有用户明确要求多张时才做系列：按 --series-index 1..N --series-size N 逐张 scaffold、render、audit，再按 references/series-and-export.md 写 manifest.json。

真实案例见 cases/cases.json：一次“明确要求三张”的 3:4 系列， 机器审计 3/3 通过、各 100/100。

原子组合

references/skill-composition.md 记录了已检查的相邻 Skills、 产物级交接、重叠处理，以及判定为 Single Skill 的理由。外部 sibling Skill 不是隐藏依赖。

可信度卡与用户案例

• skill-card.yaml / skill-card.md：用途、依赖、风险、输出与维度地图。
• cases/cases.json：真实 Input → Prompt → Output。
• pricing-card.yaml：价值锚点、交付边界与复评条件。

质量门

python3 scripts/test_infographic_cli.py
python3 scripts/validate_skill.py .

依赖

• Python 3.8+ 标准库；scaffold 与 init-brand 不需要浏览器或网络。
• render 与 audit 需要 Playwright for Python 与 Chromium 或 Google Chrome。
• 无必需凭据。

python3 -m pip install "playwright>=1.45,<2"
python3 -m playwright install chromium

License

MIT