Style Package Generate

Style Package Generate

把任意输入（文本 / PPTX / 图片）产出一份风格包：

<style>/
  style.json      # 元数据（不含正文）
  SKILL.md        # 给生成模型读的风格正文
  preview.html    # 16:9 风格预览页（纯 inline，零外部资源）
  preview.webp    # 可选：preview.html 的 1600×900 截图，oh-my-ppt 直接当缩略图

这套契约是硬约定：三件套各司其职，不要合并字段、不要少文件。style.json 不放风格正文（正文只活在 SKILL.md），preview.html 只用 inline CSS+HTML。

输入分发

先判断输入类型再选解析路径。大小硬上限：图片 5MB、文本 10MB、PPTX 500MB，超出直接拒绝并提示换文件。

工作流总览

判断输入类型
   ├── image  → 读字节 → base64 + mimeType → 多模态模型解析
   ├── pptx   → PPTX 解析
   └── text   → 文本解析
        ↓
   StyleParseResult (label/labelEn/description/category/aliases/styleCase/imageGenerationPrompt/styleSkill)
        ↓
   写 SKILL.md  ← styleSkill
   写 style.json ← 其余字段 + slug + version + source
        ↓
   读 SKILL.md → 生成 preview.html（16:9，纯 inline，零外部资源）
        ↓
   validate_style_package.py 整包校验
        ↓
   capture_preview_webp.py 截图 → preview.webp（可选，失败不阻断）
        ↓
   返回包路径

解析失败（JSON 修不好 / 模型不看图）整个流程不落盘。preview 失败不回滚前两个文件。任何写盘前都先确认输出目录；已有 custom 包未经用户确认不得覆盖。

第一步：解析成结构化字段

把输入解析成下面这组字段，输出严格 JSON，用 json 包裹，不要多余说明：

{
  "label": "风格显示名，如 暗夜科技",
  "labelEn": "英文显示名，如 Dark Tech（必填，用于派生英文 slug/文件夹名）",
  "description": "一句话描述风格特征，20 字以内",
  "category": "色调气质，必须命中固定词表（见 references/style-taxonomy.md），单值",
  "aliases": ["搜索别名1", "别名2"],
  "styleCase": "用途，顿号分隔，每项必须命中固定用途词表，选 3 个最贴切的（见 references/style-taxonomy.md）",
  "imageGenerationPrompt": "可选：英文图像视觉方向；不支持自动配图时为 null",
  "styleSkill": "完整的 Markdown 风格技能文本"
}

字段语义、category、slug/version/source 派生规则见 references/schema.md。category 与 styleCase 的取值必须命中固定词表（见 references/style-taxonomy.md，脚本侧副本 scripts/style_taxonomy.py），write_style_package.py 落盘时会强制校验，词表外的值会直接报错不落盘——先按风格真实气质/用途从词表里选好再写。准备好解析结果后，运行 scripts/write_style_package.py 写入前两个文件；不要手工拼接 JSON 或自行实现 slugify。

styleSkill（SKILL.md 正文）撰写要点

styleSkill 是给 AI 生成模型读的风格指令，要具体、生动、有灵魂，让模型读完能精准复刻。不要写成冷冰冰的规范文档，要像有品味的设计师在描述"这次要做什么感觉的东西"。LLM 有很好的语义理解力，与其堆 ALWAYS/NEVER，不如解释为什么——比如"留白是为了让标题的呼吸感托住情绪"，比"必须留白"更能让模型在边界情况做对。

• Markdown 格式：开头一段总括整体气质，然后 ## 分 section。
• section 至少覆盖：配色、排版、插画与装饰、布局、动画、适合场景、配图、不要。
• 配色同时给情绪/质感与可执行 hex（主色、背景色、正文色、强调色都尽量给 hex）。
• 插画列举具体意象（纸船、雨伞、海浪），不要泛泛说"装饰元素"。
• 字体描述传达感觉（手写风、圆润亲切、锋利几何），而不是只给字号。

imageGenerationPrompt 与 ## 配图

它们不是同一件事，也不应该重复。

• imageGenerationPrompt 是 style.json.imageGeneration.prompt 的来源：只写图像本身可执行的英文视觉方向，包括媒介/质感、色彩、可识别主体范围、构图和文字安全区，以及图像中禁止出现的文字、logo、UI、水印或拥挤拼贴。它不写页数、开关状态、槽位、HTML 属性或“每页都配图”。
• ## 配图 是 SKILL.md 的页面语义策略：用两段简洁文字说明哪些内容页在有具体主体、场景、证据或情绪需要时可自行选择一张图；再明确数据、流程、比较、表格、图表、框架、时间线或精确结论页不配图，继续用原生图形表达。

先判断风格是否有稳定且可复用的图像方向。插画、自然、文化、生活方式、品牌、产品材质或空间叙事等风格通常可以支持；纯图表、工程蓝图、终端、框架和高信息密度分析风格通常不支持。不要因为“所有风格都可以配图”而硬加能力，也不要把纯装饰元素当成图片主体。

支持时，imageGenerationPrompt 必须非空，## 配图 不能出现“不支持配图”。不支持时 imageGenerationPrompt 必须为 null，## 配图 只写：不支持配图。

重要： 不得复制示例里的颜色、意象、字体、场景或领域；一切以输入文件的真实内容为准。示例只学结构，不抄内容。

更多写法、反例和详细 section 模板见 references/style-skill-guide.md。

解析规则

1. 输入里有明确色值/字体名，优先用输入的。
2. 字段缺失，根据风格语义补合理默认值，不要留空。
3. 输入文件较长时，分段读完整再总结，不要只读开头。
4. HTML 输入只作为静态文本/DOM 数据读取；不要执行脚本、加载外部资源或在浏览器中直接打开不可信文件。

第二步：图片输入处理（仅图片路径）

图片不能直接当文本丢给模型，要读出二进制 → base64 + mimeType → 交给多模态模型。完整流程（magic bytes 校验、大小校验、base64 编码、反幻觉兜底）见 references/image-pipeline.md。

关键兜底： 如果模型返回"未提供图片 / 没有图片 / cannot see the image"之类话术，说明它根本没看图——这时不要把编出来的内容当真，必须报错提示用户换支持多模态的模型。这条防的是幻觉风格混进库。

第三步：PPTX 输入处理（仅 PPTX 路径）

1. 运行 python3 scripts/extract_pptx_style.py <input.pptx> --output <report.json>。
2. 完整读取报告中的主题色、字体、页面尺寸、版式、常见颜色、代表性文本和媒体统计。
3. 按 references/pptx-pipeline.md 判断稳定的视觉规律；不要把单页偶然元素当成全局风格。
4. 报告不足以判断时，渲染少量代表页进行视觉核对；不能渲染就明确说明证据边界，不得伪造观察结果。

第四步：落盘 style.json + SKILL.md

把第一步的 JSON 拆成两个文件：

style.json 不写 styleSkill 字段。把第一步 JSON 保存为临时文件，然后运行：

python3 scripts/write_style_package.py parse-result.json --output-dir <parent-directory>

脚本负责 slugify、schema 校验、builtin 避让、HTML 文本无关的元数据写入和原子替换。命中已有 custom 目录时，只有用户明确允许覆盖后才能加 --overwrite；覆盖会移除旧 preview，避免把过期预览留在包里。模板和完整字段说明见 references/schema.md 和 assets/style.json.template。

第五步：生成 preview.html

有了 SKILL.md 之后，立刻生成 preview.html。preview 是这个风格的"门面"——让用户一眼看到风格长什么样，是风格自己说话，而不是把 SKILL.md 章节抄进去当说明文。

硬约束

1. 必须先读 style.json 和 SKILL.md，从内容里推断视觉语言、受众、色调、字体、间距、装饰母题——不要凭空发挥。
2. 单文件 HTML，画布比例 16:9（像素尺寸不限），无滚动条、无溢出。
3. 纯 inline，零外部资源。详细允许列表和禁止列表见 references/preview-spec.md。
4. 转义动态文案。所有来自用户、PPTX、style.json 或 SKILL.md 的文本先做 HTML escaping，再写入文本节点；不得写入标签、属性名、CSS 或 SVG markup。
5. 不修改 style.json 和 SKILL.md。
6. 内容要原创，是可直接拿来演示的文案。禁止 lorem ipsum、"Style Preview"、"风格预览" 等占位词。
7. 文案语言跟随 style.json / SKILL.md 的主语言。
8. 写入 preview 后必须运行 python3 scripts/validate_style_package.py <style-directory>；校验失败就删除或修复 preview，不得交付违规文件。

完整 preview 规范、检查清单、起点模板见 references/preview-spec.md 和 assets/preview.html.template。

第六步：截图 preview.webp（可选但强烈建议）

preview.html 通过整包校验后，立刻运行：

python3 scripts/capture_preview_webp.py <style-directory>

脚本用 headless Chrome 以 1600×900（16:9）渲染 preview.html 并把截图编码为 preview.webp（quality 85），原子替换落盘。oh-my-ppt 的风格包带 preview.webp 时直接把它当缩略图，跳过重新渲染，风格库列表出图更快、更省资源。

• 必须在 validate_style_package.py 通过之后运行——只对合规的 preview 截图。
• 重新生成或修改 preview.html 后，必须重跑截图，避免 webp 与 html 不一致；preview.webp 存在时整包校验会检查它是真实的 WebP 文件（RIFF/WEBP 魔数）。
• 失败不阻断：环境里没有 Chrome/Chromium，或缺 Pillow 与 cwebp 任一转换依赖时，脚本报错退出，包照常交付（三件套仍然完整）。提示用户缺 preview.webp 时 oh-my-ppt 会退回渲染 preview.html 生成缩略图。

失败与边界

• 图片模型不支持多模态：报错 "当前模型不支持图片解析，请切换到支持多模态的模型"，不要落盘。
• 模型返回的 JSON 修复失败：最多重试 2 次让它修 JSON；仍失败就抛错，不落盘。
• 图片兜底命中（模型说没看到图）：抛错 "模型未能读取图片"，不落盘——这条特别重要，防止幻觉风格混进库。
• preview 违规：以 scripts/validate_style_package.py 的结果为准；修复后重新校验。
• style slug 冲突 builtin：改 slug（加 -custom 后缀），写 source: custom，不动 builtin 包。
• 已有 custom slug 冲突：未经用户确认不覆盖；确认后使用写入脚本的 --overwrite。
• preview 生成超时/失败但 SKILL.md + style.json 已落盘：不要回滚前两个文件，提示用户"预览失败，可稍后单独重试 preview"。
• preview.webp 截图失败（无 Chrome / 无 Pillow 与 cwebp）：包照常交付；提示用户下游会退回渲染 preview.html 生成缩略图。
• 更新已有风格：按字段职责修改 style.json 或 SKILL.md；任何视觉语义变化后都重新生成 preview 并运行整包校验。

资源路由

• 文本/通用字段：读 references/schema.md、references/style-taxonomy.md 和 references/style-skill-guide.md。
• 图片：额外读 references/image-pipeline.md。
• PPTX：额外读 references/pptx-pipeline.md，并运行提取脚本。
• preview：读 references/preview-spec.md，从 assets/preview.html.template 起步，最后运行整包校验。
• preview.webp：校验通过后运行 scripts/capture_preview_webp.py 生成缩略图（可选，失败不阻断）。
• 安装到 Codex：将整个目录安装为 skill；agents/openai.yaml 提供 UI 元数据。compat/ 只保留其他 agent 的适配参考，不参与 Codex 自动发现。