sn-infographic

sn-infographic

信息图生成场景技能（第 1 层），依赖 sn-image-base（第 0 层）提供的 sn-image-generate、sn-image-recognize 和 sn-text-optimize 工具。

功能：

• 评估提示词质量（自动模式）
• 扩展提示词（强制／自动模式）
• 多轮图像生成和 VLM 审核
• 根据质量排名输出最佳结果

输入规范

参数	类型	默认值	说明
user_prompt	字符串	必填	用户的原始请求。UTF-8 文本；可以包含 Markdown、URL 或结构化数据。长度仅受底层 LLM 上下文预算限制。
max_rounds	整数	1	最大生成轮数。有效范围：1–8。当 max_rounds=1 时，会同时跳过步骤 3 的 VLM 审核和提前终止检查。
output_mode	字符串	friendly	friendly：一行内容描述 + 排名第 1 的单张图像
			verbose：完整质量排名 + 计时统计 + 所有图像（按排名排序）
prompts_expand_mode	字符串	auto	auto：先评估 user_prompt 的质量；仅当质量不足时才进入步骤 2 扩展
			force：跳过评估，始终执行步骤 2 扩展
			disable：跳过步骤 2，直接将 user_prompt 用作 expanded_prompt
aspect_ratio	字符串	推断得出（16:9）	当用户明确指定支持的比例（例如 16:9／9:16，也可以通过 宽高比／画面比例／aspect ratio 指定）时，由 Main Agent 设置；否则留空，由 Worker 在步骤 0 中根据 user_prompt（方向／场景线索）按照 references/runtime-parameters.md 推断。
image_size	字符串	推断得出（2k）	当用户明确指定尺寸（2k／4k）时，由 Main Agent 设置；否则由 Worker 在步骤 0 中推断（目前只有一个选项 2k）。当 SN_IMAGE_GEN_MODEL=sensenova-u1.5-lite 时支持 4k；其他模型可能会拒绝该值，届时技能会显示相应错误。

参数提取说明： Main Agent 提取参数时，仅在用户明确指定的情况下解析 max_rounds、output_mode、prompts_expand_mode 和 aspect_ratio／image_size。未明确指定的 aspect_ratio 和 image_size 由 Worker 在步骤 0 中推断。

API 配置

此技能中的所有 API 调用均通过 sn-image-base 技能的 sn_agent_runner.py 执行，身份验证参数使用默认值（CLI > 环境变量 > 内置默认值），无需显式传入。

调用类型	工具	身份验证参数	说明
LLM	sn-text-optimize（评估／扩展）	默认按 SN_TEXT_API_KEY -> SN_CHAT_API_KEY -> SN_API_KEY 的顺序读取	内置默认值指向 Sensenova 内部网络服务
VLM	sn-image-recognize（图像审核）	默认按 SN_VISION_API_KEY -> SN_CHAT_API_KEY -> SN_API_KEY 的顺序读取	内置默认值指向 Sensenova 内部网络服务
图像生成	sn-image-generate	默认读取 SN_IMAGE_GEN_API_KEY -> SN_API_KEY；仅在需要覆盖图像专用配置时才需要 SN_IMAGE_GEN_API_KEY	使用 sn-image-base 的图像生成配置

遇到 MissingApiKeyError 或需要指定模型时：通过 CLI 参数显式传入，参数参考 $SN_IMAGE_BASE/references/api_spec.md。

$SN_IMAGE_BASE 路径说明：$SN_IMAGE_BASE 是 sn-image-base 技能的安装目录（其中包含 SKILL.md）。 Agent 可在已安装技能列表中按技能名称 sn-image-base 查找此路径。

架构：主 Agent + 工作 Agent

此技能采用两层 Agent 架构：

角色	职责
主 Agent	接收用户请求、规范化参数、发送预检信息、启动工作 Agent、收集结果，并向用户发送文本和图片
工作 Agent	执行生成流水线（扩展 → 多轮生成 + 审核 → 排序），返回结构化 JSON

职责边界：

• 工作 Agent 不会直接向用户发送任何消息，只返回结构化 JSON
• 主 Agent 负责发送所有用户可见的消息
• 工作 Agent 的最后一条消息必须且只能是 Return Contract 中定义的 JSON 字符串
• 工作 Agent 的内部 VLM 调用始终直接执行，不会生成子 Agent

工作流

主 Agent 工作流

1. 从用户请求中提取参数，分三轮进行：

   1. 行内 KV 指令 — 解析 key=value 形式的标记，其中 key ∈ {max_rounds、output_mode、prompts_expand_mode、aspect_ratio、image_size}；从用户消息中移除已识别的标记，剩余内容成为 user_prompt。示例："生成一张信息图 max_rounds=3 output_mode=verbose" → user_prompt="生成一张信息图"、max_rounds=3、output_mode=verbose。

   2. 关键词识别（不区分大小写，针对剔除标记后的文本执行）——根据下表填写尚未通过行内 KV 设置的参数：

      参数	触发关键词	解析值
      output_mode	verbose、详细、详尽、完整统计	verbose
      	friendly、简洁、精简	friendly
      max_rounds	N 轮、N rounds、重试 N 次（解析 N）	N，限制在 [1, 8] 范围内
      prompts_expand_mode	强制扩写、force expand、force expansion	force
      	不扩写、跳过扩写、disable expansion、no expand	disable
      aspect_ratio	明确指定受支持的比例（16:9 9:16 4:3 3:4 1:1 2:3 3:2 4:5 5:4 21:9 9:21），可带或不带 宽高比 / 画面比例 / 比例 / aspect ratio 前缀	对应比例（根据 runtime-parameters.md 中的受支持比例集合验证；不受支持的值 → 留空，由 Worker 推断）
      image_size	明确指定受支持的尺寸（2k 4k），可带或不带 image_size / 分辨率 / 清晰度 / image size 前缀	对应尺寸（模糊的画质词语，如 高清 / 超清，不计入）；不受支持的值 → 留空，由 Worker 推断

   3. 默认值 — 任何仍未设置的参数均使用以下默认值：max_rounds=1、output_mode=friendly、prompts_expand_mode=auto。aspect_ratio 和 image_size 没有主 Agent 默认值：未检测到明确值时，将它们留空，由 Worker 在步骤 0 中推断。

   优先级：行内 KV > 关键词识别 > 默认值。根据输入规范验证行内 KV 中的值（超出范围的 max_rounds 限制在 [1, 8] 范围内；无法识别的枚举值回退为默认值，且主 Agent 应记录不匹配情况）。

2. 发送统一的预检消息："Using sn-infographic skill to generate infographic, please wait..."

3. 启动 Worker Agent（子 Agent），传入完整参数和工作目录

4. 当 Worker Agent 返回 status=ok 且 need_main_agent_send=true 时：

   • max_rounds = 1：根据返回 JSON 中的 expanded_prompt 生成文本摘要（长度和语言规则参见输出格式 → 简洁模式），发送摘要，然后发送排名第 1 的单张图片
   • max_rounds > 1，简洁模式：根据排名第 1 轮的 result 和 violations 生成文本摘要，发送摘要，然后发送排名第 1 的单张图片
   • max_rounds > 1，详细模式：渲染详细模板（替换规则参见输出格式 → 详细模式），发送模板，然后按排名顺序发送所有图片

5. 如果 Worker Agent 返回 status=error，向用户报告 error 字段中的实际内容

Worker Agent 工作流

Worker Agent 接收 user_prompt、max_rounds、prompts_expand_mode、可选的 aspect_ratio 和 image_size（仅当用户明确指定时才设置），以及此技能的工作目录（SKILL_DIR）。（output_mode 保留在主 Agent 侧 — Worker 没有依赖它的分支。）

Worker 环境

下方 bash 代码片段中引用的变量均采用 $NAME 形式。Worker 必须在使用变量的步骤之前为其赋值。

变量	来源	使用位置
USER_PROMPT	Main Agent 输入 — 用户的原始请求	第 1 步评估；第 2.0 步内容分析
MAX_ROUNDS	Main Agent 输入（默认值为 1）	第 3 步循环边界；提前终止条件
PROMPTS_EXPAND_MODE	Main Agent 输入（默认值为 auto）	第 1 步分支
SKILL_DIR	Agent 运行时解析当前 skill 的安装路径（例如 ~/.openclaw/skills/sn-infographic、~/.hermes/skills/sn-infographic）	读取 references/*
SN_IMAGE_BASE	Agent 运行时根据 skill 名称 sn-image-base 在已安装 skill 注册表中解析	运行 scripts/sn_agent_runner.py
TASK_ID	第 0 步（date +%Y%m%d_%H%M%S）	唯一性标识
TEMP_DIR	第 0 步（/tmp/openclaw/sn-infographic/${TASK_ID}）	所有中间产物的临时目录
IMAGE_SIZE	用户指定明确尺寸时使用 Main Agent 输入，否则第 0 步根据 USER_PROMPT 推断（当前唯一选项为 2k）	sn-image-generate --image-size
ASPECT_RATIO	用户指定明确比例时使用 Main Agent 输入，否则第 0 步根据 USER_PROMPT 推断（默认值为 16:9）	sn-image-generate --aspect-ratio
EXPANDED_PROMPT	第 1 步（跳过第 2 步时复制 USER_PROMPT）或第 2.3 步（扩展后的结果）	sn-image-generate --prompt
LAYOUT、STYLE	第 2.1 步的选择结果（未选定时回退到 hub-spoke / corporate-memphis）	第 2.3 步系统提示词组装
ROUND	第 3 步循环计数器（for ROUND in $(seq 1 "$MAX_ROUNDS")）	每轮文件命名（round_${ROUND}.png）

命名：自有文件使用 $SKILL_DIR；跨 skill 引用使用 $SN_<SKILL_NAME>（例如 $SN_IMAGE_BASE）。

JSON 解析：每次 sn_agent_runner.py ... -o json 调用都会在标准输出中打印 JSON 信封（{"status", "result", "model", ...}；诊断信息会输出到标准错误）。调用失败时，status 会设为非 ok 值（例如 failed），并省略 result，因此读取 .result 前务必确认信封中的 .status == ok——否则，缺失的 .result 会以字面值 null 出现；它本身是有效 JSON，会绕过 jq -r 和 extract_json.py（不会引发错误）。大模型自身的 JSON（评估／分析步骤）位于 result 字符串内，可能带有多余的文字或 ```json 围栏。执行任何 jq 前，先将 runner 输出传入 $SN_IMAGE_BASE/scripts/extract_json.py（从标准输入读取，输出恢复出的 JSON；找不到 JSON 时以非零状态退出）；对于解析大模型／VLM 内部 JSON 的步骤，也要将 .result 传入该脚本。状态非 ok 或 extract_json.py 以非零状态退出，都表示响应不可用 → 返回 Error Flow JSON。

第 0 步 — 初始化

1. 生成 task_id（时间戳，格式为 YYYYMMDD_HHMMSS），并创建统一的临时目录 /tmp/openclaw/sn-infographic/<task_id>/，将其设为 TEMP_DIR。在后续任何步骤向其中写入内容之前，TEMP_DIR 必须已存在：

   TASK_ID=$(date +%Y%m%d_%H%M%S)
   TEMP_DIR="/tmp/openclaw/sn-infographic/${TASK_ID}"
   mkdir -p "$TEMP_DIR"
   

2. 初始化一个空的 rounds 列表

3. 解析 aspect_ratio 和 image_size（绑定到 ASPECT_RATIO / IMAGE_SIZE）：如果存在明确的 Main Agent 值，则使用该值；否则根据 $SKILL_DIR/references/runtime-parameters.md，从 user_prompt 推断。默认值：aspect_ratio → 16:9；image_size 当前只有一个推断选项，即 2k。

步骤 1 — 决定是否重写图像提示词（始终运行）

此步骤决定在步骤 3 生成图像之前，是否要重写/扩展用户的图像生成 prompt 文本，并生成布尔值 should_expand。如果跳过步骤 2，此步骤还会设置 EXPANDED_PROMPT 并记录 prompts_expand_skipped = true。

范围（不要望文生义）。 这里的“扩展”仅指重写图像生成的文本提示词，别无其他。这不是任务分解、计划生成或计划审查关卡；步骤 1 不会启动自己的 Agent——它只是 Worker 自行调用一次 sn-text-optimize。不要将其套用到任何 subagent-driven-development / delegate_task 式工作流中，也不要编写计划文件。（此技能只使用一个子 Agent，即 Worker，由 Main Agent 启动一次；Worker 不会再启动自己的 Agent——参见 Responsibility Boundaries。）

PROMPTS_EXPAND_MODE 是 Main Agent 传入的已解析输入——步骤 1 根据它执行操作，而不会重新解析用户请求。解析模式值（Main Agent 参数提取）和执行此决策是两项不同的工作：完成前者并不代表完成了步骤 1。不要跳过此步骤；在 auto 模式下，下面的评估调用是强制的——绝不要根据提示词表面上的质量推断 should_expand。

只有**步骤 2（扩展提示词）**会被跳过，而且只有此步骤作出相应决定时才会跳过。分支取决于 PROMPTS_EXPAND_MODE：

auto 模式（默认）：

1. 运行评估调用（强制）。内部评估 JSON 位于 .result 中，其架构定义在 $SKILL_DIR/references/evaluation-standard.md（required_results、optional_results）。

   EVAL_ENVELOPE=$(python "$SN_IMAGE_BASE/scripts/sn_agent_runner.py" sn-text-optimize \
     --system-prompt-path "$SKILL_DIR/references/evaluation-standard.md" \
     --user-prompt "$USER_PROMPT" \
     --output-format json | python "$SN_IMAGE_BASE/scripts/extract_json.py")
   
   # A failed runner envelope (status != ok) carries no .result.
   EVAL_STATUS=$(printf '%s' "$EVAL_ENVELOPE" | jq -r '.status')
   
   EVAL=$(printf '%s' "$EVAL_ENVELOPE" | jq -r '.result' \
     | python "$SN_IMAGE_BASE/scripts/extract_json.py")
   

2. 决定 should_expand：

   • required_pass：required_results 中所有 answer 均为 "yes"
   • optional_pass：optional_results 中 answer="yes" 的数量 / 总数 ≥ 0.6
   • should_expand = not (required_pass and optional_pass)

3. 保守回退：如果 EVAL_STATUS 不是 ok（评估调用本身失败），或 extract_json.py 以非零状态退出，则默认 should_expand = true。与步骤 2.0 / 2.3 不同，评估失败不会中止 Worker——auto 会回退为扩展提示词。

4. 如果 should_expand = true：执行步骤 2。

5. 如果 should_expand = false：跳过步骤 2，将原始提示词设为 EXPANDED_PROMPT，并记录 prompts_expand_skipped = true：

   EXPANDED_PROMPT="$USER_PROMPT"
   echo "$EXPANDED_PROMPT" > "$TEMP_DIR/expanded-prompt.txt"
   

force 模式：

• 跳过评估，始终执行步骤 2（必须扩展）。
• 不记录 prompts_expand_skipped——只有跳过步骤 2 时，Return JSON 中才会出现此字段（参见 Return Contract 规则）。

disable 模式：

• 跳过评估和步骤 2；直接使用 user_prompt 作为 expanded_prompt：

  EXPANDED_PROMPT="$USER_PROMPT"
  echo "$EXPANDED_PROMPT" > "$TEMP_DIR/expanded-prompt.txt"
  

• 记录 prompts_expand_skipped = true。

步骤 2 — 内容分析 + 布局与风格选择 + 提示词扩展

2.0 内容分析（使用 sn-image-base 的 sn-text-optimize 工具）：

ANALYSIS_ENVELOPE=$(python "$SN_IMAGE_BASE/scripts/sn_agent_runner.py" sn-text-optimize \
  --system-prompt-path "$SKILL_DIR/references/analysis-framework.md" \
  --user-prompt "$USER_PROMPT" \
  --output-format json | python "$SN_IMAGE_BASE/scripts/extract_json.py")

将 .result 中的内部分析 JSON（而非外层封装，这样步骤 2.1 就能直接通过 jq 读取 data_type / tone / audience）保存到 $TEMP_DIR/analysis.json。下方的保护逻辑会先检查外层封装是否失败（status 不是 ok，或 extract_json.py 返回非零 → 使用 .error 进入错误流程）：

# A failed runner envelope (status != ok) has no .result → return Error Flow.
if [ "$(printf '%s' "$ANALYSIS_ENVELOPE" | jq -r '.status')" != "ok" ]; then
  ANALYSIS_ERROR=$(printf '%s' "$ANALYSIS_ENVELOPE" | jq -r '.error')
  # return Error Flow JSON {"status":"error","error":"$ANALYSIS_ERROR"} to Main Agent and stop
fi

printf '%s' "$ANALYSIS_ENVELOPE" | jq -r '.result' \
  | python "$SN_IMAGE_BASE/scripts/extract_json.py" > "$TEMP_DIR/analysis.json"

架构：$SKILL_DIR/references/analysis-framework.md（定义步骤 2.1 / 2.2 所用的 data_type、tone、audience 及其他字段）。

2.1 布局与风格选择

这是从 $SKILL_DIR/references/layout-style-selection.md 中的候选表按名称级别进行的加权随机选择；操作对象纯粹是布局/风格的名称。此处不要打开 references/layouts/ 或 references/styles/ 下的任何文件，也不要通过“比较选项”来挑选最合适的方案——选择是随机的，而非根据文件内容进行判断。所选的一个布局文件和一个风格文件会在稍后的步骤 2.3 中各读取一次。

1. 从临时目录 $TEMP_DIR/analysis.json 读取分析结果；

ANALYSIS=$(cat "$TEMP_DIR/analysis.json")

2. 根据 data_type / tone / audience，按 $SKILL_DIR/references/layout-style-selection.md 中定义的候选项查找与加权随机抽样流程，获取一个 LAYOUT 名称和一个 STYLE 名称（仅限名称，不读取文件）；
3. 通过检查定义文件是否存在来验证选择结果（仅使用 [ -f ] 检查是否存在，仍不读取文件）；若文件缺失，则回退到 hub-spoke + corporate-memphis：

[ -f "$SKILL_DIR/references/layouts/${LAYOUT}.md" ] || LAYOUT=hub-spoke
[ -f "$SKILL_DIR/references/styles/${STYLE}.md" ] || STYLE=corporate-memphis

4. 将选择结果保存到临时目录：$TEMP_DIR/layout-style.json；

layout-style.json 的格式：

{
  "layout": "<layout>",
  "style": "<style>"
}

2.2 结构化内容生成

读取分析结果和结构化内容模板，根据模板规则将 user_prompt 转换为适合设计的结构化内容：

ANALYSIS=$(cat "$TEMP_DIR/analysis.json")
LAYOUT_STYLE=$(cat "$TEMP_DIR/layout-style.json")
STRUCTURED_CONTENT_TEMPLATE=$(cat "$SKILL_DIR/references/structured-content-template.md")

遵循模板定义的三个阶段（高层大纲 → 分节展开 → 数据完整性检查），结合 analysis.json 中的学习目标、视觉呈现机会和关键数据，生成结构化内容并保存到临时目录：

cat > "$TEMP_DIR/structured-content.md" << 'EOF'
<Content generated based on structured-content-template.md format>
EOF

结构：$SKILL_DIR/references/structured-content-template.md。

规则：必须原样保留所有数据。不要改写。不要添加源内容中没有的信息。

2.3 提示词扩展（使用 sn-image-base 的 sn-text-optimize 工具）：

读取布局/风格选择结果，然后通过直接拼接文件来组装系统提示词（不要使用 heredoc——布局/风格文件中包含反引号和 $(...)，未加引号的 heredoc 正文会执行这些内容）：

LAYOUT=$(jq -r '.layout' "$TEMP_DIR/layout-style.json")
STYLE=$(jq -r '.style' "$TEMP_DIR/layout-style.json")

{
  cat "$SKILL_DIR/references/prompts-expand-system.md"
  printf '\n\n---\n\n## Selected Layout: %s\n\n' "$LAYOUT"
  cat "$SKILL_DIR/references/layouts/${LAYOUT}.md"
  printf '\n\n---\n\n## Selected Style: %s\n\n' "$STYLE"
  cat "$SKILL_DIR/references/styles/${STYLE}.md"
  printf '\n\n---\n\n## Output Template Reference\n\n'
  cat "$SKILL_DIR/references/base-prompt.md"
} > "$TEMP_DIR/expand-system-prompt.md"

将 structured-content.md 的内容用作用户提示词（通过 --user-prompt-path 传递，以避免 argv 长度和引号问题），从临时文件读取系统提示词，然后调用 sn-text-optimize：

EXPAND_ENVELOPE=$(python "$SN_IMAGE_BASE/scripts/sn_agent_runner.py" sn-text-optimize \
  --system-prompt-path "$TEMP_DIR/expand-system-prompt.md" \
  --user-prompt-path "$TEMP_DIR/structured-content.md" \
  --output-format json | python "$SN_IMAGE_BASE/scripts/extract_json.py")

提取 result 字段作为 expanded_prompt 并写入临时目录。此处的 .result 是扩展后的提示词文本（不是 JSON），因此只通过 extract_json.py 解析外层封装。请先确认 .status == ok：失败的封装中没有 .result，所以 jq -r '.result' 会输出字面字符串 null，并将 "null" 写成图像提示词：

# A failed runner envelope (status != ok) has no .result → return Error Flow.
if [ "$(printf '%s' "$EXPAND_ENVELOPE" | jq -r '.status')" != "ok" ]; then
  EXPAND_ERROR=$(printf '%s' "$EXPAND_ENVELOPE" | jq -r '.error')
  # return Error Flow JSON {"status":"error","error":"$EXPAND_ERROR"} to Main Agent and stop
fi

EXPANDED_PROMPT=$(printf '%s' "$EXPAND_ENVELOPE" | jq -r '.result')
echo "$EXPANDED_PROMPT" > "$TEMP_DIR/expanded-prompt.txt"

expanded-prompt.txt：单个 UTF-8 字符串，在步骤 3 中原样传递给 sn-image-generate --prompt。

除上述状态检查外，如果解析失败或疑似内容被截断（返回内容不完整），Worker 也必须返回错误流程 JSON（status=error，包含真实错误消息）并终止——不得直接向用户发送消息（参见责任边界）。

步骤 3 — 图像生成循环

依次执行从 1 到 max_rounds 的 ROUND。在每次迭代中，将 shell 变量 ROUND 设为当前轮次编号，并在每个路径中使用 ${ROUND}，以免连续轮次相互覆盖：

for ROUND in $(seq 1 "$MAX_ROUNDS"); do
  # the Generate Image / Review Image / Save Round Result blocks below run inside this loop body
  :
done

生成图像（使用 sn-image-base 的 sn-image-generate 工具）：

python "$SN_IMAGE_BASE/scripts/sn_agent_runner.py" sn-image-generate \
  --prompt "$EXPANDED_PROMPT" \
  --image-size "$IMAGE_SIZE" \
  --aspect-ratio "$ASPECT_RATIO" \
  --save-path "$TEMP_DIR/round_${ROUND}.png" \
  -o json

审查图像（仅当 max_rounds > 1 时执行）：

• 如果未配置 VLM 模型：返回 Error Flow JSON，建议用户添加 VLM 配置或设置 max_rounds=1。
• 如果 VLM 调用失败或超时：不进行回退；返回包含真实错误的 Error Flow JSON。

python "$SN_IMAGE_BASE/scripts/sn_agent_runner.py" sn-image-recognize \
  --system-prompt-path "$SKILL_DIR/references/prompts-critic-system.md" \
  --user-prompt "Evaluate the diagram in the image against the rules. Output your assessment." \
  --images "$TEMP_DIR/round_${ROUND}.png" \
  --output-format json

将 VLM 响应映射到每轮记录中（VLM 响应架构定义在 $SKILL_DIR/references/prompts-critic-system.md 中；每条违规项都是包含四个字段的对象）：

• vlm.result → rounds[i].result（原样传递——"PASS" 或 "FAIL"）
• vlm.violations → rounds[i].violations（原样透传——由 { rule_id, rule_name, detail, revised_description } 对象组成的数组）
• len(vlm.violations) → rounds[i].violations_count
• vlm.reasoning → rounds[i].reasoning（原样传递的字符串）

当 max_rounds=1（不调用 VLM）时，将该轮记录默认设为 result="PASS"、violations=[]、violations_count=0、reasoning=""。

保存轮次结果：

{
  "round": 1,
  "image": "$TEMP_DIR/round_1.png",
  "result": "PASS|FAIL",
  "violations_count": 1,
  "violations": [
    {
      "rule_id": "5",
      "rule_name": "Illegible Text",
      "detail": "<offending element description>",
      "revised_description": "<suggested fix per the prompts-critic-system.md standards>"
    }
  ],
  "reasoning": "<VLM reasoning, or \"\" when max_rounds=1>",
  "timing": {
    "image_generation": { "elapsed_seconds": 12.34, "model": "sn_image_model" },
    "vlm_review": { "elapsed_seconds": 5.67, "model": "sensenova-6.8-flash-lite" }
  }
}

提前终止检查（仅当 max_rounds > 1 时执行）：

• 如果 result=PASS，立即退出循环，不再继续生成
• 如果 result=FAIL，继续下一轮（如果还有剩余轮次）

步骤 4 — 图像质量排序

按 violations_count 升序、round 升序对图像排序，并将结构化 JSON 返回给 Main Agent。

返回约定

Worker Agent 完成后，其最后一条消息必须且只能是以下 JSON 字符串（裸 JSON，不带代码围栏，也不带前置或后置文本）。

下方示例中的符号说明：

• <...> — 文档占位符；运行时替换为实际值。
• A|B — 列出的字面值之一；返回的 JSON 必须且只能包含其中一个（例如，"result": "PASS" 或 "result": "FAIL"，绝不能是字面字符串 "PASS|FAIL"）。
• $VAR — 序列化前必须替换为解析后的值。例如，架构中的 "image": "$TEMP_DIR/round_1.png" 必须返回 Step 3 实际写入的绝对路径（例如，"/tmp/openclaw/sn-infographic/20260521_120000/round_1.png"），绝不能是字面字符串 "$TEMP_DIR/round_1.png"。
• 条件字段 — Rules 条目中注明“在……时省略”的每个字段，在对应情况下都必须从 JSON 中实际省略，不能以 null 的形式保留。

正常流程：

{
  "status": "ok",
  "need_main_agent_send": true,
  "expanded_prompt": "<original user_prompt if prompts_expand_skipped, else expanded result from Step 2.3>",
  "prompts_expand_skipped": true,
  "early_terminated": true,
  "timing": {
    "total_elapsed_seconds": 35.12,
    "prompt_evaluation": { "elapsed_seconds": 2.11, "model": "sensenova-6.8-flash-lite" },
    "content_analysis": { "elapsed_seconds": 3.22, "model": "sensenova-6.8-flash-lite" },
    "prompt_expand": { "elapsed_seconds": 8.45, "model": "sensenova-6.8-flash-lite" }
  },
  "rounds": [
    {
      "round": 1,
      "image": "$TEMP_DIR/round_1.png",
      "result": "PASS|FAIL",
      "violations_count": 1,
      "violations": [
        {
          "rule_id": "5",
          "rule_name": "Illegible Text",
          "detail": "<offending element description>",
          "revised_description": "<suggested fix>"
        }
      ],
      "reasoning": "<VLM reasoning, or \"\" when max_rounds=1>",
      "timing": {
        "image_generation": { "elapsed_seconds": 12.34, "model": "sn_image_model" },
        "vlm_review": { "elapsed_seconds": 5.67, "model": "sensenova-6.8-flash-lite" }
      }
    }
  ]
}

错误流程：

{
  "status": "error",
  "error": "<Actual error information>"
}

规则：

• status=ok 必须包含 need_main_agent_send: true。
• expanded_prompt：在 status=ok 时始终存在；当 prompts_expand_skipped=true 时，值为原始 user_prompt，否则为 Step 2.3 的结果。
• prompts_expand_skipped：仅当跳过 Step 2 时存在（prompts_expand_mode=disable，或 auto 且评估通过），值为 true；否则省略。
• early_terminated：仅当 Step 3 通过 PASS 提前退出循环时存在，值为 true；否则省略（包括所有 max_rounds=1 的运行）。
• violations：由 VLM 响应提供的对象数组，架构见 $SKILL_DIR/references/prompts-critic-system.md（rule_id、rule_name、detail、revised_description）。当 result=PASS 或 max_rounds=1 时为 []。
• violations_count：len(violations)；当 max_rounds=1 时为 0。
• reasoning：VLM 的 reasoning 字段原样返回；当 max_rounds=1 时为 ""。
• 当 max_rounds=1 时，单轮的 result 默认为 "PASS"（图片已交付，不进行 VLM 检查）。
• 顶层 timing：
  • total_elapsed_seconds：Worker 从 Step 0 到返回 JSON 的耗时。
  • prompt_evaluation：Step 1 评估的 {elapsed_seconds, model}。仅当 prompts_expand_mode=auto 时存在。
  • content_analysis：Step 2.0 的 {elapsed_seconds, model}。当 prompts_expand_skipped=true 时省略。
  • prompt_expand：Step 2.3 的 {elapsed_seconds, model}。当 prompts_expand_skipped=true 时省略。
• rounds[].timing.image_generation.model：固定为 "sn_image_model"（sn-image-generate 不会返回 model 字段）。
• rounds[].timing.vlm_review：当 max_rounds=1 时省略。

输出格式

友好模式（默认）

文本摘要 — 由 Main Agent 生成的一句话描述。长度：无论使用何种语言，均不超过 50 个字符（1 个汉字 = 1 个单位，1 个 ASCII 字符 = 1 个单位）。语言：遵循 user_prompt 的主要语言（以中文为主 → 输出中文；否则 → 输出英文）。

• 当 max_rounds = 1 时：根据 expanded_prompt 提炼描述（重点说明信息图描绘的内容）。
• 当 max_rounds > 1 时：根据 rank=1 轮次的 result 和 violations 提炼描述：
  • result=PASS：语气积极。
  • result=FAIL（1–2 项违规）：简要指出具体问题。
  • result=FAIL（≥ 3 项违规）：客观概括主要问题。

图片：rank=1 的单张图片。

详细模式

Quality ranking result (high -> low)
---
Expanded prompt: [expanded | not expanded, using original prompt]
<expanded_prompt>
---
#1 round=<n> result=<PASS|FAIL> violations=<n> [early terminated]
#2 round=<n> result=<PASS|FAIL> violations=<n>
...
---
Time statistics: Total <total>s | Prompt evaluation <t>s | Content analysis <t>s | Prompt expansion <t>s | Image generation <t>s×<n> rounds | VLM review <t>s×<n> rounds
---
Images (sent in rank order)

替换规则：

占位符	规则
[expanded | not expanded, using original prompt]	当 Return JSON 中存在 prompts_expand_skipped=true 时，为 not expanded, using original prompt；否则为 expanded。
<expanded_prompt>	Return JSON 中的 expanded_prompt 字段，原样呈现。
#k round=<n> result=… violations=…	rounds[] 中每个条目对应一行，按排名顺序排列（k = 1..len(rounds)）；<n> 为 rounds[i].round。
[early terminated]	仅追加到实际触发提前终止的轮次（即结束循环的 result=PASS 轮次）。其他行均省略。如果 Return JSON 中没有 early_terminated，则不出现此标签。
Total <total>s	timing.total_elapsed_seconds。始终存在。
Prompt evaluation <t>s	timing.prompt_evaluation.elapsed_seconds。如果 Return JSON 中没有 prompt_evaluation，则完全省略此 | Prompt evaluation … 片段。
Content analysis <t>s	timing.content_analysis.elapsed_seconds。不存在时完全省略此片段。
Prompt expansion <t>s	timing.prompt_expand.elapsed_seconds。不存在时完全省略此片段。
Image generation <t>s×<n> rounds	<t> = rounds[].timing.image_generation.elapsed_seconds 的总和；<n> = len(rounds)。
VLM review <t>s×<n> rounds	<t> = rounds[].timing.vlm_review.elapsed_seconds 的总和（仅计入存在此字段的轮次）；<n> = 进行 VLM 审核的轮次数。max_rounds=1 时完全省略此片段（未进行 VLM 审核）。
Images (sent in rank order)	章节标题；图像本身的传递遵循宿主运行时的通道约定。

调用关系

• 底层依赖：sn-image-base → sn-image-generate、sn-image-recognize、sn-text-optimize

参考资料

• references/analysis-framework.md - 分析方法
• references/base-prompt.md - 提示词模板
• references/evaluation-standard.md - 评估标准
• references/layout-style-selection.md - 布局和样式选择规则
• references/prompts-expand-system.md - 提示词扩展系统提示词
• references/prompts-critic-system.md - 提示词评审系统提示词
• references/runtime-parameters.md - 运行时参数
• references/structured-content-template.md - 结构化内容模板
• references/layouts/<layout>.md - 布局定义（87 种布局）
• references/styles/<style>.md - 样式定义（66 种样式）

在步骤 2.3 中，仅阅读选定的布局/样式文件；切勿批量读取这两个目录来进行选择——选择仅基于名称且为随机选择（步骤 2.1）。