方案配图的 Skill 组合用法
做方案时文案、话术、竞品分析都能交给 AI，但配图这块常常尴尬：要么纯文字方案让读者全靠脑补，要么网上找参考图贴上去，风格不统一还可能有版权问题。这里是一套验证过的 Skill 搭配，走纯 SVG 手工路线，成本低、输出稳、可编辑性强，应对方案汇报、商务演示绰绰有余。
一、两个 Skill 的分工
这次真正起作用的是两个 Skill：一个负责分析文字方案里的插图需求，一个负责把需求画成能直接交付的图。
- illustration-analysis：把文字方案拆解成结构化插图需求，输出每张图的位置、类型和内容逻辑。这个可以按自己的需要写，很简单——把需求给 AI，让它生成即可。
- arch-diagrammer：接收插图需求，生成 SVG 架构图、流程图、时间轴等图形产物。地址：
https://clawhub.ai/skills/arch-diagrammer
前者负责「在哪里、画什么」，后者负责「怎么画」，拼起来就是一条完整的方案配图流。
简单说：文字方案进去，先被拆成一组清晰的插图任务；再由制图 Skill 接手，把任务变成可交付的图。
二、协同方式
这套流程的关键不是一个 Skill 什么都做，而是每个 Skill 只做自己最擅长的那一步：
文字方案 → illustration-analysis 分析 → 输出插图位置 + 内容逻辑 → arch-diagrammer 作图 → SVG / PNG 交付
illustration-analysis 不管视觉风格，只负责把文档里「哪里该有图、图里该表达什么」说清楚；arch-diagrammer 再按结构化需求出图。好处是逻辑清晰、复用性高，后续要换风格、换图形方式，也不用重新理解原方案。
真正的「一键感」，不是一个工具包办一切，而是前后两步衔接得非常顺。
三、实操：智慧工厂方案 → 6 张配图
用一份智慧工厂解决方案做验证：直接把文字版方案发进去，让流程自己拆图、自己出图。
illustration-analysis 输出了 6 个配图任务，分别覆盖总体架构、预测维护、视觉质检、数字孪生、实施路径和核心指标，基本把一份标准解决方案里最需要可视化的部分都覆盖到了：
- 总体架构图：三层结构（现场感知层→数据平台层→业务决策层），数据从现场来、决策回传现场。
- 设备预测维护流程图：数据采集→边缘处理→预测模型→维护工单，异常向上触发告警。
- AI 视觉质检流程图：相机采图→AOI 检测→结果上传→质量闭环，合格/不合格双分支。
- 数字孪生流程图：建模→仿真→优化建议，与实际执行形成闭环。
- 三阶段实施路径时间轴：3 个月基础构建→6 个月能力提升→12 个月生态成熟。
- 核心指标改善信息图：OEE↑25%、故障停机↓60%、质检效率↑40%。
下面这 6 张图就是流程按顺序产出的结果：
四、踩过的坑
- 元素重叠问题：一开始走了弯路，用更灵活的设计稿路线，结果元素位置全靠手工算，重叠问题很棘手。
- 中文编码问题：SVG 里的中文编码一旦写错，XML 解析直接报错，图片导出失败。
这条流的核心经验不是「工具越多越好」，而是分析和作图要清晰分层。
五、适合谁
- 做解决方案的技术 / 售前：需要快速出配套架构图、流程图。
- 写方案报告的产品 / 运营：文字内容搞定了，但配图不想再靠拼凑。
- 时间紧、质量要求不低的商务场景：成本可控、输出稳定、还能二次编辑。
illustration-analysis + arch-diagrammer = 方案配图的低成本稳定输出路线。
如果也有「方案写到一半，配图还要靠脑补」的痛，可以试试把「分析需求」和「执行出图」拆开做，这条路比想象中稳得多。