Beautiful Article 文章类型路由指南：用结构决策为源材料精准选型（garden-skills 实战手册）

人工智能AI 技能/插件提示工程【免费下载链接】garden-skillsConardLis open-source Skills collection, featuring web design, knowledge retrieval, image generation, and more.项目地址https://gitcode.com/GitHub_Trending/we/garden-skills点击查看免费下载导读本文围绕skills/beautiful-article这一 Skill 中的核心规划文档references/article-types.md系统讲解文章类型这一编辑决策体系类型是结构决策、主题是审美决策两者完全解耦每个类型自带推荐信息保留比例类型与密度在实践中深度绑定。读完本文你将掌握 10 种文章类型的适用场景、典型结构、组件与 Raw 边界能够为任意源材料URL / PDF / DOCX / Markdown / 文本在规划阶段快速做出正确的类型路由并正确衔接 Plan Checkpoint 的语义化选项收集流程。为什么需要文章类型路由Beautiful Article 是一个把用户提供的素材网页 URL / PDF / DOCX / Markdown / 纯文本 / 截图 / 粘贴材料编辑、设计成单文件 HTML 网页文章的 Skill见 SKILL.md 的description字段。它的工作流分为 Phase 0 Intake → Phase 1 Source→Markdown → Phase 2 Editorial Planning → Phase 3 Plan Checkpoint → Phase 4 First Spread → Phase 5 Full Article Build → Phase 6/7 Final Review Repair → Phase 8 Delivery 共 8 个阶段。在 Phase 2 编辑规划阶段Agent 面对同一份source/source.md可以有无数种写成什么样的选择是做成一篇长文归档还是做成给忙人看的决策摘要是正文为主的机制讲解还是让读者动手玩的交互学习页文章类型路由Article Type Routing就是回答这个问题的决策框架——它是整个规划流程的第一步直接决定后续结构、组件、Raw 边界、配图倾向与自检标准。一句话记住路由的核心文章类型是结构决策主题是审美决策见 theme-selection.md两者完全解耦。第一原则类型 × 主题 × 密度三维解耦article-types.md在开篇就明确了三维决策的边界关系。结合 information-density.md 中的关系图可以概括为文章类型 结构决策 信息密度 内容保留决策 ← 与类型实际绑定每类有标配比例仅在用户精修时解耦 主题 审美气质决策 ← 与前两者完全解耦三条核心结论主题与类型 / 密度完全解耦任意主题都能在任意类型 密度下成立只是表现策略不同。例如 theme-selection.md 中列举的合法组合tufte 100% longform克制长文、数据证据、tufte 40% visual-essayRaw 偏图解 / 证据、低装饰、press 100% longform深度出版文章、press 40% briefing更强编辑节奏与图文留白。主题负责的是审美气质、排版语言、图片风格、Raw 风格、代码 / 公式风格不是 CSS 皮肤也不是信息密度规则。类型与密度实践绑定理论上内容保留是独立决策但实践中两者绑定很紧——每个类型都自带一个标配保留比例见下表推荐信息保留列。longform 20%/tutorial 20%/briefing 100%这类组合是伪选项要么类型变形briefing 100% ≈ full-report要么内容空洞longform 写出 8 章每章 2 段。解耦的时机是用户明确精修只有用户想精修如 longform 但只要 60% 一篇被深度编辑的长文时才作为非标配组合记入plan/plan.md并在每节写作时手动调整正文 / 视觉比例不能照搬article-types/type.md的默认建议。类型总览表10 种文章类型速查article-types.md的核心是一张路由总表以下是完整继承并展开的版本类型推荐信息保留用途典型结构详情longform100%完整长文、归档、深度阅读Hero / Lead / Summary / 多 Section / Raw 增强 / Conclusionarticle-types/longform.mdfull-report80%研究报告、正式分析执行摘要 / 背景 / 证据 / 数据 / 风险 / 结论article-types/full-report.mdtutorial80-100%教学、步骤、上手目标 / 步骤 / 示例 / 练习 / 总结article-types/tutorial.mdexplainer80%解释技术、系统、概念问题 / 机制 / 图解 / 示例 / 常见误区article-types/explainer.mddialogue80%对话 / QA / 访谈 / 播客 / AMAHero / 嘉宾 / 多话题 Section / 关键观点摘要article-types/dialogue.mdreview60-80%PR / 方案 / 事故 / 设计审阅背景 / 发现 / 影响 / 建议 / 行动article-types/review.mdessay60-80%观点、评论、叙事开场 / 论点 / 例证 / 转折 / 收束article-types/essay.mdbriefing40-60%给忙人快速判断结论先行 / 关键证据 / 取舍 / 下一步article-types/briefing.mdinteractive-explainer~25%原文摘录占比非删 75%Raw 交互为主载体的会用了再走式学习页每知识点定义 / 交互演示 / 自己试 / 验证理解article-types/interactive-explainer.mdvisual-essay20-60%展示、传播、图文主导少文字 / 大视觉 / 强节奏 / 章节短article-types/visual-essay.md选型提示从源材料特征反推类型article-types.md给出了 10 条选型提示其本质是看源材料的信息形态与读者的消费方式。逐条展开源材料信息密度高、要完整归档 →longform。源材料是消化后的报告 / 正式分析执行摘要 数据 风险 建议四件套→full-report。要把一个机制 / 概念讲清楚正文为主→explainer。要让读者玩明白一个概念Raw 交互为主正文为辅每知识点配交互演示→interactive-explainer。对话 / QA / 访谈 / 播客转录 / AMA →dialogue。评审某个工程PR / 方案 / 事故 / 设计 →review。给决策者快速判断 →briefing。观点输出 / 评论 / 产品 / 书 / 论文评测 →essay。教别人上手做事步骤 跑通→tutorial。传播 / 展示、图文主导 →visual-essay。最后一句收束原则类型只定结构倾向不锁死信息密度和主题用户可在 Plan Checkpoint 覆盖。这意味着选型是推荐 用户裁决的协作过程而非 Agent 单方面的决定。深入10 种类型的结构、组件与 Raw 边界选定类型后Phase 2 要求读对应的article-types/type.md获取结构 / 组件 / Raw 边界 / 配图倾向 / 自检五要素。以下是每种类型的核心要点完整继承自各类型文档longform —— 默认类型完整长文推荐信息保留100%原文关键内容不丢只允许删除明显的重复段落和无信息的过场句。典型结构Hero→Lead导语框定主题→ 可选SummaryTL;DR / 结论先行→ 多个Section必要时Subsection→ 关键概念处Raw增强 →Conclusion。长文10 小节或预估阅读 15 分钟开启TOC。组件选择正文段落为绝对主体应占文章绝大部分篇幅Aside点出关键直觉 / 历史注 / 反方观点Quote引用名言或原话Table承载二维数据技术内容用CodeBlock/Formula。不要把连贯段落拆成卡片堆——卡片堆是 longform 最常见的走样形态。Raw 边界Raw 是增强而非主体——如果开始让 Raw 承载主要信息说明应该考虑explainer或interactive-explainer。自检要点正文仍是绝对主体章节衔接自然Raw 是点亮概念而非打断节奏100% 信息读起来像被精修过的长文而非原文搬运长文有没有TOCSummaryfull-report —— 研究报告与正式分析推荐信息保留80%保留执行摘要 / 关键发现 / 数据 / 风险 / 建议四件套不动。若源材料本身就是报告原文且要 100% 归档可覆盖为 100% 并按非标配组合在 plan.md 记下。典型结构Hero标题 报告期 / 范围 / 作者 / 单位→Summary执行摘要 / 关键结论先行必备→ 背景与方法 → 关键发现 → 数据与证据 → 风险与限制 → 建议与下一步 →Conclusion。TOC必开。组件选择Summary放关键结论 关键数据让快读者 30 秒能拿到核心Table承载数据 / 对比RiskList/Decision/Tradeoff承载风险与取舍ActionList承载建议清单。Raw 边界数据图、趋势、对比矩阵、风险热度图、依赖关系用 Raw 自由层保持证据感、低装饰——避免动效抢戏避免氛围渐变色。自检要点结论是否在开头 30 秒内抓到数据 / 风险 / 建议是否齐全且有据可循是否像正式报告而非营销页组件是因为内容需要才用还是为了显得专业硬塞tutorial —— 教学步骤与上手指南推荐信息保留80-100%步骤不能丢否则跟不下来可删的只有冗长背景、可选的深入扩展、不影响跑通的为什么段落。典型结构Hero→Lead学完能做什么 / 前置条件 / 预计用时→ 可选Summary整体路径鸟瞰→ 每个阶段一节目标 → 步骤 → 示例 → 验收点 → 常见坑→ 可选练习 / 扩展 →Conclusion。组件选择CodeBlock给每一步代码保真可复制运行ActionList/Checkpoint列步骤与验收点Aside tonewarning标坑 / 注意事项Detail折叠可选的深入解释 / 替代方案Tabs给多平台 / 多语言并列示例。配图倾向user-assets优先真实截图每个关键步骤纯命令行类教程可用none。自检要点照着做能否真的跑通步骤完整有序、每步都有验收点代码可直接复制运行、不缺 import 与环境说明常见坑已标注移动端代码块能横滚不溢出explainer —— 讲清一个机制 / 概念推荐信息保留80%保留主要机制和关键细节删重复 / 旁枝 / 历史背景保留所有关键直觉和易错点。典型结构Hero→Lead为什么要懂这个 / 不懂的代价→ 问题 → 机制 → 图解 → 示例 → 常见误区 → 何时用 / 不用 →Conclusion。组件选择正文讲机制正文仍是主体不要拆成卡片堆Aside toneprinciple点出关键直觉 / 一句话本质 / 易错点CodeBlock给具体示例Table对比方案 / 变种Detail/Tabs折叠次要细节。Raw 边界鼓励多用解释性视觉——机制流程、状态变化、数据流向、概念关系可用 Raw 自由层让抽象概念可视、可对照但每块服务一个具体机制点。如果 Raw 承载了主要信息、正文变成了图注就该考虑interactive-explainer。自检要点读者读完是否真懂不只是知道有这个东西图解服务理解还是装饰常见误区是否覆盖最易踩的 2-3 个坑何时用 / 不用是否清楚dialogue —— 对话 / QA / 访谈 / 播客推荐信息保留80%删冗余口语 / 重复 / 寒暄保留实质内容不删观点也不改语气。典型结构Hero话题 嘉宾 主持 日期 / 来源→Lead背景 / 为什么聊这个→ 多个Section每节一个话题或问题正文用发言者明示 大量Quote体现对话节奏 → 可选Summary放关键观点摘要 →Conclusion。组件选择正文中每段开头明示发言者如**A**…/**主持**…Quote大量使用Aside toneprinciple标定义 / 数据 / 概念解释Summary在开头放 3-5 个关键观点少用Table/CodeBlock。Raw 边界话题地图章节导航 / 时间线、关键概念可视化、金句卡片不要装饰性弹幕 / 动画头像。自检要点发言者归属清晰对话节奏保留没压成单声音综述关键观点 30 秒内可从 Summary 抓到删减后嘉宾原意没有被改写 / 误传review —— 工程审阅PR / 方案 / 事故 / 设计推荐信息保留60-80%保留关键发现 证据 行动省略无关细节 / 上下文铺垫。典型结构Hero被评对象 评审范围 评审日期 / 评审人→Summary结论 / 评审意见先行→ 背景与目标 → 发现逐条 → 影响评估 → 建议 → 行动项 →Conclusion核心判断 通过 / 待修 / 否决。组件选择仍prose-firstRiskList确有一组分级风险时、DiffReview确有代码改动要逐行评时代码一律用CodeBlock、Decision/Tradeoff确有取舍要展示时、Incident事故复盘时间线、ActionList/Checkpoint行动项 / 验收点需结构化时。不要因为是 review 就全堆上。自检要点评审意见是否开头先行通过 / 待修 / 否决每条发现是否有证据支撑代码片段 / 截图 / 数据 / 日志建议与行动项是否可执行谁做 / 何时做 / 怎么验收essay —— 观点、评论、叙事推荐信息保留60-80%保留论证链与最有力的例证删旁枝、冗长引用、重复的换句话。典型结构Hero标题气质强→Lead抛出张力 / 矛盾 / 反直觉问题钩住读者→ 开场 → 论点 → 例证 → 转折 → 收束。结构服务叙事节奏不必规整对称——一篇好 essay 可以是 3 节也可以是 7 节。组件选择正文是绝对主体Quote引名言 / 原话 / 反方观点Aside toneaside放旁注 / 个人评论 / 反方立场少用Table/RiskList等数据组件。Raw 边界偶尔一个有表现力的视觉停顿节奏图 / 概念对比 / 情绪曲线服务叙事而非解释机制一篇 essay 通常 1-3 块 Raw 就够了。自检要点是否有一条清晰的论证 / 叙事线读者能一句话复述核心观点例证是否至少 2 个具体例子语气像人写的不是 AI 味Lead 真的抛出张力收束给读者留下点什么briefing —— 给忙人的决策摘要推荐信息保留40-60%只留重点结论、关键证据、关键取舍、下一步删一切铺垫 / 推导 / 背景 / 历史。典型结构Hero标题 一句话结论→Summary结论先行 3-5 个关键事实最重要的一块→ 关键证据 → 取舍 / 风险 → 下一步 / 行动项。短而紧凑整体阅读时间控制在 3-5 分钟。不必有Conclusion。组件选择仍prose-first正文短句直给每段最好不超过 3 句Summary是核心Table确需 N 项并排对比时、Decision/Tradeoff确有 X vs Y 取舍时、ActionList确有下一步要列时。不要因为是 briefing 就堆组件——briefing 贵在精简。Raw 边界少量但有力——一个关键对比图/ 趋势 / 选项矩阵 / 决策树一篇 briefing 通常 0-2 块 Raw。自检要点30 秒内只读 Hero Summary能抓到结论吗每段是否都在帮决策有没有冗余展开 / 历史背景 / 之所以这样段落行动项是否可执行谁做 / 何时做 / 怎么验收整体阅读时间是否真的在 3-5 分钟interactive-explainer —— 会用了再走式交互学习页这是最特殊的一个类型值得单独展开。它把一篇长技术文章 / 论文 / 系统设计稿重构为以交互动画为主载体的学习页参考路径是 3blue1brown 视觉化、distill.pub 的可调参数式机器学习解释、ciechanow.ski 的硬件原理可玩页。与 explainer 的关键区别explainer正文是主体Raw 是辅助插图。读者读完知道了。interactive-explainerRaw 是主体正文是简短引导和定义。读者操作完会用了。关于 ~25% 保留比例的误读澄清这里的百分比不是原文删了 75%而是成品里直接来自原文的句子 / 段落只占约 25%。本类型的本质是内容重构——从原文里只摘核心知识点的关键定义、公式、数据、约束、易错点其余 75% 由 AI 围绕这些知识点全新创作引导文字、直觉解释、交互演示、自己试、验证理解。原文的叙事铺垫、历史背景、案例展开、扩展讨论全部舍弃由交互替代。不要把它当删 50% 的 explainer做那样既学不透也失去本类型存在的意义。典型结构Hero一句话定位这页让你学懂什么 / 玩什么→Lead前置1-2 句话提示需要哪些基础→ 可选Summary列出 N 个核心知识点作为路线图→ 多个Concept Section每个一个核心知识点节内三段式定义 / 直觉1-3 段正文 一个Aside toneprinciple抬出一句话直觉。交互演示Raw 主体动画 / 滑块 / 拖拽 / 状态切换 / 参数变化的实时可视化。自己试 / 验证理解Raw 交互让读者动手试一个边界 / 反例 / 应用场景可选一个答案揭晓的折叠。Raw 边界核心 · 必读每个 Raw 必须服务一个具体知识点不允许装饰性炫技。操作性优先滑块 / 拖拽 / 切换 / 输入框 / 步进按钮让用户改变某个量并实时看到结果比看一段动画更深。状态可见当前参数、当前数值、当前阶段都要显式可见不要藏在动画里。可重置每个交互配 reset 或恢复初值鼓励反复试。样式走 token颜色 / 字体 / 间距用--ra-*不写野生 CSS。错误示例同样有价值让用户拖到会出错的位置配一行说明为什么这里崩。自检要点读者玩完是否真正会用每个交互是否服务一个具体知识点没有交互的章节是真的不需要还是偷懒了判断本类型是否走样的关键问题移动端能不能操作滑块 / 拖拽 / 复杂 SVG 在 mobile 上可能不可用必须在 Plan 阶段决定放弃 mobile 交互还是提供 mobile 替代展示删掉所有 Raw 后正文是否太薄成品里原文摘录比例确实在 ~25% 量级吗40% 是在删 explainer10% 说明核心知识点没说清核心知识点筛选有据能否一句话说出保留的 N 个知识点为什么是这 N 个何时不要用源材料是叙事 / 观点 / 评论→ essay步骤型操作→ tutorial步骤有先后依赖不是知识点并列数据报告→ full-report结论比交互重要不打算写真正可操作的 Raw→ explainer 即可别假装 interactive。visual-essay —— 图文主导的传播展示推荐信息保留20-60%只留核心观点和最有力量的材料把保留内容用视觉重新组织。典型结构Hero强气质 / 满版视觉 / 大字标题→ 短Section串联每节 少文字 大视觉 一句金句 → 节与节之间有强节奏对比疏 / 密 / 明 / 暗→Conclusion留白收束 / 一句话点题。章节短——每节阅读时间 30 秒到 1 分钟。组件选择正文用短句、断行Quote做金句停顿把文章里的狠话抬出来当节标记Image/Raw是主角少用密集数据组件Table/RiskList会破坏视觉节奏。Raw 边界视觉块占比最高——大尺度版面、节奏图、概念可视化、动效、轻交互可以做满版背景、滚动触发动效、多列错位排版但仍必须是文章形态——不是 landing page、不是产品 dashboard。自检要点删掉所有视觉后剩下的文字能否串成一个观点能 文章不能 landing page视觉服务核心观点而非纯装饰节奏有呼吸疏密 / 明暗 / 大小对比删减后像被编辑过的文章而非缩水摘要移动端仍能传达核心观点路由在 Workflow 中的落地从选型到 Plan Checkpointarticle-types.md不仅是选型参考还明确规定了路由在 SKILL.md 工作流中的两个关键落地节点Phase 2 Editorial Planning形成编辑方案时只产出一份plan/plan.md四段Brief / Outline / Theme / Assets模板见 plan-template.md不直接写 HTML。文章类型路由参考article-types.md信息密度与组件比例参考information-density.md主题选择参考theme-selection.md。选定类型后读对应的article-types/type.md拿结构 / 组件 / Raw 边界 / 配图倾向 / 自检。非标配组合的记录规则要在plan/plan.md的 Brief 段同时记下标配 X% → 用户覆盖 Y%并让主 Agent 在写每节时手动调整正文 / 视觉比例不能照搬article-types/type.md的默认建议。Phase 3 Plan Checkpoint★Checkpoint 1必须停这是把路由落地为语义化选项的硬节点。按 SKILL.md 的铁律禁止静默替用户选择5 项决策必须逐项独立确认其中第 1 项就是文章类型#决策项选项语义化标签 · 含标配信息保留比例1文章类型信息保留比例打包在内完整长文 / 归档longform · ~100% 研究报告 / 正式分析full-report · ~80% 教学步骤 / 上手指南tutorial · ~90% 概念 / 系统解释explainer · ~80% 对话 / 访谈 / 播客dialogue · ~80% PR / 方案 / 事故审阅review · ~70% 观点 / 评论 / 叙事essay · ~70% 交互式学习 / 玩明白一个概念interactive-explainer · ~25% 原文摘录 75% AI 重构 决策摘要 / 给忙人看briefing · ~50% 图文为主 / 传播展示visual-essay · ~40%2主题tufte / press / 其它已注册主题读theme-profiles/index.json3版式宽度narrow / regular / wide / full默认regular4配图模式必选 · 不允许默认通过none / user-assets / placeholders / ai-generated5封面3:4 书封式题图开默认 / 关注意两处比例与总表的差异Checkpoint 语义化选项把tutorial记为 ~90%、review/essay记为 ~70%、briefing记为 ~50%、visual-essay记为 ~40%——这是每个类型的推荐中枢值与总表给出的区间一致tutorial 80-100%、review / essay 60-80%、briefing 40-60%、visual-essay 20-60%。比例已绑进类型选项不再单独成题否则会出现longform 20%这种伪组合。用户想偏离标配用自由文本一句话覆盖我要 longform 60%AI 收到覆盖后要在 plan.md 的 Brief 段记下类型 / 标配保留 / 用户覆盖到 X%并提醒用户这是非标配组合。选型对照常见边界情形的判定实际生产中源材料往往落在多个类型的交界处。各类型文档末尾的何时不要用段落提供了最可靠的排除法判定源材料是连贯论证 / 叙事长文 →不用full-report / explainer / interactive-explainer用longform。源材料是消化后的报告执行摘要 风险 建议四件套→不用longform用full-report。用户要给老板看的决策摘要而非完整报告 → 用briefing而非 full-report。评审某个具体 PR / 方案 / 事故 → 用review评测产品 / 书 / 论文 / 电影观点驱动没有通过 / 否决二元判断→ 用essay。要让读者操作着学懂Raw 是主载体→interactive-explainer要让读者跟着做出来一个东西→tutorial只是完整理解一个机制 →explainer。对话 / 访谈整理 →dialogue给读者做决策 →briefing把机制讲清楚 →explainer。源材料是 API 文档 / 完整规格 → 用longform 强 TOCtutorial 不适合做参考手册。一个更本质的判定维度是**读者的收获方式**interactive-explainer要求操作完会用explainer要求读完真懂tutorial要求跟着做能跑通briefing要求30 秒抓到结论。以读者最终状态为锚点选型几乎不会错。结语路由是规划质量的第一道闸门在 Beautiful Article 的八阶段流程中文章类型路由处于 Phase 2 规划的核心位置它的产出质量直接决定 Phase 5 生成阶段的成败。回顾article-types.md的三条主线类型定结构、主题定审美、二者完全解耦每个类型自带标配保留比例非标配组合需显式记录并手动调校选定类型后必须读对应类型文档拿全五要素结构 / 组件 / Raw 边界 / 配图倾向 / 自检。把这套路由用熟你就能把任意素材规划成该有的样子——既不会把研究报告写成长文随笔也不会把教程做成交互学习页。如需进一步深入建议按 SKILL.md 的阶段指引继续阅读theme-selection.md主题与密度解耦、information-density.md保留比例与组件 / 视觉配比、plan-template.mdplan.md 四段模板与写法、review-checklist.mdPlan 自查 5 条清单以及theme-profiles/index.json已注册主题的 bestFor / mood 索引。赞分享人工智能AI 技能/插件提示工程【免费下载链接】garden-skillsConardLis open-source Skills collection, featuring web design, knowledge retrieval, image generation, and more.项目地址https://gitcode.com/GitHub_Trending/we/garden-skills点击查看免费下载相关推荐Lightdash Autopilot 图表工作流用 Agent 工具链创建与修复图表的完整指南Lightdash Autopilot 图表工作流用 Agent 工具链创建与修复图表的完整指南 导读 本文基于 Lightdash 仓库中 Autopilo人工智能AI 技能/插件提示工程AudioCraft 条件生成机制全解析从 Conditioner 到 ConditionFuser 的模块化控制系统AudioCraft 条件生成机制全解析从 Conditioner 到 ConditionFuser 的模块化控制系统 导读 AudioCraft 作为音频处人工智能AI 技能/插件提示工程用交互让读者玩会概念Beautiful Article 的 interactive-explainer 文章类型实战指南用交互让读者玩会概念Beautiful Article 的 interactive explainer 文章类型实战指南 把一篇长技术文章、论文或系统设计人工智能AI 技能/插件提示工程上一篇Serial Studio 导出与回放保真度修复实践从 636 列仅 4 列非空的采集事故到全链路回归防线下一篇NocoBase RunJS ctx.on() 事件订阅指南字段双向绑定、资源刷新监听与监听器生命周期管理创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考