发完第一篇微信公众号文章，下一个问题来了：封面图。
微信公众号封面图有个讨厌的地方——它要同时满足两种显示场景。大图模式下是 2.35:1 的宽幅横图，小图模式下微信会自动从中间截一个方形缩略图。一张图，两个比例，都得好看。
要解决这个问题，最好的方案是一次性生成一张图片，同时能够兼容这两种尺寸的封面。然后上传到公众号后台，进行精准选取。如下图所示：
市面上有模板网站，但每次手动改文字、调布局，挺烦的。我是搞技术的，能自动化的事情为什么要手动？
于是花了一个小时，和AI一起磨了一个封面图生成器出来。过程比预想的曲折，但踩的坑挺有代表性，记下来。
第一版：让AI直接画，翻车
最开始的想法很简单——把尺寸和布局要求写进 prompt，让 gpt-image-2 直接生成一张 1280×383 的完整封面图，可以兼容长图和方图，包含背景、文字、装饰元素。
结果出来两张图就放弃了。第一张，尺寸完全不对，API 返回的是 1624×969，不是我要的 1280×383。查了一下才知道，gpt-image-2 只支持几种固定尺寸（1024×1024、1792×1024 等），1280×383 不在列表里。第二张，文字渲染虽然还行，但左右分区布局完全不听指挥，AI 理解「左70%放标题、右30%放关键词」的方式和我预想的不是一回事。
这个阶段最大的教训：AI 图像模型对精确的像素级布局控制是无能为力的。它理解「科技感」「渐变」「蓝色」这种风格词很准，但说「x坐标0到900放标题」它做不到。
第二版：AI画背景，Pillow叠文字
既然 AI 控制不了精确布局，那就换个分工方式。AI 负责画纯视觉背景（prompt 里明确说"No text"），然后用 Python 的 Pillow 库做精确裁剪和文字排版。
具体流程三步走：
- gpt-image-2 生成一张大图（1792×1024），只有背景没有文字
- Pillow 居中裁剪到 1280×383，尺寸零误差
- Pillow 用微软雅黑字体渲染中文文字，左右分区精确定位
这一版尺寸问题解决了，文字也清晰了。但新问题来了：右侧区域的设计太简陋。一开始用了半透明白色圆角卡片，里面就放一行关键词和日期，看起来空荡荡的。去掉白卡片，换成同心圆环装饰加蓝色下划线，稍微好一点，但跟左侧 AI 生成的丰富背景一比，Pillow 排版的文字和装饰元素显得太「程序员」了，没有设计感。
而且去掉了 AI 生成的文字后，背景里 AI 原本能渲染的那种带光效、带层次的标题效果也没了，等于丢掉了 AI 的优势。
第三版：AI全包，Pillow只裁剪
做到这里我突然想明白一件事：我之前说「AI做不到布局控制」，说得太绝对了。
AI 做不到的是像素级精确（「在第324个像素放一个直径48像素的圆」），但「左侧放标题、右侧放关键词」这种区域级布局指令，它是能理解的。真正搞不定的是两个东西：一是 API 不支持自定义尺寸（这是接口限制），二是 AI 渲染中文偶尔会乱码（这是模型短板）。
但实际试下来，gpt-image-2 渲染中文的效果比预想的好很多，大部分情况下文字清晰准确。
于是最终方案变成了：
- gpt-image-2 全权负责设计 — 把背景风格、左右分区布局、中文标题/副标题/关键词全部写进 prompt，AI 一次性生成完整封面
- Pillow 只做一件事 — 居中裁剪到精确 1280×383
这样 AI 负责所有视觉创意（背景、文字、装饰元素、色彩搭配），Pillow 只做它最擅长的精确裁剪。各自的活儿都对路了。
还有一个裁剪问题
方案定下来后还踩了最后一个坑。
API 返回的是 1792×1024 的图，宽高比约 1.75:1，但我要的是 1280×383，宽高比 3.34:1。这意味着要从一张偏方的图里裁出一条很窄的横条，上下要砍掉一大半。
一开始用居中裁剪，结果右侧的圆形装饰元素被截掉了一部分——AI 把内容画得稍微偏了一点，刚好被裁到了。
试过用图像分析自动找内容密集区域来裁剪，效果更差——因为 AI 生成的背景本身纹理很丰富，方差检测法根本分不清「哪里是重点内容」。
最终解法还是在 prompt 上下功夫。不是描述「居中」，而是用更具体的意象告诉 AI：
「把所有内容压缩到画布正中央的窄水平条带内。想象最终图只有画布高度的38%，上下都会被裁掉。设计成画布中间的一条宽缎带。」
加上这条之后，AI 把内容收拢了，居中裁剪基本不会切到关键元素。
最终效果
现在的流程是：我输入结构化文案（主标题、副标题、右侧关键词、视觉风格），脚本根据标题关键词自动判断主题（科技/商务/通用），生成匹配的 prompt，调 API 出图，裁剪保存。整个过程大概30秒。
封面图同时满足大图（2.35:1）和小图（1:1自动截取）两种场景，左右分区、视觉连贯、中文清晰。
公众号后台预览效果
本篇文章的封面现做现用使用这个wechat-cover skill生成效果如下：
回头看这件事，有两个判断
第一，和AI协作的核心是分清它能干什么、不能干什么。
AI 图像模型擅长风格、色彩、整体视觉创意，不擅长像素级精确控制。硬要它做做不到的事，只会互相折磨。把精确控制交给代码（Pillow裁剪），把创意设计交给AI（整体视觉），效率最高。
第二，prompt不是写一次就完的。
每一版翻车后，不是换一个 prompt 重来，而是搞清楚翻车的原因：是尺寸问题（API限制）、是布局问题（AI的边界）、还是裁剪问题（prompt描述不够具体）。搞清楚原因，才能精确调整。
这个过程跟技术落地的思路一样：先跑通，再优化，每次只改一个变量。
我把这个封面图生成器【wechat-cover】整理成了一个 Claude Code Skill，放到了 GitHub 上，配置好环境变量就能用：github.com/kantorgong/…
如果你也在用 Claude Code等AI Agent，或者对公众号封面的自动化有想法，欢迎试试，也欢迎提 issue 改进。
