SenseNova-Skills 信息图技能之 venn-diagram 布局：用重叠圆圈表达概念关系的设计规范与生成实战-北京尧图网络

AI 技能人工智能深度研究数据分析媒体生成【免费下载链接】SenseNova-SkillsModular SenseNova skills for building AI-powered office assistants and productivity workflows项目地址https://gitcode.com/gh_mirrors/se/SenseNova-Skills点击查看免费下载导读本文深入讲解 SenseNova-Skills 开源仓库中sn-infographic信息图生成技能的venn-diagram韦恩图布局——一种通过 23 个半透明重叠圆圈来表达概念关系、共性与差异的可视化范式。文章将以 venn-diagram 布局定义为核心骨架完整还原其结构、适用场景、视觉元素与文本放置规范并结合仓库源码揭示它在sn-infographic「内容分析 → 布局/风格选择 → 提示词扩展 → 多轮生成」流水线中的真实调用机制帮助读者掌握该布局的选用条件、设计要点与可落地的提示词写法。一、布局定位venn-diagram 是什么venn-diagram 是sn-infographic技能内置的 87 种布局定义之一见 SKILL.md 的 References 说明其核心思想用一句话概括用重叠的圆圈展示元素之间的关系relationships、共同点commonalities与差异differences。在布局体系中它属于关系型relationships内容的候选方案。仓库中的内容分析框架明确将 Connections, overlaps, influences连接、重叠、影响这类内容类型映射到venn-diagram与hub-spoke两种布局并推荐corporate-memphis、data-visualization两种风格作为搭配。也就是说当用户需要表达几个概念之间有哪些交集、哪些各自独有时venn-diagram 就是最贴切的空间语言。二、结构规范圆圈如何组织信息原文档对 venn-diagram 的结构给出了明确的五项约束这是该布局的信息架构骨架结构要素规范说明圆圈数量23 个重叠圆圈2-3 overlapping circles是布局的标准形态语义映射每个圆圈代表一个类别或概念category / concept两两交集区圆圈的重叠部分展示共享元素shared elements中心区所有圆圈共同覆盖的中心区域承载三者的公共部分common to all独有区每个圆圈不与其他圆重叠的独有区域容纳该概念的专属内容exclusives从结构规范看该布局刻意控制圆圈数量在 23 个两圆模型适合A 与 B 的交集/差异这类二元关系三圆模型则能在两两交集之外增加三者共有的中央语义层超过三个圆会导致交集区域组合爆炸、文本可读性急剧下降因此不建议扩大规模。在信息架构层面这五个区域构成了完整的分区体系——任何一条内容都可以被精确归入仅属 A仅属 BA∩BA∩B∩C等唯一区域从而避免信息歧义。这正是 venn-diagram 相比普通并列列表的核心优势用空间位置本身编码集合归属。三、适用场景什么时候该选 venn-diagram原文档列出五类典型场景结合仓库的内容分析框架可以进一步归纳为关系型内容这一大类的子集概念关系Concept relationships——解释两个或多个概念之间的关联与交集例如人工智能 ∩ 大数据机器学习的前提条件。技能重叠Skill overlaps——对比多岗位/多角色的技能矩阵重叠区表达共需技能独有区表达差异化能力。市场细分Market segments——展示多个目标客群或产品线的交叉覆盖中心区表达所有细分共有的核心诉求。对比分析Comparative analysis——在对比差异之外同时强调双方共性这是纯对比布局如 binary-comparison 无法覆盖的维度。寻找共同点Finding common ground——用于沟通、谈判、团队协作场景可视化各方共识与分歧。值得注意的是这类内容在布局与风格选择规则中对应relationships数据类型其首选布局是hub-spoke而venn-diagram与jigsaw、multi-focal并列作为替代布局。因此 venn-diagram 的典型触发条件是关系以集合交集为主、以双方/三方共有为核心而如果关系是一个中心主题向外辐射多个节点则hub-spoke更合适。四、视觉元素设计让重叠关系一眼可读原文档规定了五项视觉要素这些要素共同保证重叠关系在视觉上成立视觉要素设计说明设计理由半透明圆形填充Translucent circle fills只有半透明才能让重叠区域自然呈现叠加变深的效果否则交集不可见清晰的重叠区域Clear overlap regions重叠区的边界要足够明确避免视觉粘连每个圆圈独立配色Distinct colors per circle用颜色区分集合身份观众第一眼即可建立颜色概念的映射区域内图标Icons in regions用语义图标替代纯文字降低认知负荷边界标签Boundary labels在圆边界或外侧标注集合名称不占内部信息空间这三条视觉规范在生成提示词时需要转化为可执行的语言指令。仓库的提示词扩展系统提示词提供了几条与 venn-diagram 高度相关的约束语义图标对应Semantic Icon Correspondence提示词中必须具体描述每个图标的视觉内容例如在 Python 文本旁绘制一条绿色蟒蛇插画不能只写一个图标——这正好适配 venn-diagram 区域内图标的要求禁用十六进制色码颜色必须用描述性名称如 sage green、deep navy blue、terracotta这与每圆独立配色要素直接呼应——提示词应写珊瑚红圆深海军蓝圆暖黄圆而非任何 hex 值文本加引号协议图中要出现的文字必须用引号包裹避免模型将标签误判为风格描述。五、文本放置规范信息该落在哪里原文档给出五条文本放置准则这决定了 venn-diagram 的信息层级标题置顶Title at top——主标题位于画面上方统领整张图圆圈标签置于外侧或边缘Circle labels outside or on edge——集合名称不进入圆内部避免与内容条目争夺空间条目放入对应区域Items in appropriate regions——每条信息严格落入其集合归属区独有区 / 交集区 / 中心区重叠区域标签Overlap region labels——交集区除放置条目外还可用一个短标签概括该交集的语义如共享技能按需添加图例Legend if needed——当颜色与概念的映射无法自说明时用图例兜底。这些准则与基础提示词模板中的文本要求一致主标题要醒目可读、关键概念要加粗或用对比色突出、标签大小适中、所有硬数据数字/日期/专有名词以视觉区分的形态呈现。落实到 venn-diagram 上交集区的条目恰恰应优先使用数据徽章/加粗形态因为它承载着该布局最有价值的信息。六、推荐风格搭配不同语境的 venn-diagram原文档给出了三种推荐风格搭配每种对应一种内容气质推荐风格适用语境风格文件crayon-hand-drawn友好的概念重叠、教育科普类内容弱化分析感crayon-hand-drawncorporate-memphis商业市场细分、业务能力对比几何元素契合圆形结构corporate-memphishigh-contrast-ad需要强烈视觉冲击的高对比对比图high-contrast-ad此外仓库的内容分析框架还为 relationships 类型补充推荐了data-visualization风格data-visualization适合带数据指标的集合分析场景。风格与布局是独立采样的见下文第七节因此 venn-diagram 可以与上述任一风格自由组合。七、在 sn-infographic 生成流水线中的真实角色venn-diagram 不是孤立的设计模板它深度参与sn-infographic的自动生成管线。以下结合仓库源码还原它的调用链路。7.1 布局选择加权随机采样中的候选身份布局与风格选择规则定义了布局的入选机制Worker Agent 先对user_prompt做内容分析得出data_type再查表获得主布局match_score1.0与替代布局match_score0.7最后按权重随机抽取relationships数据类型主布局hub-spoke替代布局jigsaw、multi-focal、venn-diagram采样时主布局以 10 份权重、每个替代布局以 9 份权重、外加 3 个随机无关布局各 1 份进入候选池layout-style-selection.md再shuf取首个。这意味着venn-diagram 在关系型内容中具有约 9/109×3≈ 24% 的独立命中概率另含随机项的小概率是最常被抽中的关系类布局之一用户也可以直接在请求中说明用韦恩图/重叠圆圈表达Main Agent 会将其作为显式布局偏好传递对应 SKILL.md 的参数提取规则。7.2 提示词扩展布局定义如何进入生成提示词选定布局后Worker Agent 在 Step 2.3 执行提示词扩展时会直接拼接所选布局文件的内容进入系统提示词SKILL.md Step 2.3cat $SKILL_DIR/references/prompts-expand-system.md cat $SKILL_DIR/references/layouts/${LAYOUT}.md # LAYOUTvenn-diagram 时即本文档 cat $SKILL_DIR/references/styles/${STYLE}.md cat $SKILL_DIR/references/base-prompt.md也就是说venn-diagram.md 中的Structure / Visual Elements / Text Placement / Recommended Pairings四个小节会被原样注入给文本优化模型作为扩写提示词时的硬性约束随后基础提示词模板中的{{LAYOUT}}与{{LAYOUT_GUIDELINES}}占位符再由最终生成提示词填充。SKILL.md 特别强调这两步之间只读被选中的那一个布局文件并且选择阶段Step 2.1只对布局名称做加权随机、不读取文件内容做最优比较SKILL.md——这是为了在保证多样性的同时控制 LLM 调用成本。7.3 内容分析阶段关系型内容的判定依据布局能否命中 venn-diagram取决于 Step 2.0 内容分析输出的data_type。仓库的分析框架要求从数据如何与自身关联data_structure、什么与什么相连key_relationships等维度判定类型当内容呈现明显的集合交叉、重叠、相互影响特征时relationships类型成立venn-diagram才进入候选池。因此准备输入内容时应尽量显式描述A 与 B 共有 X、A 独有 Y、B 独有 Z这类结构化关系帮助分析模型做出正确归类。7.4 运行时参数适合 venn-diagram 的宽高比生成参数由运行时参数映射推断。对关系/对比类内容仓库的推断规则中较贴合的画面比例包括1:1avatar、icon、logo mark、square cover——三圆对称结构在正方形画布上最均衡5:4near-square desktop card、comparison board、compact infographic panel——对比/关系展板首选4:3presentation slide、dashboard、classroom chart——课堂/幻灯片场景。若用户未显式指定Worker 默认按16:9推断在 prompt 中提示对比展板 / comparison board等场景词可让推断更贴近上述方形比例为三圆重叠结构留出充足的空间。八、与相邻布局的取舍什么时候不用 venn-diagramvenn-diagram 擅长交集但对其他关系形态并非最优仓库提供了可直接对照的相邻布局关系形态推荐布局对比要点单中心辐射关系生态、组件围绕核心hub-spoke一个中心枢纽放射状连接线适合核心→周边而非集合交叉纯二元对比A/B、优/劣、前后binary-comparison左右分栏、镜像布局强调差异而非交集多中心互连网络multi-focal多个焦点并行、节点对等不需要共同中心语义判断口诀有交集/共同部分要强调选 venn-diagram只有差异对比选 binary-comparison只有核心辐射选 hub-spoke。若内容同时涉及多重关系也可以依赖技能的多轮生成max_rounds2~8让 VLM 评审与重绘机制SKILL.md Step 3自动择优。九、实战要点小结要把 venn-diagram 布局用好在 SenseNova-Skills 生态中可按以下清单操作输入侧在需求中显式给出集合结构如列出 A、B、C 三者各自独有与两两共有的能力并可按需注明使用韦恩图/venn diagram以触发显式布局偏好布局侧理解relationships数据类型下venn-diagram是权重较高的替代候选layout-style-selection.md无需手工指定也有约四分之一命中概率提示词侧遵循提示词扩展系统的语义图标描述描述性颜色名文本加引号三条铁律让半透明圆、交集区图标与边界标签真正落地参数侧对比/关系内容可提示5:4或1:1比例并通过max_rounds开启 VLM 多轮评审让重叠区域的文本清晰度获得机器把关落地侧最终生成提示词由基础提示词模板承载{{LAYOUT_GUIDELINES}}即由 venn-diagram 布局文件的四个小节填充——想深度定制输出直接研读该布局定义文件即可。综上venn-diagram 是sn-infographic处理关系型内容的高频布局它以空间位置编码集合归属的独特优势在概念关系、技能矩阵与市场细分等场景中表现突出而其从候选池加权采样、到 Step 2.3 拼接注入、再到最终生成提示词模板占位符填充的完整链路也体现了 SenseNova-Skills 将设计规范文本直接作为可控生成约束的工程思路。读者既可以把本文档当作设计参考也可以把它作为深入理解sn-infographic自动化管线的入口。赞分享AI 技能人工智能深度研究数据分析媒体生成【免费下载链接】SenseNova-SkillsModular SenseNova skills for building AI-powered office assistants and productivity workflows项目地址https://gitcode.com/gh_mirrors/se/SenseNova-Skills点击查看免费下载相关推荐用 baoyu-infographic 打造维恩图信息图venn-diagram 布局的结构规范与实战指南用 baoyu infographic 打造维恩图信息图venn diagram 布局的结构规范与实战指南维恩图Venn Diagram是表达概念重叠关AI 技能AI 插件x402 Aptos 机制x402/aptos深度解析在 Aptos 网络上实现 HTTP 402 支付的完整方案x402 Aptos 机制x402/aptos深度解析在 Aptos 网络上实现 HTTP 402 支付的完整方案本文围绕 x402/aptos 包AI 技能人工智能深度研究数据分析媒体生成SenseNova-Skills 信息图风格解析double-exposure 双重曝光风格的设计规范与生成实战SenseNova Skills 信息图风格解析double exposure 双重曝光风格的设计规范与生成实战导读本文聚焦 SenseNova SkiAI 技能人工智能深度研究数据分析媒体生成创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

SenseNova-Skills 信息图技能之 venn-diagram 布局：用重叠圆圈表达概念关系的设计规范与生成实战

相关推荐

re-frame 应用状态管理：深入理解 app-db 单一数据源架构

基于深度学习的NCF视频推荐：源码拆解与工程化实践

基于改进Unet的高分辨率城市建筑物遥感变化检测毕设方案

更多资讯

双轨制分销系统实战：PHP+Vue轻量级直销业务验证包

Unicorn CPU模拟引擎入门：原理、上手与常见误区

51单片机入门：从点灯程序详解GPIO、限流电阻与烧录调试

伯努利试验与直线随机游动：从公式推导到模拟实战

总体与样本、点估计与区间估计：统计推断底层逻辑全解析

DevSpace 命令详解：`devspace status sync` —— 查看 Kubernetes 文件同步状态与同步日志

今日更新

声子晶体仿真：三角晶格与六角晶格的能带计算实战

度假村安保定岗定编：岗位梳理、编制测算与排班设计

COMSOL等离子体模块实战：氩气双层DBD仿真建模全解析

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？