我朋友小张，是个勤勤恳恳的程序员。
他有个习惯，每学一个新技术就整理成信息图，发到群里。什么 Git 命令速查表、Python 常用库分类、K8s 架构一图流。他觉得这样方便自己复习，也方便别人。
上周他学完了一套新东西，想做一张信息图。六个区块，每个区块有标题、有代码片段、有简短说明，底部还要加个来源链接。
他先试了 GPT-Image-2，目前文生图排行榜第一。
图出来了。标题写对了，文字也基本没问题。毕竟是 2026 年了，写几个大字早就不是生图模型的难题。
但他盯着看了一会儿，发现了几个问题：六个区块的间距不太一样，有的挤有的松。第四个区块里的代码片段字号莫名比别的小了一号。整体看着就是哪里不对劲，那种「差一口气」的不对劲。
他改。跟 AI 说「把间距统一一下」。
AI 重新生成了一张。
间距好像均匀了一点，但第二个区块的配色变了，而且整张图的尺寸比上一张小了一圈。
他又改。
这次配色回来了，但底部链接消失了。
他换了 Nano Banana 2 试试。速度确实快，三五秒就出图。文字准确性也不错。但结构化排版的问题还是一样：六个区块的布局全凭 AI 感觉，间距不统一，对齐靠缘分。
他又试了 Midjourney。出图风格确实漂亮，但信息图需要的不是漂亮，是精确。
小张跟我说这件事的时候，语气是平静的。那种经历了五个阶段的平静：愤怒、否认、讨价还价、抑郁、接受。
「不是说现在的生图模型都能写字了吗？」他问我。
「能。」我说。「写标题、写大字，现在各家模型都很强了。GPT-Image-2 的文字渲染，中英文都接近完美。但你要的不是写字，你要的是排版：六个区块、网格布局、间距统一、代码高亮。这两件事差了十万八千里。」
下面这张图说得很直白，左边是生图模型的文字输出，右边是代码渲染的文字输出：
2026 年了，生图模型确实今非昔比。
LMArena 文生图排行榜上，GPT-Image-2 以创纪录的分差登顶，Recraft、FLUX 2、Midjourney 追在后面。英文文字渲染早就不是问题，顶级模型的中文也基本过关了，偶尔吞个字，但比两年前写甲骨文的时代强了不知道多少倍。
文字准确性这场仗，生图模型已经赢了。
但「排版」呢？
你让 AI 画一张海报，上面写三行大字，它现在大概率能写对。这我承认。
但你让它做一张信息图，六个区块、网格布局、每个区块里有标题有正文有代码、间距统一、配色协调、安全边距合理，
它就开始表演了。
不是表演做信息图。是表演「我觉得这大概是一张信息图吧」。
区块间距忽大忽小。字号不统一。你说要六个区块，它给你五个半。你说代码要等宽字体，它给你一种介于等宽和非等宽之间的、量子叠加态的字体。
而且最要命的是：你改不了。
GPT-Image-2 号称编辑精度大幅提升，确实比以前好了，但它本质上还是重新生成。你说改第三个区块的颜色，它大概率只改第三个区块。大概率。但不是百分之百。偶尔它会好心地帮你把第一个区块的字号也「优化」一下。偶尔会帮你把整张图的色温微调一点。连续改十几轮之后，风格会慢慢漂移，最后出来的图跟第一版已经不是同一张脸了。
就像你对一个画家说「帮我把左下角那朵花的颜色改成红色」，他说「好的」，改完之后你发现右上角的云也变了一点。你说「云不要动」，他又改，这次花和云都好了，但天空蓝了一个度。
每次修改都是一次抽卡。
小张抽了十五次卡。没有一次完美。
事情为什么会变得不一样
我这人有个毛病：每次看到一个明明不合理但所有人都习以为常的事情，就忍不住想，有没有什么歪门邪道能绕过去。
有一天我意识到一个极其反直觉的事实：
大模型最强的能力不是画图，是写代码。
尤其是写 HTML 和 CSS。
如果你不知道这两个词：HTML 是网页的骨架，决定「有什么内容」。CSS 是网页的衣服，决定「长什么样」。你现在看的这篇文章、刷的淘宝页面，全是这俩写出来的。
大模型写这玩意儿有多强呢？互联网上几十亿个网页的源代码全是它的训练数据。对它来说写 HTML，就像咱们说母语一样，不用想，张嘴就来。
字号、间距、颜色、渐变、阴影、圆角，CSS 精确到 0.1 像素。
0.1 像素啊朋友们。你用 Photoshop 手动拖都拖不到 0.1 像素。
那么问题来了：如果让 AI 写一个排版精美的 HTML 页面，然后把这个页面截图变成 PNG，会发生什么？
代码写什么，出来就是什么。每个字、每个像素、每个间距，100% 确定。
不用猜。不靠概率。跑一万次，出一万张一模一样的图。代码说了算。
我把这个思路做成了一个工具，叫 WebPress。
它以 Agent Skill 的方式工作。什么是 Agent Skill？简单说就是给 AI 装了个 App。你手机刚买来只能打电话，装了美团就能点外卖，装了高德就能导航。AI 也一样，装了这个 Skill 之后，它就突然学会做图了。
而且不是乱做。这个 Skill 里面塞了一整套专业设计规范：60-30-10 配色法则、安全边距规则、日式留白美学、Gestalt 视觉原则。AI 不是在瞎画，它是在按一套设计师的方法论在排版。
整个流程就三步，你说一句话，AI 自动写 HTML，然后渲染成 PNG：
小张看到这个工作流的时候，长出了一口气。
那口气里有释然，有感动，也有对那十五次抽卡的深切缅怀。
安装这件事，简单到有点侮辱智商
现在很多 AI 编程工具都支持 Agent Skill，Claude Code、Codex、OpenCode、Cursor、Antigravity，等等等等。
你需要做的事情只有一件：在对话框里打一句话。
帮我安装这个 skill：https://github.com/liustack/webpress没了。
不用翻文档。不用配环境变量。不用去 Stack Overflow 上搜「为什么我的 npm install 又报错了」。
AI 自己就把代码拉下来、环境配好了。装完之后，你的 AI 助手就多了一项技能：做图。
准确地说，是做那种结构精确、排版可控、改哪里就动哪里的图。不是靠概率碰出来的图。是写出来的图。
怎么用：把嘴张开就行
我知道你想问什么：「那到底怎么用啊？是不是还得学什么命令？」
不用。
你只需要做一件你每天都在做的事：说话。
这是我最上头的功能：你可以直接跟 AI 说你想要什么风格。
这篇文章前面几张配图，就是它用「电影风格」做的。暗色调、衬线字体、克制的金色。
你说「换成时尚杂志风格」，同样的内容，变成了极简排版、大量留白、高级感扑面而来：
同一份内容，风格随你换。 而且每次换风格都不是重新碰运气，AI 只改 CSS 样式，内容结构纹丝不动。
小红书封面、推特配图、公众号头图，都是一样的玩法。你不需要懂什么「色相环」「互补色」「三分构图法」，用你的日常语言说就行，AI 自己翻译成设计语言。
不满意？直接说。
「标题再大一点。」改了。
「背景换成深色。」改了。
「加个副标题，把配色换成暖色调。」改了改了都改了。
说一句，改一处，秒出新版。改哪里就动哪里，别的地方纹丝不动。 这一点，用过生图模型改图的人应该最有体会：你只是想改个颜色，结果整张图面目全非。
而且，这里才是关键：你下次打开同一段代码重新渲染，出来的图和上次一模一样。不是差不多一样，是像素级一样。这就是代码渲染和概率生图的根本区别。
所有平台，一句话覆盖
这是另一个让我觉得非常爽的事情。
同一个主题，你只需要说一句「换成 XX 平台的尺寸」，它就给你重新适配。内置了 8 种预设，覆盖了你能想到的所有主流平台：
| 平台 | 尺寸 |
|---|---|
| OG 社交卡片 | 1200×630 |
| Twitter 配图 | 1200×675 |
| Banner 横幅 | 1600×900 |
| YouTube 缩略图 | 1280×720 |
| 公众号封面 | 900×383 |
| 信息图 | 1080×1350 |
| 海报 | 1200×1500 |
| 小红书封面 | 1080×1440 |
写一篇文章，配图可以一次性覆盖所有平台。
以前做这件事你得开四次 Photoshop，建四个画布，调四次尺寸，对四次参考线，导出四次，然后在第三次导出的时候发现第一张图的标题打错了一个字，于是你从头再来。
现在你说一句话。
就一句话。
说说局限
我不是那种只吹优点不说缺点的人。
这条路也有它不擅长的地方：
它不能画画。 你想要一张水彩风格的风景插图、一个 3D 渲染的产品模型、一张照片级的人像，这些事情它干不了。它做的是排版，不是绘画。想要画面感、想要艺术创意、想要摄影级真实感，生图模型仍然是更好的选择。
它需要一个能写代码的 AI。 你得用支持 Agent Skill 的编程工具，Claude Code、Codex、Cursor 这些。不能在 ChatGPT 的对话框里直接用。
复杂的图可能需要几轮调整。 虽然每次调整都是精确的、确定的，但 AI 第一次生成的排版不一定完全符合你的预期。好消息是：你说改哪里就改哪里，不会牵连其他部分。
说白了，WebPress 的甜区就是：信息密度高、结构化强、需要精确排版的图。 信息图、速查表、社交卡片、平台封面、技术海报。这些图的核心不是「画面」，是「排版」：标题多大、间距多宽、区块怎么分、颜色怎么配。
这些事情，代码比画笔擅长一万倍。
最后说两句
好吧我承认。
小张是我编的。
世界上可能有一千个小张，但这篇文章里的这个小张，不存在。那个花了一下午跟 AI 搏斗的人，是我自己。那十五次抽卡，是我自己抽的。那口充满缅怀的气，是我自己叹的。
但这重要吗？
不重要。
因为你读到这里，大概率是因为你也经历过类似的事情。你也试过让 AI 做一张信息图然后发现间距全乱了。你也试过改了一个地方结果三个地方都变了。你也在某个深夜对着一张「差一口气」的图，陷入过那种平静的绝望。
WebPress 做的事情其实很朴素：让 AI 做它最擅长的事（写代码），用浏览器做浏览器最擅长的事（渲染网页），然后截个图。
就是这么简单的一条路。但它绕开了生图模型最不擅长的领域：精确的、结构化的、可复现的排版。
有时候换条路不是因为原来那条走不通，是因为隔壁这条实在太顺了。
帮我安装这个 skill：https://github.com/liustack/webpress下次需要做配图的时候，先想想：这张图的核心是「画面」还是「排版」？
如果是排版，别让 AI 猜像素了。
让它写代码。