Pada Februari 2026, Xiaohongshu mengumumkan bahawa kandungan sintetik yang dihasilkan oleh AI mesti secara aktif diberi tanda; kandungan yang tidak diberi tanda akan dibatasi penyebarannya. Tiga bulan lebih kemudian, sebuah projek sumber terbuka bernama guizang-social-card-skill muncul di GitHub, khusus untuk menghasilkan gambar dan teks 3:4 Xiaohongshu serta sampul公众号. Jalur teknologi projek ini mempunyai pilihan yang tidak biasa: tidak menggunakan sebarang model AI untuk menghasilkan piksel gambar, seluruh gambar dihasilkan melalui HTML+CSS, dengan gambar rujukan diambil dari perpustakaan gambar nyata seperti Unsplash. Outputnya bukanlah "gambar yang dihasilkan AI", tetapi tangkapan skrin laman web yang dirasterkan oleh enjin penghala.
Pilihan ini berkaitan dengan perubahan tertentu. Sejak 2026, Xiaohongshu telah melancarkan model pengenalan audio-visual, yang menilai kandungan AIGC melalui analisis corak taburan piksel gambar dan ciri audio. Pada masa yang sama, lebih daripada 800,000 akaun pengendali AI dan hampir 150,000 catatan palsu AI telah ditangani. Bagi pencipta kandungan yang memerlukan pengeluaran gambar dan teks secara kerap, kebarangkalian gambar yang dihasilkan oleh Midjourney atau Canva AI dikesan dan ditandai terus meningkat. Skill藏师傅 memilih jalan lain: membiarkan AI membuat keputusan susunan, dan menyerahkan piksel akhir kepada enjin render dan perpustakaan gambar sebenar.
Ini adalah pengelakan teknikal yang disengajakan. Namun, sejauh mana penyelesaian ini boleh berjalan, bergantung kepada fleksibiliti definisi platform terhadap istilah “kandungan sintetik yang dihasilkan AI”.
28 kerangka layout, AI bertanggung jawab atas logikapenataan, bukan melukis
Nama asli Master Cang adalah Guizang, sebelum ini beliau telah menerbitkan guizang-ppt-skill, iaitu alat AI yang sama yang ditujukan untuk skenario penyusunan teks dan gambar. Social-card-skill kali ini mempunyai fokus yang lebih ketat: untuk gambar dan teks 3:4 di Xiaohongshu, sampul 1:1 dan 21:9 untuk WeChat Official Account, dengan resolusi keluaran masing-masing 1080×1440, 1080×1080, dan 2100×900.
Dari segi arsitektur teknikal, Kecekapan ini membawa 28 kerangka tata letak, dibahagikan kepada dua sistem visual: Editorial (gaya majalah, 16 kerangka) dan Swiss (gaya Swiss Internationalis, 12 kerangka), disertai 10 set pra-set warna tema. Selepas pengguna memasukkan destinasi, itinerari, atau topik nota, AI akan memilih kerangka tata letak yang sesuai, menentukan kedudukan teks, dan mengendalikan parameter penanda peta, kemudian menulis semua keputusan reka bentuk sebagai HTML+CSS. Enjin pengekalan Playwright akan mengambil alih langkah seterusnya, mengambil tangkapan skrin setiap halaman dan mengeluarkan dalam format PNG.
Komponen yang sangat berguna untuk blogger perjalanan ialah modul peta. Ia memuatkan kepingan OpenStreetMap yang sebenar menggunakan MapLibre, menyokong tanda dan garis banyak lokasi. Pengguna hanya perlu menyediakan nama bandar atau tempat pelancongan, dan AI akan menghasilkan peta dasar dengan label secara automatik dan menyematkan susun atur. Aliran sumber gambar yang sepadan mempunyai keutamaan yang jelas: gambar nyata yang disediakan pengguna adalah yang paling utama; jika tiada gambar pengguna, ia akan mencari gambar secara automatik mengikut urutan: Unsplash → Pexels → Flickr CC → Wallhaven.
Proses keseluruhan dijalankan dalam tujuh langkah: Intake → Style & Theme → Layout Selection → Asset Prep → Compose & Render → Deliver & Review → Iterate. Setiap langkah direkodkan dalam fail .poster di dalam direktori task. Semasa menjalankan pengeluaran gambar secara berjumlah, jalankan node render.mjs, di mana Playwright akan merender satu per satu. Terdapat juga skrip pengesahan validate-social-deck.mjs yang mengukur elemen DOM dalam persekitaran browser sebenar untuk mengesan insiden pelayoutan seperti tindihan teks, saiz fon melebihi had, dan tindihan elemen footer.
Tujuan reka bentuk mekanisme ini jelas: seprecise dan seboleh kawal seperti perisian tata letak percetakan, bukan seperti model penyebaran yang bebas tetapi tidak dapat diramalkan. Harganya ialah kebebasan kreatif dibataskan dalam 28 petak. Bagi pencipta yang bergantung pada gaya fotografi peribadi, elemen lukisan tangan, atau kolaj tidak teratur, rangka corak ini bukan meningkatkan kecekapan, tetapi memberi batasan reka bentuk.
Dari segi ambang penggunaan, versi CLI memerlukan pemasangan Playwright dan persekitaran Node, serta mendapat kebenaran API untuk Claude Code atau Codex. Terdapat juga akses versi web xiaohongshu.guizang.ai yang ditujukan kepada pengguna bukan pembangun, tetapi maklumat perbandingan awam mengenai kelengkapan fungsi antara versi web dan versi CLI belum tersedia. Beberapa tweet yang diterbitkan oleh pembangun di platform X dan README yang dikemas kini secara berulang menunjukkan bahawa projek ini masih dalam pengembangan pantas.
Pixel tidak datang dari model generatif, tetapi kepatuhan tidak sama dengan keselamatan jangka panjang
Logik pengesanan kandungan AI di Xiaohongshu, berdasarkan maklumat awam dan bahan teknikal, bergantung utama kepada model pengenalan audio-visual. Model ini menganalisis pola taburan piksel gambar untuk menentukan sama ada kandungan tersebut dihasilkan oleh model AI. Model penyebaran dan GAN meninggalkan ciri statistik tertentu pada tahap piksel semasa menghasilkan gambar, yang berbeza daripada cahaya dan bayangan semula jadi, distorsi lensa, dan corak bunyi yang ditangkap oleh sensor kamera. Matlamat latihan model pengenalan audio-visual ialah untuk menangkap ketidakkonsistenan dalam pola statistik ini.
Logik pengelakan Skill Cang dibina berdasarkan perbezaan utama: piksel gambar yang dihasilkan bukan berasal dari mana-mana model penghasilan. Enjin penghuraian HTML merasterisasi gaya CSS, menghasilkan ciri taburan piksel yang lebih dekat dengan tangkapan skrin antaramuka browser atau output perisian tata letak desktop. Bahagian foto berasal daripada bahan asli yang diambil secara nyata daripada perpustakaan gambar seperti Unsplash, gambar-gambar ini diambil dengan kamera dan mengalami pemprosesan akhir secara manusia, tanpa jejak model penyebaran.
Namun, perbezaan ini hanya berlaku jika definisi platform terhadap "kandungan sintetik dihasilkan AI" tepat berada pada garis "pixel dihasilkan model AI". Pernyataan rasmi Xiaohongshu menggunakan frasa "kandungan sintetik dihasilkan AI", yang cakupannya tidak sempit. Sekiranya platform memperluas definisi ini kepada "output render program yang dirancang dengan bantuan AI", atau memasukkan ciri-ciri render browser pada gambar rasterisasi HTML ke dalam set latihan model pengenalan, keuntungan teknologi semasa sistem ini akan hilang.
Platform mempunyai dasar teknikal dan motivasi tata kelola yang diperluas. Model pengenalan suara dan gambar itu sendiri sedang berterusan diiterasi. Jika data latihan termasuk sampel perbandingan besar-besaran antara gambar yang dirender HTML dengan gambar yang dihasilkan AI, model boleh belajar membezakan "ciri anti-aliasing subpixel yang dirender oleh fon peramban" dengan "blok piksel tidak sekata semasa penghasilan teks oleh GAN". Tidak ada maklumat awam yang menunjukkan Xiaohongshu telah memulakan latihan dalam arah ini, tetapi dari segi sempadan kemampuan model, ekspansi ini adalah secara teknikal munasabah.
Fakta yang perlu diperhatikan lebih lanjut ialah elemen kepatuhan yang berkaitan dengan pengurusan aplikasi kecil. Saat ini, tiada dokumen rasmi yang menunjukkan bahawa Kemahiran ini telah menghubungkan nombor pendaftaran model atau menyelesaikan pendaftaran kepatuhan yang berkaitan. Jika platform menambahkan keperluan pelacakan rantai alat pengeluaran gambar dalam proses semakan kandungan, kekurangan maklumat pendaftaran mungkin menjadi titik blok baru.
API template engine, alat penyesuaian platform, dan HTML rendering sedang menarik tiga jalan bercabang
Mengamati alat-alat di pasaran yang menghasilkan gambar untuk media sosial, akan ditemui bahawa mereka sedang bercabang menjadi tiga jalan teknologi yang berbeza. Setiap jalan menghadapi struktur risiko pemeriksaan yang berbeza.
Model AI menghasilkan gambar secara langsung. Jalan ini mewakili fungsi Magic Design yang dilancarkan oleh Canva AI pada April 2026, yang menghasilkan reka bentuk yang mengandungi elemen visual AI secara langsung daripada petunjuk teks. Gambar yang dihasilkan oleh model seperti Midjourney dan DALL·E juga termasuk dalam kategori ini. Masalahnya jelas: gambar-gambar ini adalah sasaran utama pengesanan model pengenalan suara dan imej. Cara Canva menangani ini adalah dengan mendorong penandaan yang telus, bukan mengelakkan pengesanan. Di Xiaohongshu, tidak ada data awam yang boleh membuktikan sama ada post yang dihasilkan oleh model AI akan mengurangkan bobot cadangan apabila ditandai, tetapi penyataan platform mengenai "had pembahagian kandungan AI yang tidak ditandai" sudah menjadi dasar tetap. Setiap kali versi model penyebaran dikemas kini, ciri statistik piksel mungkin berubah, dan model pengesanan yang sepadan juga akan dikemaskini secara serentak, menjadikan pencipta menghadapi sasaran yang terus bergerak.
Paparan enjin templat API. Bannerbear adalah contoh klasik untuk jalan ini. Pengguna membuat templat dalam perancang, menghantar data JSON melalui API REST untuk mengubah pemboleh ubah lapisan, dan perkhidmatan sisi pelayan merender output sebagai PNG atau JPG. Intinya juga adalah "paparan program" bukan "model menghasilkan piksel", dan output tidak mengandungi jejak model penyebaran. Perbezaan dengan Kemahiran Zang Shifu ialah: templat Bannerbear bergantung pada rekaan manusia, AI tidak terlibat dalam keputusan susun atur; Kemahiran Zang Shifu membenarkan Claude membaca dan menulis HTML secara langsung, dengan keputusan susun atur diserahkan kepada AI. Risiko penyelesaian Bannerbear berada pada dimensi lain: apabila ramai akaun menggunakan templat yang sama, warna yang sama, dan fon yang sama untuk menghasilkan gambar dan teks, walaupun setiap gambar bukan dihasilkan oleh AI, ia masih akan memicu pengenalan mod "penghasilan berterusan secara program" di sisi platform. Syarat pemicuan peraturan anti-spam tidak sepenuhnya sama dengan pengesanan AI, tetapi bagi pencipta akaun operasi berterusan, kesannya tetap sama—pengagihan terhad.
Penghasilan disesuaikan platform. Pin Generator direka khas untuk Pinterest, secara automatik menghasilkan gambar Pin yang selari dengan preferensi algoritma platform. Inti pendekatan ini bukan mengelak, tetapi sepenuhnya serasi—ukuran, gaya visual, dan jadual penerbitan semuanya selari dengan spesifikasi platform. Kelebihannya adalah risiko pemeriksaan paling rendah, tetapi kelemahannya juga jelas: kemampuan alat terikat pada peraturan platform, dan apabila Pinterest mengubah algoritma atau membatasi panggilan API pihak ketiga, alat ini akan terus gagal. Berbanding dengan Skill Cang Shifu, yang pertama adalah alat eksklusif platform, manakala yang kedua adalah penyelesaian lintas-platform. Alat eksklusif platform lebih selamat tetapi lebih rapuh, manakala penyelesaian lintas-platform lebih fleksibel tetapi lebih kompleks—ini adalah kompromi yang berulang kali muncul dalam bidang alat AI.
Struktur risiko ketiga jalan ini berbeza-beza. AI untuk menghasilkan gambar paling bebas, tetapi setiap kemas kini memerlukan respons terhadap model pengesanan yang baru. Enjin templat paling stabil, tetapi mungkin terkena kesan peraturan anti-spam. Pemaparan HTML berada di antara keduanya: tata letak dikawal fleksibel oleh AI, manakala piksel diserahkan kepada pengembara dan bahan asli, mengelakkan pengesanan pada tahap “piksel yang dihasilkan AI”, tetapi tidak mampu menghadapi pengembangan peraturan semantik platform.
Hadapan sistem layout terhad pada jenis kandungan, bukan pada kod.
28 kerangka layout yang meliputi dua sistem visual utama: gaya majalah dan gaya Swiss. Sistem ini sangat sesuai untuk blogger perjalanan yang perlu menunjukkan rute peta, garis masa, dan perjalanan berbilang hari. Penanda peta dan sambungan perjalanan adalah maklumat utama dalam nota ini, dan kerangka layout membentuk struktur maklumat sambil mengekalkan rasa profesional dalam susunan.
Tetapi ekosistem kandungan Xiaohongshu jauh lebih kaya daripada panduan perjalanan. Catatan pakaian bergantung pada gaya fotografi peribadi dan nada warna, ulasan kecantikan memerlukan gambar mikro definisi tinggi dan gambar perbandingan produk, sementara kandungan gaya hidup banyak menggunakan kolaj gambar banyak dan tanda tulisan tangan. "Penyusunan" jenis kandungan ini bukanlah penyajian terstruktur maklumat, tetapi ungkapan estetika peribadi dan emosi. 28 rangka gaya dalam konteks ini bukan alat, tetapi batasan.
Pembatasan teknikal juga nyata. Saat ini menyokong tiga saiz: 1080×1440 (Xiaohongshu 3:4), 2100×900 (WeChat Official Account 21:9), dan 1080×1080 (WeChat Official Account 1:1). Cover vertikal 9:16 untuk Douyin dan cover mendatar 16:9 untuk Bilibili tidak disokong. Galeri gambar bergantung kepada Unsplash dan Pexels, yang bahan-bahannya cenderung kepada fotografi berkualiti tinggi, sesuai untuk keperluan gambar perjalanan, pemandangan, dan bangunan bandar. Namun, bahan berfrekuensi tinggi untuk kandungan vertikal seperti close-up makanan, penataan kosmetik, atau pakaian tunggal, mempunyai cakupan terhad di galeri-galeri ini. Strategi yang mengutamakan gambar pengguna boleh meredakan sebahagian masalah ini, dengan syarat pencipta mempunyai cukup bahan gambar asli yang telah dikumpulkan.
Mekanisme pengesahan adalah pedang bermata dua. validate-social-deck.mjs boleh menghalang kejadian susunan sebelum gambar dihasilkan, menjamin 100 kali render secara berasingan tanpa ralat. Ini adalah jaminan kecekapan dalam skenario pengurusan yang memerlukan pengeluaran puluhan gambar setiap hari. Namun, ia juga bermakna sebarang reka bentuk yang tidak mematuhi peraturan susunan yang telah ditetapkan akan ditolak oleh skrip. Pencipta yang ingin menambah hiasan teks condong atau margin tersuai ke dalam susunan standard tidak boleh menyesuaikannya dengan mudah seperti di Canva, tetapi perlu mengedit kod sumber HTML dan CSS secara langsung.
Tahap penghimpunan tempatan adalah titik lapisan lain. Pencipta yang mampu menjalankan skrip Playwright dan Node boleh masuk lebih dalam ke dalam kerangka layout dan skrip render untuk penyesuaian. Namun, bagi kebanyakan pengguna Xiaohongshu, yang boleh diakses hanyalah set fungsi antaramuka versi web. Kedua-dua kumpulan pengguna ini mendapat nilai sebenar yang sangat berbeza daripada Skill ini. Kumpulan pengguna utama projek sumber terbuka ialah pencipta dan pembangun yang bersedia untuk mencuba dan mempunyai latar belakang teknikal, bukan keperluan “klik satu kali untuk menghasilkan gambar” pengguna biasa.
Tidak ada jawapan serba boleh, tetapi perbezaan jalan teknikal itu sendiri sudah menunjukkan masalah
Seorang blogger perjalanan di Xiaohongshu menghadapi tiga pilihan: menggunakan Midjourney untuk menghasilkan gambar perjalanan bergaya ilustrasi, mengambil risiko ditandai dan diturunkan peringkatnya; menggunakan Bannerbear untuk menetapkan templat dan mengisi data secara berulang setiap hari, mengambil risiko homogenisasi templat yang membawa risiko anti-spam; atau menggunakan Skill dari Cang Shifu, membiarkan AI memilih tata letak kemudian merender gambar menggunakan HTML, mengambil risiko platform memperluas definisi "kandungan sintetik". Tidak ada pilihan yang aman, hanya kombinasi struktur risiko yang berbeza.
Pola ini sendiri menyampaikan satu maklumat: perlawanan berulang antara platform dan alat AI telah bermula. Setiap kali platform mengemas kini model pengesanan, satu siri alat akan mengakhiri tempoh keuntungan teknologi mereka. Setiap kali alat baru menemui jalan membelok, platform akan menyesuaikan strateginya. Ini bukan proses yang akan bercantum kepada keadaan stabil. Masa berkesan penyelesaian pemaparan HTML bergantung pada arah latihan model pengenalan suara dan imej Xiaohongshu—sama ada ia terus fokus pada “ciri piksel model penyebaran” atau meluas ke “semua piksel bukan fotografi asli”.
Bagi pencipta kandungan, membezakan antara “AI sebagai bantuan” dan “AI sebagai pengganti” menjadi bermakna secara praktikal. Sikap platform sudah jelas: mendorong AI sebagai penguat kreatif, menentang penggunaan AI untuk menggantikan manusia dalam penghasilan kuantiti rendah. Dalam Skill Cang Shifu, AI melakukan keputusan tata letak, bukan penghasilan kandungan; gambar adalah foto asli, dan kerangka tata letak ditetapkan oleh reka bentuk manusia. Ini tepat berada dalam zon “AI sebagai bantuan”. Kandungan gambar dan teks yang sepenuhnya dihasilkan oleh model generatif adalah sasaran utama yang ingin diberantas oleh platform.
Kepastian sama ada pemisahan ini akan menjadi piawaian operasi penilaian platform masih tidak jelas. Namun, pembangun alat telah memberi respons terhadap definisi ini dengan pilihan teknikal.