CommunityBildgithub.com

科研绘图与视觉审查

Erstellen, aktualisieren oder bearbeiten Sie publikationsreife wissenschaftliche Abbildungen und mehrschichtige Datenvisualisierungen in Python oder R, oder kritisieren Sie eine bereitgestellte Abbildung auf Anfrage. Halten Sie lokale Änderungen leichtgewichtig. Ausgeschlossen sind reine Bildinterpretationen, nur Anmerkungen zur Bildunterschrift und allgemeine Folien- oder Weblayouts.

Was ist 科研绘图与视觉审查?

Dieses Skill befähigt einen KI-Agenten, wissenschaftliche Abbildungen in Publikationsqualität zu erstellen, zu überarbeiten oder zu kritisieren, die für die physische 1:1-Abgabegröße optimiert sind (z. B. Spaltenbreite einer Zeitschrift, verfügbarer Inhaltsbereich einer Folie oder Format eines Posters/graphischen Abstracts). Es definiert klare Arbeitsabläufe für verschiedene Anfragearten: lokale Optimierungen ohne Änderung der wissenschaftlichen Aussage, Neuerstellung oder umfassendes Redesign sowie reine Abbildungsbegutachtung. Für lokale Optimierungen bearbeitet der Agent nur die Zielobjekte in der vorhandenen Quelldatei, exportiert erneut, führt das Lint-Skript aus und überprüft die betroffenen Bereiche. Für das Neudesign wird zuerst das Abgabemedium mit der 1:1-Größe festgelegt, dann eine modulare Erzählstruktur der gesamten Abbildung geplant, die Farbpaletten und Designpräferenzen aus den Referenzen befolgt und die visuelle Codierung kontrolliert. Das Skill unterstützt nativ die Ausgabe als editierbares Vektor-PDF/SVG mit eingebetteten, durchsuchbaren Schriftarten und erzwingt eine physikalische Auflösung von 300–600 dpi für eingebettete Rastergrafiken. Es wird sowohl für Python (Matplotlib, Seaborn, Scanpy) als auch für R (ggplot2, ComplexHeatmap, circlize) verwendet und bietet Vorlagen für konsistente rcParams und Theme-Einstellungen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/FurinadeFountain/clinical-research-agent-skills/tree/HEAD/skills/scientific-visualization

Installed? Explore more Bild skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Wissenschaftliche Visualisierung & visuelle Prüfung

Erstellen Sie publikationsreife wissenschaftliche Abbildungen in der 1:1 physischen Endgröße (Spaltenbreite des Zeitschriftenseitenlayouts, verfügbarer Inhaltsbereich einer Folie oder Format eines Posters/graphischen Abstracts), die biologische, klinische oder biomechanische Zusammenhänge klar vermitteln. Ein Hauptautor verwaltet die einzige maßgebliche Quelle und den Code, überprüft die Richtigkeit der Daten-zu-Visual-Mapping und führt zuerst eine deterministische statische Prüfung durch, bevor die tatsächliche gerenderte Ausgabe visuell kontrolliert wird.

Anwendungsbereich & Aufgabenverteilung

AnfragetypAusführungspfad
Lokale Optimierung (wissenschaftliche Bedeutung unverändert): Ändern einer einzelnen Beschriftung, Farbe, Schriftgröße, Ausrichtung oder eines lokalen FehlersNur das Zielobjekt in der vorhandenen Quelldatei bearbeiten, neu exportieren, dann lint_figure.py ausführen und die betroffenen lokalen Bereiche sowie die unmittelbaren Layout-Abhängigkeiten prüfen. Keine nicht betroffenen Unterabbildungen umstrukturieren, keine Unteragenten hinzufügen und keine unveränderten Inhalte erneut prüfen. (Sobald eine Beschriftung die Einheit, Vergleichsgruppe, den Nenner oder die Stärke einer Aussage ändert, wird dies als substanzielle Datenänderung behandelt.)
Neuerstellung oder umfassendes RedesignZuerst das Zielabgabemedium und die 1:1 physische Größe festlegen. Basierend auf echten Daten und Literaturquellen die vollständige wissenschaftliche Ergebnisgeschichte und modulare Erzählstruktur der gesamten Abbildung planen (für 6–12+ mehrteilige Seitenabbildungen: Narrative Stränge, primäre/sekundäre Ankerpunkte, dreistufige Weißraum-Abstände und die Rolle jeder Unterabbildung definieren). Innerhalb eines Einzelfensters mehrdimensionale gekoppelte Beziehungen anhand der erweiterten Diagramm-Archetypen auf mögliche Dimensionssteigerung prüfen. Die Gesamtkomposition, Typografie und visuelle Abnahme gemeinsam gemäß den Designpräferenzen & Beschriftungsstandards, Farbpaletten & visuelle Codierung, den relevanten Richtlinien der Fachgemeinschaft und der Abbildungsprüfung & Qualitätssicherung durchführen.
Nur Abbildungsprüfung oder DiagnoseStreng schreibgeschützt bleiben. Bei vorhandener SVG/PDF-Quelldatei lint_figure.py ausführen; bei vorhandenem Screenshot/Bitmap nur Diagnose im sichtbaren Bereich durchführen, dabei klarstellen, dass Schriftarten und Vektorstruktur nicht geprüft wurden, und nicht verlangen, dass das Skript mit nicht unterstützten Formaten ausgeführt wird. Anschließend die gerenderte Abbildung mit den Designpräferenzen & Beschriftungsstandards und der Abbildungsprüfung & Qualitätssicherung sowie dem vorhandenen Quellcode/den Daten abgleichen, umsetzbare Fehlerlokalisierung und Reparaturempfehlungen geben, ohne die Quelldatei zu ändern oder zusätzliche Prüfungsagenten zu generieren.
Nicht in diesem Skill enthaltenReine Bildinterpretation, nur Änderungen am Bildunterschriftstext (gehören zu scientific-prose) oder allgemeines Folien-/Webseiten-Layout (gehört zu presentation-workflow), es sei denn, es müssen darin wissenschaftliche Abbildungen erstellt oder bearbeitet werden.

Physikalische Mediengrößen & Schriftgrößen-Voreinstellungen

Bevor Sie Koordinaten zeichnen, legen Sie zuerst das Zielmedium und die 1:1 physische Voreinstellung fest. Die Verwendung einer großzügigen, willkürlichen Leinwand (z. B. figsize=(12, 10)) und das nachträgliche skalieren der gesamten Abbildung beim Einfügen ist strengstens untersagt. Wenn die Zielzeitschrift, die Folienmastervorlage oder der Benutzer spezifische Größenangaben machen, haben diese Vorrang. Die folgenden Werte für Größen, Schriftarten, Sprachen, Schriftgrößen und Nummerierungsstile sind persönliche Standardvoreinstellungen und keine universellen wissenschaftlichen Standards; Benutzer-/Projekt-/Zeitschriftenanforderungen können diese überschreiben, ohne dass eine erneute Bestätigung erforderlich ist. Die Richtigkeit von Daten, Einheiten, Nennern, unabhängigen Stichproben und Codierung wird durch die Stilüberschreibung nicht eingeschränkt.

Abgabemedium VoreinstellungLeinwand / Physische EinfügegrößeTypografie & UnterabbildungsnummerierungLinienstärken & Achsenrahmen
Zeitschriftenartikel / Förderantrag / Offizieller Forschungsbericht (Standard, falls nicht anders angegeben)Einspaltig: 85–89 mm (3.35–3.50 in); 1,5-spaltig: 114–136 mm (4.49–5.35 in); Zweispaltig: 174–183 mm (6.85–7.20 in); Maximale Gesamthöhe: 170–200 mmArial (oder Helvetica), dazugehörige mathematische Symbole in Latin Modern Math. Achsentitel, Skalenwerte, Legenden und schematische Beschriftungen durchgängig 6–7 pt Regular (Hoch-/Tiefstellung harte Untergrenze 5 pt, Achsentitel nicht fett). Bei mehrteiligen Collagen nur die unabhängige 8 pt Bold aufrechte Unterabbildungsnummer A, B, C, D außen oben links jeder Unterabbildung (für Nature-Serie Kleinbuchstaben a, b, c, d verwenden); Keine Untertitel an die Nummer anhängen (kein A Arterial pressure). Nur wenn gleichartige Geschwister-Unterabbildungen nach experimentellen Bedingungen/Modalitäten/Genen unterschieden werden müssen, kurze Bedingungslabels in 6–7 pt Regular verwenden.Saubere Achsen mit entferntem oberem und rechtem Rand (0.5–0.75 pt, #222222 oder reines Schwarz, Hintergrundgitter standardmäßig deaktiviert, es sei denn, für das Ablesen erforderlich); Hauptdatenkurven und Hauptkonturlinien 0.75–1.25 pt.
Akademische Folien (presentation-workflow & institutionelle benutzerdefinierte Beamer-Vorlagen)Zuerst die tatsächliche verfügbare Inhaltsbereichsgröße der entsprechenden Folie auslesen, nicht das Zeitschriftenlayout direkt verkleinert oder gestaucht anwenden. 16:9 Beamer (Gesamtseite 160 × 90 mm): Üblicher Abbildungsrahmen ca. 135–148 × 55–68 mm. Breitbild-PPTX / Keynote (Gesamtseite 338.7 × 190.5 mm / 13.33 × 7.5 in): Streng nach den im Seitenlayout reservierten Einfügerahmen in Breite und Höhe ausgeben.16:9 Beamer: Standardbeschriftungen 8–10 pt Regular (Hoch-/Tiefstellung >=7 pt). Breitbild-PPTX/Keynote: Standardbeschriftungen 14–18 pt Regular (Hoch-/Tiefstellung >=12 pt). Schriftart mit der aktuellen Folie konsistent halten (Source Sans 3 / Source Han Sans SC / KpMath Sans, sonst auf Arial/Helvetica zurückfallen). Es sei denn, die Unterabbildungen müssen während des Vortrags mündlich referenziert werden, auf die zeitschriftenartige A, B, C Nummerierung verzichten; Text und Unterabbildungsdichte für die Betrachtung aus der Ferne reduzieren und mit dem Folienhintergrund harmonieren.16:9 Beamer: Achsen 0.8–1.1 pt, Hauptkurven 1.2–1.8 pt. Breitbild-PPTX: Achsen 1.0–1.5 pt, Hauptkurven 1.5–2.5 pt. Ebenfalls redundante obere und rechte Achslinien entfernen, Gitter sparsam nach Bedarf verwenden.
Akademisches Poster / Graphischer Abstract / Spezifischer AnlassVor dem Zeichnen die genaue Breite und Höhe der tatsächlichen Anbringungs- oder Einbettungsfläche festlegen.Standardschriftgrößen (Regular) und visuelle Hierarchie proportional zur tatsächlichen physischen Lesedistanz gestalten.Achsen und Hauptpfade/Datenlinien proportional zur tatsächlichen Leinwandbreite skalieren.
  • Textsauberkeit der Leinwand: Beschriftungen innerhalb der Abbildung standardmäßig auf Englisch (es sei denn, die Folie oder die Einreichungsvorgaben schreiben Chinesisch vor); Bildunterschriften folgen der Sprache des Haupttextes. Keine übergeordneten Titel, Untertitel, Bannerlabels oder defensive Kleinschrift mit Haftungsausschluss unten rechts im Zeitschriftenartikel-Abbildungsrahmen platzieren, es sei denn, der Benutzer verlangt ausdrücklich deren Beibehaltung.
  • Exportformat & Schrifteinbettung (Allgemeine Anforderung): Daten- und Vektorschemata als editierbares Vektor-PDF / SVG exportieren und zwingend durchsuchbare, editierbare Schriften einbetten (pdf.fonttype = 42, ps.fonttype = 42, svg.fonttype = 'none'). Beim Einbetten von Mikroskopie-, CT-, MRT-, Ultraschall- oder 3D-gerenderten Rastergrafiken die physikalische Auflösung von 300–600 dpi in der endgültigen Einfügegröße beibehalten (bei separater Lieferung von PNG-Prüfmustern oder Einreichungsdateien >=600 dpi).
  • Dual-Stack-Konfigurationsvorlage & lokaler Interpreter-Einstiegspunkt: Vor dem Schreiben von Python- oder R-Quantitativ-Zeichnungsskripten die Python & R 1:1 Publikations-Zeichnungskonfigurationsvorlage & lokaler Interpreter-Einstiegspunkt lesen, um die standardmäßigen rcParams (kein Zurückfallen auf DejaVu Sans), theme_pub_1to1(), die Umrechnung PT_TO_MM und die lokalen Conda/Miniforge-Interpreterpfade wiederzuverwenden.

Diagrammtyp-Routing & Zeichnungs-Stack

Basierend auf dem Zielvisualisierungstyp einen deterministischen, editierbaren Produktionstool-Stack verwenden (Keine AI-Rasterbild-Generierungs-Subagenten oder Diffusionsmodell-Tools zur Erstellung wissenschaftlicher Daten- oder Mechanismus-Diagramme aufrufen, da die Rasterbildgenerierung die biophysikalische topologische Genauigkeit, die Editierbarkeit einzelner Elemente und die Vektorklarheit verliert):

  • Statistische Diagramme, physiologische Wellenformen, Multi-Omics & Echtaufnahme-Biobild-Panels → Zuerst die Daten-, Multi-Omics- & Echtaufnahme-Bild-Panel-Spezifikation, Erweiterte Diagramm-Archetypen & Fortgeschrittenen-Paket-Workflows und Farbpaletten & visuelle Codierung lesen. Dann gemäß der Zielmedien-größe im genauen 1:1 physischen Maßstab direkt aus Code quantitative Diagramme zeichnen oder für echte Experiment-Rohbilder eine originalgetreue Zuschneidung, fixierte Farbstufen, eingebettete Maßstäbe und mehrteilige Panel-Collagen durchführen:
    • Bevorzugt den R-Stack verwenden (ggplot2 / patchwork / ggdist / ggalluvial / ComplexUpset / forestploter / rms / ComplexHeatmap / circlize / ggraph): Für Raincloud-Verteilungen & Effektgrößenschätzung, Kohorten-Alluvial-Flussdiagramme, integrierte Tabellen-Diagramm klinische Forest-Plots, eingeschränkte kubische Splines (RCS) mit überlagerter Expositionsdichte-Hintergrundkarte, zirkuläre Chord-Diagramme, semi-matrixielle Assoziationsnetzwerke & mehrschichtige annotierte Heatmaps.
    • Bevorzugt den Python-Stack verwenden (Matplotlib / Seaborn / Marsilea + legendkit / pyCirclize / UpSetPlot / Scanpy): Für hochabgetastete elektrophysiologische & hämodynamische Wellenformen und Phasenporträts, native AnnData Einzelzell- & räumliche Transkriptom-Panels, deklarative Multi-Track-Kombinationsmatrizen und zusammengesetzte Mutterabbildungen mit gemischten CT-/MRT-3D-Renderings oder <svg> Mechanismus-Diagrammen.
  • 3D-Gitter, Verformungsfelder, CT/MRT-Bilder & Organ-Signal-Fusionsdiagramme → Zuerst die Räumliche Mechanik & 3D-Visualisierung lesen. Streng zustandsübergreifend die Kameraperspektive, Projektion und Farbbalkenober-/untergrenzen fixieren; Hoch-DPI-3D-/Bild-Renderings mit Vektorachsen, Farbbalken und mediengerechten Schriftgrößenbeschriftungen kombinieren und ausgeben.
  • Mechanismus-Schemata, Signalwege, Kausaldiagramme (DAG) & Forschungsablaufdiagramme → Vor dem Zeichnen unbedingt die Mechanismus-Schemata & Collagen-Spezifikation lesen:
    • Berechnungsabläufe, mathematische Geometrien, Kausal-DAGs, CONSORT-Flussdiagramme oder Interventionszeitlinien: Auf einem strengen Typografie-Raster mit strukturiertem Vektarcode (TikZ / Typst / sauberes SVG + echte Daten-Miniaturansichten) erstellen.
    • Zelluläre, gewebliche, organische & molekulare Mechanismus-Schemata: Direkt vom Hauptautor als semantisch klar gruppierte, koordinatengesteuerte, einzeln editierbare Vektor-<svg>-Illustrationen erstellt werden, mit sanft harmonierenden, gleichfarbigen Schichtfüllungen und einer dunkleren, gleichfarbigen Kontur (keine billigen #000000 cartoonartigen dicken schwarzen Umrisse). Die Detailgenauigkeit der Grafikelemente präzise nach wissenschaftlichem Erklärungsbedarf wählen: Signalübertragungs-Verdrahtungen, Rückkopplungsschleifen und systemphysiologische Blockdiagramme bevorzugt mit flächigen Farbblöcken und einfachen geometrischen Formen; Nur wenn Zell-/Gewebemorphologie, Zellmembrankrümmung oder Barriere-Mikrostrukturen selbst die wissenschaftliche Aussage tragen, selektiv organische kubische Bézier-Konturen, standardisierte Rezeptor-/Ionenkanal-/Organell-<defs>/<g>-Grafikelemente, zurückhaltende Verläufe oder 2–3 interne Tiefenschichten einführen (BioIcons / SciDraw / Servier / projekteigene SVG-Komponenten nach Schriftgrößen- und Linienstärken-Vereinheitlichung können nach Bedarf integriert werden). Text in der Abbildung kurz halten (1–4 englische Wörter) und durchgängig eine einheitliche reguläre dunkle Schriftstärke verwenden, um KI-generierte Stile mit „fettem Haupttitel + dünner, heller Untertitel“ in zwei Zeilen und eingeklammerter Kleinschrift zu vermeiden; Niemals rohe, nicht gestaltete Circle/FancyBboxPatch-Collagen als biologische Strukturen ausgeben oder draw.io/Mermaid-Kästen mit langen Sätzen füllen.

Verifikation & Lieferabschluss

  1. Zuerst die Datenherkunft überprüfen, dann die deterministische statische Prüfung ausführen: Auf korrekte Tabellenverknüpfungen, Maßeinheiten, Nenner, unabhängige biologische Stichprobenanzahl n, technische Replikate und Fehlwertbehandlung prüfen; Nach dem Export von PDF/SVG zuerst lint_figure.py ausführen (Standard --mode manuscript, für Folien --mode slide übergeben). Gemäß den bereits festgelegten Trägeranforderungen --allow-cjk, wiederholbare --allow-font FAMILY, --max-width-mm, --max-height-mm und --min-dpi verwenden, um die Standardstile zu überschreiben; Die Anforderungen nicht nur zum Bestehen des Tests lockern. Das Skript prüft deklarierte physische Größe, PDF-Schrifteneinbettung, teilweise Schrift-/Textregeln und tatsächliche Auflösung von Rastergrafiken; Bei SVGs können <text>/<path> nur hinweisend auf die Editierbarkeit sein, nicht beweisen, dass aller Text editierbar ist. Nicht abgedeckte Punkte wie CSS-Layout, verschachtelte Viewports, <use>-Instanzen oder fehlende Tools werden als nicht geprüft gekennzeichnet; Falls nötig, das endgültig gerenderte PDF überprüfen. Das Bestehen der statischen Prüfung bedeutet nicht, dass alle wissenschaftlichen Zusammenhänge, Lesbarkeit oder Zeitschriftenanforderungen erfüllt sind.
  2. Das tatsächlich exportierte Endproduktbild muss visuell überprüft werden (mit dem host-eigenen Bildbetrachter direkt die exportierte PDF/PNG öffnen). Punkt für Punkt die Abbildungsprüfung & Qualitätssicherung durchgehen: 1:1 Größenklarheit, Ausrichtung der unabhängigen Nummern A, B, C, keine redundanten Überschriften wie ABCD + Untertitel, keine überlappenden oder abgeschnittenen Texte, eine einzelne physikalische Einheit pro Achse und korrekte Legendenzuordnung; Bei Feststellung von Kollisionen oder typografischen Fehlern sofort zur Nachbesserung zurückgeben, bevor die Auslieferung erfolgt.
  3. Die Quell-Assets sauber und synchron halten: Reproduzierbare Zeichenschripte, editierbare Vektor-Masterdateien und die spezifizierten Export-Endprodukte gemeinsam speichern. Die Skill-Selbsttest-Spezifikation nur lesen, wenn dieses scientific-visualization-Skill selbst gewartet oder getestet wird.

Verwandte Skills