KaiyiHu/ResearchFigureSkill

Research Figure Compiler (Compiler für Forschungsgrafiken)

Öffentliche Workflow-Version: 1.0.

Verwenden Sie den kürzesten sicheren Workflow:

erlaubter Papierinhalt
  → klären, ob vorhandene Papiergrafiken eingesehen werden dürfen
  → eine nützliche Papierzusammenfassung
  → Motivations- und/oder Pipeline-Prompt-Vorlage
  → editierbare Grafik + Vorschau
  → eine schnelle kritische Prüfung

Erstellen Sie kein Evidenz-Ledger, keine Rollenanalyse-Datei, keine FigureSpec, keinen Provenance-Bundle, kein Audit-JSON und kein Multi-Round-Review-Paket, es sei denn, der Benutzer fordert explizit eines an.

Lösen Sie SKILL_ROOT als das Verzeichnis auf, das diese Datei enthält.

1. Das Benutzer-Briefing festlegen

Zielen Sie auf die Kommunikationsqualität ab, die von führenden KI-Konferenzbeiträgen erwartet wird: klarer Fünf-Sekunden-Beitrag, quellengebundene Behauptungen, reviewer-lesbarer Text, präzise Pfeile, kompakte Informationsdichte, disziplinierte Ausrichtung, barrierefreie Farbe und eine editierbare Master-Datei. Beispiele hierfür sind NeurIPS, ICML, ICLR, AAAI, CVPR, ACL und KDD. Dies ist ein Qualitätsziel, keine automatische Behauptung der Konferenzkonformität. Wenn die aktuellen technischen Anforderungen einer bestimmten Konferenz relevant sind, überprüfen Sie diese anhand offizieller Quellen.

Bitten Sie den Benutzer, vor der Analyse diese drei Entscheidungen zu treffen:

Figurentyp: Motivation, Pipeline oder beides?
Vorhandene korrespondierende Abbildung im Papier: ja, nein oder unbekannt?
Wenn ja: vollständig ersetzen, als Referenz verwenden und verbessern oder beibehalten und ausgewählte Teile reparieren?

Wenn die Anfrage eine Entscheidung bereits beantwortet, fragen Sie nicht erneut. Wenn eine oder mehrere Entscheidungen fehlen, stellen Sie vor der Generierung eine einzige prägnante kombinierte Frage. Der Benutzer kann mit unbekannt auf vorhandene Abbildungen antworten; lösen Sie diesen Fall in Schritt 3, ohne die Abbildung zuerst visuell zu inspizieren.

2. Ausgaben ohne Rollenklassifizierung auswählen

Dieses Skill hat zwei feste Figurentypen:

• motivation: warum das Problem wichtig ist und warum die Forschung benötigt wird;
• pipeline: wie die vorgeschlagene Methode Eingabe in Ausgabe transformiert.

Befolgen Sie den Befehl des Benutzers:

• Wenn der Benutzer motivation, Abbildung 1, Problem/Lücke oder 动机图 anfordert, generieren Sie nur motivation.
• Wenn der Benutzer pipeline, Methode, Workflow, Architektur, 方法图 oder 流程图 anfordert, generieren Sie nur pipeline.
• Wenn der Benutzer beides oder einen vollständigen Abbildungssatz anfordert, generieren Sie beides.
• Wenn der Benutzer keinen Typ angibt, fragen Sie, ob er Motivation, Pipeline oder beides möchte, bevor Sie fortfahren.

Leiten Sie nicht eine „gewinnende Rolle“ ab und unterdrücken Sie die andere.

3. Vorhandene Papierabbildungen vor der Inspektion auflösen

Respektieren Sie zuerst die Benutzerausschlüsse. Verwenden Sie niemals ausgeschlossene Seiten, Abbildungen, Bildunterschriften oder Anhänge, selbst um zu entscheiden, ob sie als Referenzen dienen sollten.

Für die verbleibende erlaubte Quelle erkennen Sie das wahrscheinliche Vorhandensein einer vorhandenen Motivations- oder Pipeline-Abbildung, ohne sie zuerst visuell zu inspizieren. Verwenden Sie, wenn praktikabel, nicht-visuelle Signale wie die Anzahl der Bildobjekte im PDF, die Platzierung im Abschnitt oder einen sichtbaren Figure-Marker im bereits erlaubten extrahierten Text.

Wenn das Papier eine vorhandene Abbildung eines ausgewählten Typs zu enthalten scheint und der Benutzer noch keine Anweisung gegeben hat, halten Sie vor dem Öffnen dieser Abbildung oder dem Lesen ihrer Bildunterschrift inne und stellen Sie eine einzige prägnante Frage:

Das Papier scheint eine vorhandene Motivations-/Pipeline-Abbildung zu enthalten. Soll ich (1) unabhängig neu generieren und ignorieren, (2) nur als visuelle/Layout-Referenz verwenden oder (3) beibehalten und reparieren?

• Bei unabhängiger Neugenerierung: Inspizieren oder verwenden Sie die alte Abbildung oder ihre Bildunterschrift nicht. Erstellen Sie eine neue Komposition aus dem erlaubten Papiertext und diesem Skill.
• Bei referenzgeführter Neugenerierung: Inspizieren Sie sie nur nach Erlaubnis und behandeln Sie sie als visuelle Struktur/Stil, niemals als wissenschaftliche Evidenz.
• Bei Reparatur: Bewahren Sie verifizierte Elemente und ändern Sie nur angeforderte oder fehlgeschlagene Teile.

Wenn der Benutzer bereits gesagt hat, eine vorhandene Abbildung zu verwerfen, zu ignorieren, als Referenz zu verwenden oder zu reparieren, befolgen Sie diese Anweisung ohne erneute Nachfrage. Fragen Sie nicht nach beiläufigen Diagrammen oder Abbildungen, die nichts mit dem ausgewählten Ausgabetyp zu tun haben.

4. Die erlaubte Quelle lesen und zusammenfassen

Lesen Sie das vollständige erlaubte Papier oder Briefing einmal. Respektieren Sie jeden Benutzerausschluss vor der Textextraktion oder visuellen Inspektion. Verwenden Sie niemals ausgeschlossene Bildunterschriften, Abbildungen, Seiten oder Anhänge als Evidenz.

Erstellen Sie eine paper-summary.md, normalerweise 500–900 Wörter oder äquivalent, die Folgendes enthält:

1. Forschungsproblem und Bedeutung;
2. aktueller Ansatz und konkrete Lücke;
3. begrenzte These und Beiträge;
4. Methodeneingabe, 3–7 Hauptschritte, Übergaben und Ausgabe;
5. stärkste exakte Ergebnisse, die zum Verständnis des Papiers beitragen;
6. Einschränkungen und Interpretationen, die die Abbildung nicht implizieren darf;
7. exakte Terminologie, Zahlen und Beschriftungen, die wahrscheinlich in einer Abbildung erscheinen;
8. inspizierter Umfang, Ausschlüsse und fehlendes Material.

Verwenden Sie, wo praktikabel, Seiten-/Abschnittsanker, aber erstellen Sie kein separates Evidenz-Ledger. Bewahren Sie Einheiten, Vorzeichen, Qualifikatoren und Unsicherheit. Erfinden Sie keine fehlenden Module, Werte, Beziehungen oder Kausalaussagen.

5. Die feste Prompt-Vorlage füllen

Lesen Sie jedes Mal references/prompt-templates.md. Füllen Sie nur die Vorlage(n), die in Schritt 2 ausgewählt wurden.

Für jeden Prompt:

• ersetzen Sie jeden {{PLATZHALTER}};
• kopieren Sie exakte wissenschaftliche Bezeichnungen aus der Zusammenfassung;
• behalten Sie eine klare Fünf-Sekunden-Botschaft bei;
• listen Sie jede sichtbare Entität und jeden Pfeil als Quelle → Ziel | Beschriftung/Nutzlast auf;
• geben Sie an, was nicht gezeigt werden darf;
• fordern Sie live editierbaren Text und vektorielle/native Formen an;
• fügen Sie den kurzen negativen Prompt und die kritische QA-Checkliste ein.

Speichern Sie motivation-prompt.md, pipeline-prompt.md oder beide. Fügen Sie nicht das gesamte Papier in einen Zeichen-Prompt ein.

Jeder gefüllte Prompt muss einen Layout-Sicherheitsvertrag enthalten:

• reservieren Sie einen sauberen äußeren Sicherheitsbereich von 4–6 % an jedem Bildrand;
• halten Sie Titel, Beschriftungen, Pfeilspitzen, Ränder und aussagekräftige Symbole vollständig innerhalb dieses Sicherheitsbereichs; nur unwesentliche Hintergrundtexturen dürfen ihn betreten;
• verteilen Sie die visuelle Masse über die nutzbare Leinwand, normalerweise 75–88 %, ohne eine große unbeabsichtigte leere Region;
• richten Sie verwandte Randbereiche der Panels, Titel-Einzüge, Stufenmittelpunkte, Zeilen-Grundlinien und wiederholte Objekte an expliziten gemeinsamen Führungslinien aus;
• halten Sie Abstände konsistent und machen Sie Weißraum beabsichtigt;
• vermeiden Sie sowohl Randgedränge als auch eine Komposition, bei der der meiste Inhalt in eine Ecke gequetscht ist.

Referenzgeführter Stilvertrag

Wenn der Benutzer ein oder mehrere gewünschte Beispiele liefert, behandeln Sie jedes als primäre Stil- und Kompositionsreferenz, nicht als optionale Inspiration und nicht als wissenschaftliche Evidenz.

Vor dem Rendern übersetzen Sie die Beispiele in beobachtbare Anweisungen für:

• Panel-Topologie und ungefähre Bereichsverhältnisse;
• Randstil, Strichcharakteristik und Eckbehandlung;
• Titel-Schriftzug, Text-Schriftzug und Typografie-Hierarchie;
• Symbolfamilie, Pfeil-Rhythmus, Informationsdichte und Weißraum;
• semantische Akzentfarben und wo Füllungen verwendet werden oder nicht.

Der gefüllte Prompt muss explizit sagen, dass der Renderer diese visuelle Sprache beibehalten und sie nicht in einen generischen Hausstil umgestalten muss. Ersetzen Sie alle referenzspezifischen wissenschaftlichen Inhalte, Texte, Zahlen, Logos und einzigartigen Symbole durch das validierte Inventar aus dem aktuellen Papier.

Wenn keine visuelle Referenz geliefert wird, verwenden Sie als Standard eine handgezeichnete akademische Infografik: weißer Papierhintergrund, leicht unregelmäßige schwarze Linienführung, farbige gestrichelte abgerundete Panel-Ränder, handschriftlich wirkende Überschriften, einfache wissenschaftliche Kritzel-Symbole, spärliche blasse Hervorhebungen und kompakte, aber lesbare Informationsdichte. Verwenden Sie nicht als Standard ein modernes Corporate-Card-Raster.

Motivationsgrenze

Verwenden Sie:

Status quo → beobachtete Einschränkung oder blinder Fleck → begrenzter Forschungsbedarf

Zeigen Sie höchstens drei primäre Botschaften. Geben Sie nicht die gesamte Architektur, das Trainingsverfahren oder die Ergebnis-Rangliste preis.

Pipeline-Grenze

Verwenden Sie:

typisierte Eingabe → 3–7 verbgeführte Stufen → typisierte Ausgabe

Benennen Sie jede Übergabe. Zeigen Sie Verzweigungen oder Feedback nur, wenn die Quelle sie explizit unterstützt. Fügen Sie keine Benchmark-Sieg-Abzeichen oder dekorativen Module hinzu.

6. Die Abbildung generieren

Verwenden Sie den gefüllten Prompt als Renderer-Eingabe. Interpretieren Sie ihn nicht stillschweigend in ein anderes visuelles System um.

6.1 Die Renderreihenfolge wählen

Verwenden Sie bildbasiertes Rendern, wenn einer der folgenden Punkte zutrifft:

• der Benutzer hat eine visuelle Referenz geliefert;
• der Benutzer bittet um GPT/Bildmodell-Generierung;
• die Anpassung an eine handgezeichnete oder illustrative visuelle Sprache ist wichtiger als perfekte Vektorreinheit.

Im bildbasierten Modus übergeben Sie den gefüllten Prompt und die gelieferten Referenzbilder direkt an den Bildgenerator. Das erste Artefakt ist das stiltreue PNG. Ersetzen Sie diesen Schritt nicht durch ein manuell entworfenes Corporate-SVG.

Verwenden Sie vektorbasiertes Rendern nur, wenn der Benutzer explizit eine vollständig editierbare deterministische Master-Datei priorisiert oder wenn exakte Plots/Gleichungen dominieren. Die vektorbasierte Ausgabe muss dennoch den deklarierten Stilvertrag umsetzen; editierbar bedeutet nicht saubere serifenlose Karten.

Wenn sowohl Stiltreue als auch Editierbarkeit angefordert werden:

1. generieren und genehmigen Sie zuerst das stiltreue Bild;
2. erstellen Sie eine editierbare SVG-Begleitdatei, die dieselbe Panel-Topologie, gestrichelte Ränder, handgezeichnete Liniencharakteristik, Schriftzug-Hierarchie, Symbole und Akzentpalette beibehält;
3. halten Sie exakte wissenschaftliche Beschriftungen, Werte und Pfeile live und korrekt;
4. geben Sie an, ob eine illustrative Ebene rasterbasiert bleibt, anstatt zu behaupten, die gesamte Abbildung sei vollständig editierbar.

Standard-Liefergegenstände bleiben:

motivation.svg + motivation.png
pipeline.svg + pipeline.png

Verwenden Sie ein anderes editierbares Format nur, wenn der Benutzer danach fragt. Exakte quantitative Plots, Achsen, Gleichungen und sensible Zahlen bleiben deterministisch. Kurze Diagrammbeschriftungen können im bildbasierten Stildurchlauf generiert werden, müssen aber Zeichen für Zeichen überprüft und bei Bedarf im editierbaren Begleitstück korrigiert werden.

Konvertieren Sie vor dem Rendern den Layout-Sicherheitsvertrag in konkrete Koordinaten oder Proportionen. Für eine provisorische 1800 × 1000 Leinwand halten Sie kritischen Inhalt etwa 72–108 px von den linken/rechten Rändern und 40–60 px von oben/unten. Richten Sie wiederholte Regionen und Objekte an benannten Führungslinien aus. Verwenden Sie keine scheinbaren randlosen Ränder, die nach dem Export zu Beschneidungen führen könnten.

Wenn ein Referenzbild geliefert wird, bewahren Sie seine beobachtbare visuelle Grammatik so genau, dass das Ergebnis zur angeforderten Stilfamilie gehört. Kopieren Sie nicht seinen wissenschaftlichen Inhalt, Text, Werte, Logos oder quellspezifischen Symbole.

7. Eine schnelle kritische Prüfung durchführen

Inspizieren Sie die tatsächliche Vorschau bei 100 % und einer 200 %-Ansicht. Prüfen Sie nur diese Tore:

1. Wissenschaft — keine erfundenen oder stärker-als-die-Quelle Behauptungen, Werte, Komponenten oder rechtlichen/klinischen Schlussfolgerungen.
2. Struktur — erforderliche Entitäten sind vorhanden; Stufenreihenfolge und jeder Pfeil-Endpunkt/Richtung sind korrekt.
3. Text — exakte Rechtschreibung, Symbole und Zahlen; kein Pseudo-Text, fehlende Glyphen oder unleserliche Beschriftungen.
4. Optik und Layout — keine Unschärfe, verschwommenen/verschmolzenen Formen, Überlappungen, Beschneidungen, außerhalb der Leinwand liegende Inhalte oder offensichtliche niedrigauflösende Vergrößerung. Bestätigen Sie einen sichtbaren 4–6 %-Rand-Sicherheitsbereich, ausgewogene Nutzung der Leinwand, keine große unbeabsichtigte leere Region, konsistente Abstände und Ausrichtung von zusammengehörigen Titeln, Panels, Zeilen, Stufen und wiederholten Objekten.
5. Editierbarkeit — die Master-Datei behält Live-Text und separate Vektor-/Native-Objekte bei, anstatt eine flache Bitmap zu sein.

Wenn eine Referenz geliefert wurde, besteht das Optik-Tor auch nicht, wenn Panel-Topologie, Randbehandlung, Schriftzug-Charakteristik, Symbolsprache oder Informationsdichte in eine sichtbar andere Stilfamilie abgedriftet sind.

Für SVG führen Sie optional die leichte Prüfung durch:

python3 "${SKILL_ROOT}/scripts/quick_qa.py" figure.svg figure.png

Für eine ehrlich offengelegte bildbasierte Hybriddatei, deren Illustrationsebene Raster bleibt, verwenden Sie --allow-hybrid. Verwenden Sie dieses Flag niemals, um ein flaches Bild als vollständig editierbar zu beschreiben.

Wenn ein Tor nicht bestanden wird, führen Sie eine gezielte Reparatur durch und inspizieren Sie erneut. Stoppen Sie beim ersten bestandenen Ergebnis. Verwenden Sie höchstens zwei Renderversuche, es sei denn, der Benutzer bittet um weitere Iterationen.

8. Lieferung klein halten

Standarddateien:

paper-summary.md
motivation-prompt.md        # nur wenn ausgewählt
motivation.svg
motivation.png
pipeline-prompt.md          # nur wenn ausgewählt
pipeline.svg
pipeline.png

Melden Sie die fünf QA-Tore in der endgültigen Antwort; erstellen Sie keine QA-Datei. Temporäre Renderings gehören in ein OS-temporäres Verzeichnis und sollten entfernt werden, nachdem die endgültigen Dateien bestanden haben.

Grenzen

• Setzen Sie privates oder unveröffentlichtes Material ohne Autorisierung keinen externen Anbietern aus.
• Verwenden Sie keine bildgenerierten Achsen, Benchmark-Werte, Gleichungen oder endgültigen hochriskanten wissenschaftlichen Beschriftungen ohne deterministische Verifizierung.
• Behaupten Sie keine Konferenzkonformität, es sei denn, die aktuellen offiziellen Anforderungen wurden überprüft.
• Imitieren Sie keinen lebenden Künstler und kopieren Sie keine Referenzabbildung genau.
• Ersetzen Sie keine fachliche wissenschaftliche, statistische, klinische oder rechtliche Überprüfung.