Paper Illustration Image2

Vor jedem Prüfer-Slot befolgen Sie die Auswählbaren Prüfer: Auflösung des Aufrufs → .aris/reviewer.json → Claude Code Standard (Codex MCP) mit reviewer_route.py über den kanonischen Helfer-Resolver, wobei die Ebene dieses Slots, frische Kontexte, Quellen-/Bildeingaben und deterministische Tore erhalten bleiben. Codex-Beispiele/Pins unten gelten nur für backend=codex; andere Routen verwenden ihre eigenen Erstaufruf-/Antwort-Verträge. Speichern Sie die Route und die tatsächlich zurückgegebene Identität; nicht verfügbare Auswahlen sind REVIEW_UNAVAILABLE. Klassifizieren Sie die Annahme anhand tatsächlicher Familien/Abdeckung/Umfänge. Leiten Sie Aufrufer-/Prüfer-/Aufwands-Überschreibungen an prüfertragende Kinder weiter. Generierungsarbeiter bleiben unverändert.

Generieren Sie publikationsreife Papierabbildungen unter Verwendung von Claude als Planer/Prüfer und einer lokalen Codex-App-Server-MCP-Brücke als Raster-Renderer.

Kern-Design-Philosophie

┌──────────────────────────────────────────────────────────────────────────┐
│                    MULTI-STAGE ITERATIVE WORKFLOW                        │
├──────────────────────────────────────────────────────────────────────────┤
│                                                                          │
│   Benutzeranfrage                                                        │
│       │                                                                  │
│       ▼                                                                  │
│   ┌─────────────┐                                                        │
│   │   Claude    │ ◄─── Schritt 1: Anfrage parsen, initialen Prompt erstellen │
│   │  (Planer)   │      - Komponenten, Beschriftungen und Datenfluss extrahieren │
│   │             │      - Eine publikationsreife Abbildungsbeschreibung verfassen │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │Claude/Codex │ ◄─── Schritt 2: Layout-Beschreibung optimieren               │
│   │   Layout    │      - Positionierung der Komponenten verfeinern                │
│   │   Prüfung   │      - Abstände und Gruppierung optimieren                   │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │Claude/Codex │ ◄─── Schritt 3: CVPR/NeurIPS-Stilprüfung                 │
│   │   Stil-     │      - Palette, Pfeile und Beschriftungsstandards prüfen           │
│   │   Prüfung   │      - Prompt vor dem Rendern straffen                   │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │ codex-image2│ ◄─── Schritt 4: Native Bildgenerierung über Brücke          │
│   │ MCP-Brücke │      - generate_start / generate_status aufrufen               │
│   │ + App-Server│      - Nur native imageGeneration-Ausgabe akzeptieren       │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │   Claude    │ ◄─── Schritt 5: STRENGE visuelle Prüfung + PUNKTZAHL (1-10)   │
│   │  (Prüfer)   │      - Logik, Beschriftungen, Pfeile und Ästhetik prüfen   │
│   │   STRENG!   │      - Unklare oder nicht publikationsreife Abbildungen ablehnen │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   Punktzahl ≥ 9? ──JA──► Akzeptieren & Ausgeben                         │
│          │                                                               │
│          NEIN                                                            │
│          │                                                               │
│          ▼                                                               │
│   SPEZIFISCHES Verbesserungsfeedback generieren ──► Zurück zu Schritt 2  │
│                                                                          │
└──────────────────────────────────────────────────────────────────────────┘

Konstanten

RENDERER = codex-image2 — Native Bildgenerierungsbrücke, bereitgestellt über den lokalen Codex-App-Server
OPTIONAL_TEXT_CRITIC = mcp__codex__codex — Optionale textbasierte Zweitmeinung für Layout-/Stilprüfungen
MAX_ITERATIONS = 5 — Maximale Verfeinerungsdurchläufe
TARGET_SCORE = 9 — Mindestakzeptanzpunktzahl (1-10)
OUTPUT_DIR = figures/ai_generated/ — Ausgabeverzeichnis
TEXT_LANGUAGE = Deutsch — Standard-Abbildungstextsprache (vom Benutzer anpassbar)
NATIVE_IMAGE_REQUIREMENT = strict — Nur native imageGeneration-Ausgabe akzeptieren; Shell-/Python-Fallbacks ablehnen

IMAGE2_HELPER — kanonischer Name paper_illustration_image2.py, aufgelöst gemäß shared-references/integration-contract.md §2 (Richtlinie A — Skill-lokales Gate). Phase 3.2 (Arch C) hat die kanonische Implementierung nach skills/paper-illustration-image2/scripts/ verschoben; tools/paper_illustration_image2.py bleibt als os.execv-Shim, damit ältere Resolver-Schichten ohne Neuinstallation weiter funktionieren. Auflösen über:

# Ebene 0: eigenständig (CC 1.0+ stellt $CLAUDE_SKILL_DIR bereit).
IMAGE2_HELPER=""
if [ -n "${CLAUDE_SKILL_DIR:-}" ] && [ -f "$CLAUDE_SKILL_DIR/scripts/paper_illustration_image2.py" ]; then
  IMAGE2_HELPER="$CLAUDE_SKILL_DIR/scripts/paper_illustration_image2.py"
fi
# Ebenen 1-4: gemeinsame Laufzeitkette über Shim unter tools/paper_illustration_image2.py.
if [ -z "$IMAGE2_HELPER" ]; then
  cd "$(git rev-parse --show-toplevel 2>/dev/null || pwd)" || exit 1
  if [ -z "${ARIS_REPO:-}" ] && [ -f .aris/installed-skills.txt ]; then
      ARIS_REPO=$(awk -F'\t' '$1=="repo_root"{print $2; exit}' .aris/installed-skills.txt 2>/dev/null) || true
  fi
  if [ -z "${ARIS_REPO:-}" ] && [ -f "$HOME/.aris/repo" ]; then
      ARIS_REPO=$(cat "$HOME/.aris/repo" 2>/dev/null) || true
  fi
  IMAGE2_HELPER=".aris/tools/paper_illustration_image2.py"
  [ -f "$IMAGE2_HELPER" ] || IMAGE2_HELPER="tools/paper_illustration_image2.py"
  [ -f "$IMAGE2_HELPER" ] || { [ -n "${ARIS_REPO:-}" ] && IMAGE2_HELPER="$ARIS_REPO/tools/paper_illustration_image2.py"; }
  [ -f "$IMAGE2_HELPER" ] || IMAGE2_HELPER=""
fi
[ -z "$IMAGE2_HELPER" ] && {
  echo "FEHLER: paper_illustration_image2.py nicht aufgelöst (Ebene 0: \$CLAUDE_SKILL_DIR/scripts/; Ebenen 1-4: .aris/tools/, tools/, \$ARIS_REPO/tools/, \$ARIS_REPO/tools/ über ~/.aris/repo)." >&2
  echo "       /paper-illustration-image2 kann nicht fortfahren. Behebung: Führen Sie bash tools/install_aris.sh oder smart_update.sh erneut aus (aktualisiert ~/.aris/repo), oder kopieren Sie das kanonische Skript aus \$ARIS_REPO/skills/paper-illustration-image2/scripts/." >&2
  exit 1
}

Alle nachfolgenden Aufrufe verwenden python3 "$IMAGE2_HELPER" <Unterbefehl>.

Stilleitfaden für Top-Tier-Konferenzen (CVPR/ICLR/NeurIPS)

Was "CVPR-Stil" wirklich bedeutet:

Visuelle Standards

Sauberer weißer Hintergrund — Keine dekorativen Muster oder Farbverläufe, es sei denn, sie sind extrem dezent
Serifenlose Schriftarten — Arial, Helvetica oder ähnlich saubere, papierfreundliche Typografie
Dezente Farbpalette — 3-5 aufeinander abgestimmte Farben verwenden, keine Regenbogenfarben
Druckfreundlich — Auch in Graustufen verständlich bleiben
Professionelle Rahmen — Dünn bis mittelstark, sauber und konsistent

Layout-Standards

Horizontaler Fluss — Links-nach-rechts ist der Standard für Pipelines
Klare Gruppierung — Abstände oder dezente Gruppierungsrahmen für verwandte Module verwenden
Konsistente Größen — Ähnliche Komponenten sollten ähnliche Größen haben
Ausgewogener Weißraum — Weder beengte noch übermäßig weitläufige Layouts vermeiden

Pfeil-Standards (AM KRITISCHSTEN)

Dicke Striche — Pfeile müssen nach der Skalierung des Papiers sichtbar bleiben
Klare Pfeilspitzen — Große, unverkennbare Pfeilspitzen
Dunkle Farben — Schwarze oder dunkelgraue Pfeile bevorzugen
Beschriftet — Wichtige Pfeile sollten zeigen, was durch sie fließt
Keine Kreuzungen — Die Abbildung so umorganisieren, dass Kreuzungen nach Möglichkeit vermieden werden
RICHTIGE RICHTUNG — Pfeile müssen auf das richtige Ziel zeigen

Visuelle Anziehungskraft (Akademischer, professioneller Stil)

Ziel: Weder konservativ noch auffällig, die Balance finden

✅ Sollte haben

Dezente Farbverläufe — Sanfte Farbverläufe innerhalb derselben Familie sind akzeptabel
Abgerundete Ecken — Moderne, aber zurückhaltende abgerundete Blöcke
Klare Hierarchie — Hauptmodule größer, sekundäre Module kleiner
Konsistente Farbcodierung — Stabile Zuordnung zwischen Modultypen und Farben
Professionelle Typografie — Saubere Beschriftungen mit lesbarer Größenhierarchie

❌ Vermeiden

❌ Regenbogen-Farbverläufe
❌ Starke Schlagschatten
❌ 3D-Perspektiveffekte
❌ Glüheffekte
❌ Dekorative Clip-Art-Symbole
❌ Folien-Stil, der auffällig statt papierfertig wirkt

✓ Idealer Effekt

Sieht beabsichtigt, professionell und sofort lesbar aus
Hat moderate visuelle Anziehungskraft, ohne dekorativ zu werden
Wirkt angemessen für eine Abbildung in einer Top-Konferenzpublikation
Übersteht PDF-Skalierung und Graustufendruck

Was zu VERMEIDEN ist (KRITISCH)

❌ Dünne, haarfeine Pfeile
❌ Unbeschriftete oder mehrdeutige Verbindungen
❌ Winziger, unleserlicher Text
❌ Flache, langweilige Kasten-Suppe ohne Hierarchie
❌ Überdekorierte Abbildungen mit Schatten/Glühen/Symbolen
❌ Falsche Pfeilrichtungen

Umfang

Abbildungstyp	Qualität	Beispiele
Architekturdiagramme	Hervorragend	Modellarchitektur, Pipeline, Encoder-Decoder
Methodenillustrationen	Hervorragend	Konzeptdiagramme, Algorithmus-Flussdiagramme
Konzeptabbildungen	Gut	Vergleichsdiagramme, Taxonomie-Bäume

Nicht geeignet für: Statistische Diagramme (/paper-figure verwenden), deterministische Vektortopologie-Abbildungen (/figure-spec bevorzugen), fotorealistische Szenen

Arbeitsablauf: ALLE SCHRITTE MÜSSEN AUSGEFÜHRT WERDEN

Schritt 0: Vorab-Check

Geben Sie diese Checkliste vor dem Start explizit aus:

📋 paper-illustration-image2 Integrations-Checkliste:
   [ ] 1. python3 "$IMAGE2_HELPER" preflight --workspace <cwd> --json-out figures/ai_generated/preflight.json
   [ ] 2. Bestätigen Sie, dass das Preflight-JSON ok=true sagt, bevor Sie rendern
   [ ] 3. Rendern über mcp__codex-image2__generate_start + generate_status
   [ ] 4. Finalisieren über python3 "$IMAGE2_HELPER" finalize --workspace <cwd> --best-image <best_png>
   [ ] 5. Artefakte über python3 "$IMAGE2_HELPER" verify --workspace <cwd> --json-out figures/ai_generated/verify.json verifizieren

Erstellen Sie figures/ai_generated/, falls es nicht existiert.
Bestätigen Sie, dass die Anfrage für eine Rasterillustration geeignet ist:
- Architekturdiagramm
- konzeptionelle Methodenabbildung
- Arbeitsablauf-Illustration
Bevorzugen Sie deutschen Abbildungstext, sofern der Benutzer nichts anderes wünscht.
Führen Sie aus:

python3 "$IMAGE2_HELPER" preflight \
  --workspace <cwd> \
  --json-out figures/ai_generated/preflight.json

Wenn der Preflight nicht ok=true ist, stoppen Sie und sagen Sie dies deutlich.

Schritt 1: Claude plant die Abbildung

Wandeln Sie die Benutzeranfrage in einen vollständig spezifizierten Bild-Prompt um. Fügen Sie ein:

Abbildungstyp
genaue Module / Stufen
Flussrichtung
anzuzeigende Beschriftungen
Datenflusspfeile
Stileinschränkungen
was zu vermeiden ist

Wenn es sich bei der Eingabe um eine Methodennotiz oder einen Papierabschnitt handelt, fassen Sie diese zuerst in einer sauberen Abbildungsbeschreibung zusammen, bevor Sie den endgültigen Bild-Prompt schreiben.

Schritt 2: Layout-Optimierung

Dieser Schritt ist erforderlich. Verfeinern Sie den Prompt vor dem Rendern in einen konkreten Layout-Plan:

genaue Modulreihenfolge
Abstände und Gruppierung
relative Modulbedeutung
Pfeilführung und wahrscheinliche Kollisionspunkte

Wenn die ausgewählte Textprüfungsroute verfügbar ist, können Sie sie hier nach einer kurzen Zweitmeinung zur Layout-Kritik fragen, aber der Ausführende sollte diesen Schritt auch ohne einen externen Kritiker abschließen.

Verwenden Sie die Codex-Layout-Kritik für:

fehlende Komponenten
verwirrendes Layout
schwache Flusshierarchie
wahrscheinliche Pfeilrichtungs-Mehrdeutigkeit oder -Unordnung

Schritt 3: Stil-Prüfung

Auch dieser Schritt ist erforderlich. Prüfen Sie den Prompt vor dem Rendern auf den beabsichtigten Papier-Stil:

Palette ist zurückhaltend und akademisch
Pfeile sind dick, dunkel und lesbar
Beschriftungen sind prägnant und in der Standardsprache, sofern nicht anders gewünscht
die Abbildung wird in Graustufen / Druck klar lesbar sein
kein Glühen, Regenbogenverlauf oder Folien-Dekoration schlüpft hinein

Wenn die ausgewählte Textprüfungsroute verfügbar ist, können Sie sie um eine kurze, reine Text-Stil-Prüfung bitten, aber blockieren Sie nicht darauf.

Schritt 4: Generierung über die Brücke

Rufen Sie mcp__codex-image2__generate_start auf mit:

prompt: der endgültige Bild-Prompt
cwd: aktuelles Projektwurzelverzeichnis oder Papier-Arbeitsbereich
outputPath: figures/ai_generated/figure_v1.png
system: eine kurze Anweisung wie Akademische Papierabbildung. Bevorzuge klare deutsche Beschriftungen.
timeoutSeconds: ein begrenztes Render-Timeout wie 180

Rufen Sie dann mcp__codex-image2__generate_status mit begrenzten Wartezeiten auf, bis:

done=true und status=completed, oder
done=true und status=failed

Wenn die Generierung fehlschlägt, melden Sie den Brückenfehler direkt, anstatt ihn zu verbergen.

Schritt 5: Prüfung der Ausgabe

Prüfen Sie das generierte Bild mit einer strengen Checkliste:

sind alle Hauptkomponenten vorhanden?
ist der logische Fluss offensichtlich?
sind die Beschriftungen lesbar?
zeigen die Pfeile in die richtige Richtung?
sieht die Abbildung publikationsreif aus und nicht wie eine Folie?

Bewerten Sie es mit 1-10.

Schritt 6: Bei Bedarf verfeinern

Wenn die Punktzahl < 9 ist, schreiben Sie einen gezielten Verfeinerungsprompt:

sagen Sie genau, was falsch war (Beispiele: "Pfeil von A nach B zeigt in die falsche Richtung")
spezifizieren Sie die zu ändernden Farben, Größen oder Beschriftungen
verwenden Sie konkrete, umsetzbare Sprache; wiederholen Sie keine generischen Stilregeln

Führen Sie die Schritte 4-5 erneut aus.

Schritt 7: Finalisieren

Sobald die Punktzahl ≥ 9 ist:

Kopieren Sie das akzeptierte Bild in den Ausgabeordner (falls nicht bereits geschehen).
Führen Sie aus:

python3 "$IMAGE2_HELPER" finalize --workspace <cwd> --best-image <bester_pfad>

Führen Sie aus:

python3 "$IMAGE2_HELPER" verify --workspace <cwd> --json-out figures/ai_generated/verify.json

Melden Sie dem Benutzer den endgültigen Bildpfad und die Punktzahl.

erlingerwu0925/paper-illustration-image2

Was ist paper-illustration-image2?

In Ihrer bevorzugten KI fragen

Dokumentation