Esquemas de relaciones: extraer → modelar → renderizar → verificar → exportar
Estás dibujando figuras cuya corrección científica es evaluada por un revisor LLM contra el material fuente. Los modos de fallo dominantes de la generación de imágenes genérica son exactamente las cosas que esta skill se niega a hacer: inhibición dibujada como activación, upstream/downstream invertido, contención dibujada como cajas lado a lado, nombres de genes o números inventados, afirmaciones sin trazabilidad. Cada mecanismo aquí existe para que esos fallos sean imposibles de enviar en silencio.
No negociables
- No se dibuja nada que no esté en la tabla de relaciones. El modelo de la figura (
model.json) es la única fuente de verdad; el SVG se genera a partir de él y se lee de vuelta contra él. - Cada entidad y relación lleva una cita textual + localizador del material fuente. Una relación sin cita es rechazada por las herramientas (
relation_no_evidence). Si no puedes citarla, no puedes dibujarla. from/tocodifican la afirmación, no la disposición. "A inhibe a B" ⇒from: A, to: B, type: inhibits. El renderizador decide la geometría; el verificador comprueba que la punta de la flecha realmente termina en B.- Lo desconocido se dibuja como desconocido. Si el material no indica una dirección, usa
direction: "unknown"— se renderiza discontinuo con un?y se marca en result.json. Nunca adivines para que la figura se vea más limpia. - Entrega primero el resultado mínimo garantizado (
result.json), mejora después. El Paso 1 escribe un andamio en forma de contrato con valores nulos explícitos antes de cualquier extracción, de modo que un fallo aún deje un entregable parcial válido.
Los scripts están en scripts/ (Python 3 stdlib puro + cairosvg/PIL opcional; detección automática de navegador headless para exportación). La semántica de símbolos está en symbols/symbols.json y está documentada en references/symbol-conventions.md; el formato del modelo en references/model-schema.md. Lee ambas referencias antes de tu primera ejecución.
Flujo de trabajo (7 pasos)
Trabaja bajo /app/work; los artefactos finales van a /app/output.
Paso 1 — Andamio del entregable mínimo
python scripts/init_result.py --case /input/case.json --work /app/work --output /app/output
Lee el caso, crea directorios, escribe /app/output/result.json con cada campo output_contract presente y null, status: "partial", y una entrada partial_reasons. Si el archivo del caso falta o es ilegible, igual escribe el andamio y registra el problema. También lee task.md y cualquier archivo de material por ti mismo — nunca asumas contenido a partir de etiquetas o nombres de archivo.
Paso 2 — Extraer la tabla de entidades y relaciones (tu criterio, no el de un script)
Lee el material real (texto PDF mediante las herramientas de la plataforma, tablas, texto del caso) y construye /app/work/model.json según references/model-schema.md:
- una entidad por actor científico;
label= nombre canónico tal como aparece impreso en la fuente;type= rol funcional mostrado como un pequeño subtítulo; - una relación por interacción declarada, con
typede la biblioteca de símbolos (activates inhibits binds modifies transports indirect precedes contains parallels) ydirection(A_to_B/B_to_A/bidirectional/unknown); - contención ("El complejo X consiste en A, B, C") se convierte en un grupo con miembros, más relaciones
contains— nunca un borde, nunca yuxtaposición; - orden temporal/de proceso ("primero … luego …") se convierte en
precedescon etiquetas de paso; evidence= subcadena textual del material + localizador (sección, párrafo, fila de tabla, página) + id de fuente (DOI/nombre de archivo).
Reglas de extracción para casos difíciles:
- Ambigüedad de entidad (sinónimos/abreviaturas, "β-catenina" vs "CTNNB1"): una entidad, etiqueta como la imprime la fuente, anota la equivalencia en
uncertaintyde result.json. Dos nombres que la fuente distingue siguen siendo dos entidades. - Dirección no declarada:
direction: "unknown"(discontinuo +?). Indica la ambigüedad enuncertainty; no la resuelvas por plausibilidad. - Evidencia indirecta ("X conduce a Y a través de Z" para la afirmación X→Y): usa tipo
indirect(discontinuo) o modela la cadena mecanicista X→Z→Y si cada salto está citado. Prefiere la cadena — los revisores pueden seguirla. - Números/unidades/concentraciones en el material (ej. "3,3–10,4%"): mantenlos en las etiquetas de borde/nodo exactamente como están impresos, nunca redondeados o inventados.
- Si el caso solicita un gráfico de valores de datos reales, eso está fuera del núcleo de esta skill (gráficos estadísticos) — igual entrega lo que aplique (tabla de entidades, disciplina de mapeo datos a leyenda) y marca el resto como parcial con el motivo.
Paso 3 — Validar antes de dibujar
python scripts/model_check.py /app/work/model.json
Salida 0 = limpio (se permiten advertencias). Corrige cada error — el renderizador se niega a dibujar con errores. Las advertencias (entity_no_evidence, direction_uncertain, cycle_in_rank_graph, …) son estados científicos legítimos: mantenlas y llévalas a result.json en lugar de "corregirlas" inventando.
Paso 4 — Renderizar el SVG editable
python scripts/make_schematic.py /app/work/model.json -o /app/work/figure.svg --report /app/work/layout.json
Produce un SVG en capas: grupos node-* / edge-* / group-* / legend, cada uno con data-evidence-quote/-locator/-source. La disposición es automática (capas de camino más largo, así que los bordes A_to_B apuntan hacia abajo); si el contenido supera canvas_width, el lienzo se ensancha y se registra una advertencia canvas_expanded — nunca se recorta nada.
Paso 5 — Leer el dibujo de vuelta y verificar
python scripts/verify_svg.py /app/work/model.json /app/work/figure.svg --out /app/work/verify.json
Esta es la puerta de seguridad central contra fallos. Comprueba la cobertura de entidades/relaciones, la semántica de marcadores según la biblioteca de símbolos, la dirección geométrica de las flechas (la punta debe estar más cerca del objetivo semántico que de la fuente), que las cajas de contención realmente encierran a sus miembros (y no atrapan a no miembros), la superposición de nodos, el ajuste de etiquetas y la cobertura de la leyenda. Salida 0 = pasa.
Si falla: corrige el modelo o la edición, vuelve a renderizar, vuelve a verificar. Nunca parchees el SVG a mano para silenciar una comprobación. Dos iteraciones es normal; si una comprobación no puede pasar porque el material es contradictorio, conserva la figura que respaldan las citas y registra el conflicto en uncertainty de result.json.
Paso 6 — Exportar y verificar cumplimiento
python scripts/export_svg.py /app/work/figure.svg -o /app/output --pdf
Escribe <nombre>_300dpi.png y <nombre>.pdf en /app/output, probando los backends en orden (cairosvg → Edge headless → Chrome headless → rasterizador PIL integrado para PNG) y registrando cada fallo de backend. El informe incluye comprobaciones por artefacto (resolución, fondo blanco, cabecera PDF/relación de aspecto de página, flujos de contenido vectorial). Copia figure.svg y model.json a /app/output como las fuentes editables, y el PNG sirve como vista previa renderizada.
Paso 7 — Finalizar result.json (cobertura del contrato, honestamente)
Llena cada campo output_contract — un campo que no puedas llenar se queda null con un motivo en partial_reasons. Mapeo típico (adapta los nombres al contrato del caso):
editable_source→{svg, model, note: "SVG en capas; cada elemento lleva data-evidence-*"}exported_artifacts→ los artefactos del informe de exportación (ruta, formato, dpi, backend, comprobaciones)rendered_preview→ la ruta del PNGentity_relation_table→ entidades + relaciones incl. citas/localizadores (o una ruta a model.json con recuentos)verification_report→ resumen de verify.json (recuentos de pasa/falla, advertencias)sources→ documentos fuente/DOIs utilizados, con la procedencia de las citasstatus→completesolo si verify pasó y todas las exportaciones están bien; en caso contrariopartialcon motivos.uncertaintylista ambigüedades (identificación de entidades, direcciones desconocidas, conflictos no resueltos).
Editar un SVG existente (conservando la fuente)
Cuando el caso proporciona un SVG para modificar en lugar de material para dibujar:
- Lee el SVG; localiza los grupos
node-*/edge-*y sus atributosdata-*(las figuras de esta skill son completamente autodescriptivas). - Cambios locales (renombrar, recolorear, tipo de borde/etiqueta, título, eliminar un elemento no conectado) → escribe un JSON de ediciones y ejecuta
python scripts/edit_svg.py figure.svg edits.json -o figure_edited.svg. Cada operación necesita unreason; el informe demuestra que los elementos no tocados son byte-idénticos (preserved.ok). Luego vuelve a exportar (Paso 6). - Cambios estructurales (añadir/eliminar entidades o relaciones, invertir una dirección) → estos son RECHAZADOS por edit_svg por diseño (un atributo invertido sin reenrutar dibuja una flecha mentirosa). Reconstruye/extiende model.json a partir de los atributos data del SVG, edita el modelo, vuelve a renderizar, vuelve a verificar.
- Si el SVG existente proviene de otra herramienta (sin atributos data), reconstruye el modelo a partir del material fuente y vuelve a renderizar — no modifiques a mano un SVG foráneo; registra lo que hiciste en
change_logde result.json.
Manual de fallos (caminos reales, no prosa)
| situación | detección | acción | result.json |
|---|---|---|---|
| caso/material ilegible | Paso 1 o tu propia lectura | andamio escrito, partial_reasons nombra el archivo/problema | status partial, campos null |
| relación que no puedes citar | error model_check relation_no_evidence | elimina la relación o encuentra la cita; nunca dibujes sin cita | ausente de la figura (correcto) |
| dirección no declarada | tu extracción | direction: "unknown" | discontinuo + ?; entrada uncertainty |
| entidad sinónimo/abreviatura | tu extracción | entidad única, equivalencia anotada | entrada uncertainty |
| material contradictorio | dos citas chocan | dibuja lo que respalda la cita más fuerte/específica | ambas citas + conflicto en uncertainty |
| etiqueta se desborda de su caja | advertencia verify text_fit | acorta la etiqueta o añade \n, vuelve a renderizar; el crecimiento de la caja es una decisión del renderizado | advertencia transmitida |
| lienzo demasiado pequeño | advertencia canvas_expanded | ya se ensanchó automáticamente; o aumenta canvas_width | advertencia transmitida |
| DLL de cairosvg faltante (Windows) | intento de backend de exportación registrado | retroceso automático a navegador headless, luego rasterizador PIL | backend + intentos registrados |
| sin navegador, sin cairosvg | todos los backends fallan | rasterizador PIL (cajas/líneas/texto; marcadores aproximados) + notes | status partial para calidad PNG, PDF null con motivo |
| relación de aspecto PDF incorrecta | comprobación de exportación | corregido por tamaño de @page; si un backend lo ignora, registrado como checks_fail | status partial |
| verify no puede pasar | verify_svg salida 1 | bucle de corrección a nivel de modelo; si es imposible, envía el subconjunto citado | verification_report muestra fallos honestamente |
Autocomprobación antes de terminar
verify_svgsalida 0 (o fallos informados honestamente);/app/outputcontiene: result.json (todas las claves del contrato presentes, nulls explicados), figure.svg, model.json, PNG (300 dpi), PDF;- cada relación dibujada es citable — comprueba al azar tres valores
data-evidence-quotecontra el material; - ninguna entidad/número aparece en el SVG que no esté en model.json;
- change_log cuenta la historia de lo que hiciste, incluyendo los pasos de esta skill.