¿Qué hace Diagramas Científicos y Esquemas?
Descripción General
Los esquemas y diagramas científicos transforman conceptos complejos en representaciones visuales claras para su publicación. Esta habilidad utiliza Nano Banana 2 AI para la generación de diagramas con revisión de calidad Gemini 3.6 Flash.
Cómo funciona:
- Describe tu diagrama en lenguaje natural
- Nano Banana 2 genera automáticamente imágenes de calidad de publicación
- Gemini 3.6 Flash revisa la calidad según los umbrales del tipo de documento
- Iteración inteligente: Solo regenera si la calidad está por debajo del umbral
- Salida lista para publicar en minutos
- Sin necesidad de codificación, plantillas o dibujo manual
Umbrales de Calidad por Tipo de Documento:
| Tipo de Documento | Umbral | Descripción |
|---|---|---|
| journal | 8.5/10 | Nature, Science, revistas revisadas por pares |
| conference | 8.0/10 | Artículos de conferencias |
| thesis | 8.0/10 | Disertaciones, tesis |
| grant | 8.0/10 | Propuestas de subvención |
| preprint | 7.5/10 | arXiv, bioRxiv, etc. |
| report | 7.5/10 | Informes técnicos |
| poster | 7.0/10 | Pósters académicos |
| presentation | 6.5/10 | Diapositivas, charlas |
| default | 7.5/10 | Propósito general |
Simplemente describe lo que deseas, y Nano Banana 2 lo crea. Todos los diagramas se almacenan en la subcarpeta figures/ y se referencian en artículos/pósters.
Qué es la salida: un PNG rasterizado a la resolución que devuelva el modelo de imagen. Esta habilidad no tiene ruta vectorial ni control de DPI — si una revista requiere PDF, EPS o TIFF a 300 dpi, convierte el PNG posteriormente y verifica el resultado al tamaño de impresión final.
Inicio Rápido: Generar Cualquier Diagrama
Crea cualquier diagrama científico simplemente describiéndolo. Nano Banana 2 maneja todo automáticamente con iteración inteligente:
# Generar para artículo de revista (umbral de calidad más alto: 8.5/10)
python scripts/generate_schematic.py "Diagrama de flujo de participantes CONSORT con 500 evaluados, 150 excluidos, 350 aleatorizados" -o figures/consort.png --doc-type journal
# Generar para presentación (umbral más bajo: 6.5/10 - más rápido)
python scripts/generate_schematic.py "Arquitectura de codificador-decodificador Transformer que muestra atención multi-cabeza" -o figures/transformer.png --doc-type presentation
# Generar para póster (umbral moderado: 7.0/10)
python scripts/generate_schematic.py "Vía de señalización MAPK desde EGFR hasta transcripción génica" -o figures/mapk_pathway.png --doc-type poster
# Iteraciones máximas personalizadas (máx. 2)
python scripts/generate_schematic.py "Diagrama de circuito complejo con amplificador operacional, resistencias y condensadores" -o figures/circuit.png --iterations 2 --doc-type journal
Qué sucede entre bastidores:
- Generación 1: Nano Banana 2 crea la imagen inicial siguiendo las mejores prácticas de diagramas científicos
- Revisión 1: Gemini 3.6 Flash evalúa la calidad contra el umbral del tipo de documento
- Decisión: Si calidad >= umbral → LISTO (¡no se necesitan más iteraciones!)
- Si está por debajo del umbral: Se mejora el prompt basado en la crítica, se regenera
- Repetir: Hasta que la calidad cumpla con el umbral O se alcancen las iteraciones máximas
Beneficios de la Iteración Inteligente:
- ✅ Ahorra llamadas a la API si la primera generación es suficientemente buena
- ✅ Estándares de calidad más altos para artículos de revista
- ✅ Procesamiento más rápido para presentaciones/pósters
- ✅ Calidad adecuada para cada caso de uso
Salida: Imágenes versionadas (nombre_v1.png, nombre_v2.png), una copia de la ganadora en la ruta solicitada y nombre_review_log.json con la puntuación, crítica y motivo de parada temprana por iteración.
Cuando la revisión no se puede ejecutar — un límite de tasa, un filtro de contenido, o un revisor que responde de forma inesperada — la imagen aún se genera y guarda, pero no se inventa una puntuación para ella. El registro indica "score": null y "reviewed": false con el motivo en "review_error", y la ejecución imprime Revisión no disponible — imagen conservada, calidad no verificada. Trata esa imagen como no verificada y revísala tú mismo; vale la pena volver a ejecutarla, ya que el fallo suele ser transitorio.
Configuración
Establece tu clave de API de OpenRouter:
export OPENROUTER_API_KEY='tu_clave_api_aqui'
Obtén una clave de API en: https://openrouter.ai/keys
Los datos salen de la máquina. Tu prompt se envía a OpenRouter para generar la imagen, y la imagen generada se envía de vuelta a OpenRouter para la revisión de calidad. Ambos están sujetos a las políticas de datos de OpenRouter y de los proveedores de modelos subyacentes. No describas datos no publicados, información de pacientes ni nada bajo embargo en el prompt.
Mejores Prácticas para la Generación con IA
Prompts Efectivos para Diagramas Científicos:
✓ Buenos prompts (específicos, detallados):
- "Diagrama de flujo CONSORT que muestra el flujo de participantes desde la selección (n=500) hasta la aleatorización y el análisis final"
- "Arquitectura de red neuronal Transformer con pila de codificadores a la izquierda, pila de decodificadores a la derecha, que muestra atención multi-cabeza y conexiones de atención cruzada"
- "Cascada de señalización biológica: Receptor EGFR → RAS → RAF → MEK → ERK → núcleo, con pasos de fosforilación etiquetados"
- "Diagrama de bloques de sistema IoT: sensores → microcontrolador → módulo WiFi → servidor en la nube → aplicación móvil"
✗ Evita prompts vagos:
- "Haz un diagrama de flujo" (demasiado genérico)
- "Red neuronal" (¿qué tipo? ¿qué componentes?)
- "Diagrama de vía" (¿qué vía? ¿qué moléculas?)
Elementos clave a incluir:
- Tipo: Diagrama de flujo, diagrama de arquitectura, vía, circuito, etc.
- Componentes: Elementos específicos a incluir
- Flujo/Dirección: Cómo se conectan los elementos (izquierda a derecha, arriba a abajo)
- Etiquetas: Anotaciones clave o texto a incluir
- Estilo: Cualquier requisito visual específico
Directrices de Calidad Científica (aplicadas automáticamente):
- Fondo blanco/claro limpio
- Alto contraste para legibilidad
- Etiquetas claras y legibles (mínimo 10pt)
- Tipografía profesional (fuentes sans-serif)
- Colores amigables para daltonismo (paleta Okabe-Ito)
- Espaciado adecuado para evitar aglomeraciones
- Barras de escala, leyendas, ejes cuando sea apropiado
Cuándo Usar Esta Habilidad
Esta habilidad debe usarse cuando:
- Se crean diagramas de arquitectura de redes neuronales (Transformers, CNNs, RNNs, etc.)
- Se ilustran arquitecturas de sistemas y diagramas de flujo de datos
- Se dibujan diagramas de flujo de metodología para diseño de estudios (CONSORT, PRISMA)
- Se visualizan flujos de trabajo de algoritmos y pipelines de procesamiento
- Se crean diagramas de circuitos y esquemas eléctricos
- Se representan vías biológicas e interacciones moleculares
- Se generan topologías de red y estructuras jerárquicas
- Se ilustran marcos conceptuales y modelos teóricos
- Se diseñan diagramas de bloques para artículos técnicos
Cómo Usar Esta Habilidad
Simplemente describe tu diagrama en lenguaje natural. Nano Banana 2 lo genera automáticamente:
python scripts/generate_schematic.py "descripción de tu diagrama" -o output.png
¡Eso es todo! La IA maneja:
- ✓ Diseño y composición
- ✓ Etiquetas y anotaciones
- ✓ Colores y estilo
- ✓ Revisión de calidad y refinamiento
- ✓ Salida lista para publicación
Funciona para todos los tipos de diagramas:
- Diagramas de flujo (CONSORT, PRISMA, etc.)
- Arquitecturas de redes neuronales
- Vías biológicas
- Diagramas de circuitos
- Arquitecturas de sistemas
- Diagramas de bloques
- Cualquier visualización científica
No requiere codificación, plantillas ni dibujo manual.
Modo de Generación con IA (Nano Banana 2 + Revisión Gemini 3.6 Flash)
Refinamiento Iterativo Inteligente, Uso Avanzado y Ejemplos
El bucle de generar-revisar-refinar, la API de Python y las opciones de línea de comandos, la guía de ingeniería de prompts y cuatro ejemplos trabajados (diagrama de flujo CONSORT, arquitectura de red neuronal, vía biológica, arquitectura de sistema) se encuentran en references/iterative_refinement.md.
El bucle se detiene tan pronto como la revisión pasa, por lo que un diagrama simple generalmente cuesta una iteración; solo las figuras complejas utilizan el presupuesto completo.
Uso en Línea de Comandos
El punto de entrada principal para generar esquemas científicos:
# Uso básico
python scripts/generate_schematic.py "descripción del diagrama" -o output.png
# Iteraciones personalizadas (máx. 2)
python scripts/generate_schematic.py "diagrama complejo" -o diagrama.png --iterations 2
# Modo verbose
python scripts/generate_schematic.py "diagrama" -o out.png -v
Nota: El sistema de generación con IA Nano Banana 2 incluye revisión automática de calidad en su proceso de refinamiento iterativo. Cada iteración se evalúa en cuanto a precisión científica, claridad y accesibilidad.
Resumen de Mejores Prácticas
Principios de diseño — solicítalos en el prompt
- Claridad sobre complejidad - Simplifica, elimina elementos innecesarios
- Estilo consistente - Describe las mismas convenciones visuales en todas las figuras de un artículo
- Accesibilidad para daltonismo - Solicita la paleta Okabe-Ito y codificación redundante
- Tipografía apropiada - Fuentes sans-serif, etiquetas de tamaño generoso
- Flujo lógico - Indica la dirección (izquierda a derecha, arriba a abajo) explícitamente
El generador aplica todo esto por defecto, pero nombrarlos con tus propias palabras para el diagrama específico funciona mejor que confiar solo en las directrices integradas.
Lo que el pipeline no puede hacer
- Salida vectorial - Solo PNG; no se produce PDF, SVG o EPS
- Control de resolución - El modelo de imagen elige; no hay indicador de DPI
- Espacio de color - Solo RGB; convierte para flujos de trabajo de impresión CMYK posteriormente
- Grosores de línea o tamaños de texto exactos - Descríbelos en el prompt, luego verifica visualmente
Para una revista que requiera arte vectorial o TIFF a 300+ dpi, convierte el PNG después de la generación y verifica el resultado al tamaño en que realmente se imprimirá.
Directrices de Integración
- Incluir en LaTeX - Usa
\includegraphics{}para las imágenes generadas - Subtitular exhaustivamente - Describe todos los elementos y abreviaturas
- Referenciar en el texto - Explica el diagrama en el flujo narrativo
- Mantener consistencia - Mismo estilo en todas las figuras del artículo
- Control de versiones - Mantén los prompts y las imágenes generadas en el repositorio
Solución de Problemas Comunes
La generación es estocástica y la iteración está limitada a 2, por lo que las palancas que realmente cambian el resultado son el prompt, el tipo de documento y volver a ejecutar. No hay paso de posprocesamiento ni biblioteca de verificación de calidad en esta habilidad: todo lo que puedes inspeccionar se encuentra en el PNG generado y en <nombre>_review_log.json.
El diagrama es incorrecto
Texto superpuesto, elementos aglomerados o flechas que no alcanzan sus objetivos
- Nombra el diseño en el prompt: "flujo vertical, una caja por fila, espacio generoso entre etapas"
- Nombra las conexiones: "flecha de RAF a MEK etiquetada como fosforilación", no "muestra la cascada"
- Vuelve a ejecutar. Dos ejecuciones del mismo prompt difieren, y un mal diseño suele ser solo un sorteo desafortunado
El contenido es científicamente incorrecto o falta un componente
- Enumera los componentes explícitamente, con cantidades y etiquetas — el modelo no los inferirá
- Lee el campo
critiqueen el registro de revisión: el revisor generalmente menciona lo que vio faltante
Texto incorrecto en las etiquetas, o numeración de figuras incrustada en la imagen
- El prompt ya prohíbe los títulos "Figura 1:"; si aparece uno de todos modos, vuelve a ejecutar
- Las etiquetas mal escritas son el error más común de los modelos de imagen. Lee cada etiqueta antes de usarla
La puntuación parece incorrecta
La puntuación es más baja de lo que el diagrama merece
- Lee la crítica antes de volver a ejecutar; la queja del revisor suele ser legítima y específica
- El umbral, no la puntuación, decide si itera —
--doc-type journalexige 8.5
Una ejecución se detiene con una puntuación por debajo del umbral
- Eso es el límite de iteraciones.
--iterations 2es el máximo; la última imagen se conserva y se informa con su puntuación real
"score": null y "reviewed": false en el registro
- La llamada de revisión falló o respondió de forma inutilizable. La imagen está bien y se conservó; solo su calidad nunca se midió. Verifica
"review_error", mira la imagen tú mismo y vuelve a ejecutar
Configuración
Error: OPENROUTER_API_KEY not found
export OPENROUTER_API_KEY='sk-or-v1-...', o agrégalo a un archivo.env, o pasa--api-key
Error: requests library not found
uv pip install requests
Cualquier error de API — ejecuta con -v para ver la solicitud, el slug del modelo y el cuerpo completo del error
Recursos y Referencias
Referencias Detalladas
Carga estos archivos para obtener información completa sobre temas específicos:
references/iterative_refinement.md- El bucle de generar-revisar-refinar, la API de Python, cada opción de línea de comandos, guía de ingeniería de prompts y cuatro ejemplos trabajadosreferences/best_practices.md- Estándares de publicación y pautas de accesibilidad para usar al escribir prompts y al juzgar el resultado
Recursos Externos
Estándares de Publicación
- Directrices de Figuras de Nature: https://www.nature.com/nature/for-authors/final-submission
- Directrices de Figuras de Science: https://www.science.org/content/page/instructions-preparing-initial-manuscript
- Diagrama CONSORT: http://www.consort-statement.org/consort-statement/flow-diagram
Integración con Otras Habilidades
Esta habilidad funciona sinérgicamente con:
- Escritura Científica - Los diagramas siguen las mejores prácticas de figuras
- Visualización Científica - Comparte paletas de colores y estilo
- Pósters en LaTeX - Genera diagramas para presentaciones de pósters
- Subvenciones de Investigación - Diagramas de metodología para propuestas
- Revisión por Pares - Evalúa la claridad y accesibilidad del diagrama
Lista de Verificación de Referencia Rápida
Antes de enviar diagramas, verifica:
Lee el registro de revisión (esta es la única verificación automatizada que existe)
-
<nombre>_review_log.jsonexiste y"reviewed"estrueen la iteración final -
"final_score"es un número real, nonull, y cumple con el umbral para tu tipo de documento - Lee el
"critique"— los problemas restantes del revisor se enumeran incluso con una puntuación aprobatoria - Si se generó más de una versión, compara
_v1y_v2y conserva la mejor
Mira la imagen tú mismo
- Cada etiqueta está escrita correctamente — los modelos de imagen escriben mal el texto, y ninguna verificación automatizada aquí lo detecta
- No hay texto superpuesto o recortado
- Todas las flechas conectan los elementos que deben conectar
- La ciencia es correcta — verifica que la arquitectura, la vía o el diagrama de flujo coincidan con tu conocimiento del dominio
- La paleta de colores no oculta información para personas con daltonismo — apunta a la paleta Okabe-Ito
- Se incluyen leyendas, barras de escala o etiquetas cuando la figura lo requiere
Prepara para el envío
- La resolución es adecuada para el medio de salida (pantalla: 72-150 dpi; impresión: 300+ dpi)
- La imagen se ha convertido al formato requerido por la revista (generalmente TIFF, EPS o PDF — convierte a partir del PNG)
- Se ha verificado la legibilidad al tamaño de impresión final (generalmente ancho de columna de 80-90 mm)
- El nombre de archivo es informativo (p. ej.,
fig1_consort_flowchart.pngsobreimage.png) - El diagrama se ha referenciado en el texto principal con un subtítulo descriptivo