Paper Illustration Image2

Antes de cada espacio de revisor, siga Revisores Seleccionables: resolver invocación → .aris/reviewer.json → Claude Code predeterminado (Codex MCP) con reviewer_route.py a través del resolvedor auxiliar canónico, preservando el nivel de este espacio, contextos frescos, entradas de fuente/imagen y compuertas deterministas. Los ejemplos/restricciones de Codex a continuación se aplican solo a backend=codex; otras rutas usan su propio contrato de primera llamada/respuesta. Guarde la ruta y la identidad devuelta real; las selecciones no disponibles son REVIEW_UNAVAILABLE. Clasifique la aceptación a partir de las familias/alcance/reales. Reenvíe las anulaciones de invocación/revisor/modelo/esfuerzo a los hijos que portan revisor. Los trabajadores de generación no se modifican.

Genere figuras académicas de calidad de publicación utilizando Claude como planificador/revisor y un puente MCP local de app-server Codex como renderizador rasterizado.

Filosofía de Diseño Central

┌──────────────────────────────────────────────────────────────────────────┐
│                    FLUJO DE TRABAJO ITERATIVO MULTIETAPA                │
├──────────────────────────────────────────────────────────────────────────┤
│                                                                          │
│   Solicitud del Usuario                                                   │
│       │                                                                  │
│       ▼                                                                  │
│   ┌─────────────┐                                                        │
│   │   Claude    │ ◄─── Paso 1: Analizar solicitud, crear prompt inicial │
│   │  (Planificador)│      - Extraer componentes, etiquetas y flujo de datos│
│   │             │      - Escribir un resumen de figura listo para artículo │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │Claude/Codex │ ◄─── Paso 2: Optimizar descripción del diseño          │
│   │   Diseño    │      - Refinar posicionamiento de componentes          │
│   │   Revisión  │      - Optimizar espaciado y agrupación               │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │Claude/Codex │ ◄─── Paso 3: Verificación de estilo CVPR/NeurIPS      │
│   │   Estilo    │      - Verificar paleta, flechas y estándares de etiquetas│
│   │   Verificación│      - Ajustar el prompt antes del renderizado        │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │ codex-image2│ ◄─── Paso 4: Generación de imagen nativa vía puente    │
│   │ Puente MCP  │      - Llamar generate_start / generate_status         │
│   │ + app-server│      - Aceptar solo salida nativa de imageGeneration   │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │   Claude    │ ◄─── Paso 5: Revisión visual ESTRICTA + PUNTUACIÓN (1-10)│
│   │  (Revisor)  │      - Verificar lógica, etiquetas, flechas y estética  │
│   │   ESTRICTO! │      - Rechazar figuras confusas o no listas para artículo│
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ¿Puntuación ≥ 9? ──SÍ──► Aceptar y Salida                              │
│          │                                                               │
│          NO                                                              │
│          │                                                               │
│          ▼                                                               │
│   Generar comentarios de mejora ESPECÍFICOS ──► Volver al Paso 2        │
│                                                                          │
└──────────────────────────────────────────────────────────────────────────┘

Constantes

RENDERER = codex-image2 — Puente de generación de imágenes nativa expuesto a través del app-server local de Codex
OPTIONAL_TEXT_CRITIC = mcp__codex__codex — Segunda opinión opcional solo texto para verificaciones de diseño/estilo
MAX_ITERATIONS = 5 — Rondas máximas de refinamiento
TARGET_SCORE = 9 — Puntuación mínima aceptable (1-10)
OUTPUT_DIR = figures/ai_generated/ — Directorio de salida
TEXT_LANGUAGE = English — Idioma predeterminado del texto de la figura a menos que el usuario solicite lo contrario
NATIVE_IMAGE_REQUIREMENT = strict — Aceptar solo salida nativa de imageGeneration; rechazar fallbacks de shell/Python

IMAGE2_HELPER — nombre canónico paper_illustration_image2.py, resuelto según shared-references/integration-contract.md §2 (Política A — compuerta local de la habilidad). La Fase 3.2 (Arquitectura C) movió la implementación canónica a skills/paper-illustration-image2/scripts/; tools/paper_illustration_image2.py permanece como un shim de os.execv para que las capas de resolución heredadas sigan funcionando sin necesidad de reinstalación. Resolver mediante:

# Capa 0: autocontenido (CC 1.0+ expone $CLAUDE_SKILL_DIR).
IMAGE2_HELPER=""
if [ -n "${CLAUDE_SKILL_DIR:-}" ] && [ -f "$CLAUDE_SKILL_DIR/scripts/paper_illustration_image2.py" ]; then
  IMAGE2_HELPER="$CLAUDE_SKILL_DIR/scripts/paper_illustration_image2.py"
fi
# Capas 1-4: cadena de tiempo de ejecución compartida mediante shim en 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 "ERROR: paper_illustration_image2.py no resuelto (capa 0: \$CLAUDE_SKILL_DIR/scripts/; capas 1-4: .aris/tools/, tools/, \$ARIS_REPO/tools/, \$ARIS_REPO/tools/ mediante ~/.aris/repo)." >&2
  echo "       /paper-illustration-image2 no puede continuar. Solución: ejecute nuevamente bash tools/install_aris.sh o smart_update.sh (actualiza ~/.aris/repo), o copie el script canónico desde \$ARIS_REPO/skills/paper-illustration-image2/scripts/." >&2
  exit 1
}

Todas las invocaciones a continuación usan python3 "$IMAGE2_HELPER" <subcomando>.

Guía de Estilo para Conferencias de Primer Nivel CVPR/ICLR/NeurIPS

Lo que realmente significa "Estilo CVPR":

Estándares Visuales

Fondo blanco limpio — Sin patrones decorativos ni degradados a menos que sean extremadamente sutiles
Fuentes sans-serif — Arial, Helvetica o tipografía igualmente limpia y amigable para artículos
Paleta de colores sutil — Usar 3-5 colores coordinados, no colores arcoíris
Amigable para impresión — Debe seguir siendo comprensible en escala de grises
Bordes profesionales — Delgados a medianos, limpios y consistentes

Estándares de Diseño

Flujo horizontal — De izquierda a derecha es el predeterminado para tuberías
Agrupación clara — Usar espaciado o cuadros de agrupación sutiles para módulos relacionados
Tamaño consistente — Componentes similares deben tener tamaños similares
Espacio en blanco equilibrado — Evitar diseños tanto apretados como excesivamente dispersos

Estándares de Flechas (MÁS CRÍTICOS)

Trazos gruesos — Las flechas deben permanecer visibles después del escalado del artículo
Puntas de flecha claras — Puntas grandes e inequívocas
Colores oscuros — Preferir flechas negras o grises oscuras
Etiquetadas — Las flechas importantes deben mostrar qué fluye a través de ellas
Sin cruces — Reorganizar la figura para evitar cruces cuando sea posible
DIRECCIÓN CORRECTA — Las flechas deben apuntar al objetivo correcto

Atractivo Visual (Estilo Profesional Académico)

Objetivo: ni conservador ni llamativo, encontrar el equilibrio

✅ Debe tener

Degradados sutiles — Los degradados suaves de la misma familia son aceptables
Esquinas redondeadas — Bloques redondeados modernos pero moderados
Jerarquía clara — Módulos principales más grandes, módulos secundarios más pequeños
Codificación de colores consistente — Mapeo estable entre tipos de módulo y colores
Tipografía profesional — Etiquetas limpias con jerarquía de tamaño legible

❌ Evitar

❌ Degradados arcoíris
❌ Sombras paralelas pesadas
❌ Efectos de perspectiva 3D
❌ Efectos de brillo
❌ Iconos decorativos de clip-art
❌ Estilo de presentación de diapositivas que se siente llamativo en lugar de listo para artículo

✓ Efecto ideal

Parece intencional, profesional e inmediatamente legible
Tiene atractivo visual moderado sin volverse decorativo
Se siente apropiado para una figura de artículo de conferencia de primer nivel
Sobrevive al escalado de PDF y la impresión en escala de grises

Qué EVITAR (CRÍTICO)

❌ Flechas delgadas como líneas finas
❌ Conexiones no etiquetadas o ambiguas
❌ Texto pequeño e ilegible
❌ Sopa de cuadros plana y aburrida sin jerarquía
❌ Figuras demasiado decoradas con sombras/brillos/iconos
❌ Direcciones de flecha incorrectas

Alcance

Tipo de Figura	Calidad	Ejemplos
Diagramas de arquitectura	Excelente	Arquitectura de modelo, tubería, codificador-decodificador
Ilustraciones de método	Excelente	Diagramas conceptuales, diagramas de flujo de algoritmo
Figuras conceptuales	Buena	Diagramas de comparación, árboles de taxonomía

No para: Gráficos estadísticos (use /paper-figure), figuras de topología vectorial determinista (prefiera /figure-spec), escenas fotorrealistas

Flujo de Trabajo: DEBE EJECUTAR TODOS LOS PASOS

Paso 0: Verificación Previa al Vuelo

Renderizar esta lista de verificación explícitamente antes de comenzar:

📋 Lista de verificación de integración de paper-illustration-image2:
   [ ] 1. python3 "$IMAGE2_HELPER" preflight --workspace <cwd> --json-out figures/ai_generated/preflight.json
   [ ] 2. Confirmar que el JSON de preflight dice ok=true antes de renderizar
   [ ] 3. Renderizar mediante mcp__codex-image2__generate_start + generate_status
   [ ] 4. Finalizar mediante python3 "$IMAGE2_HELPER" finalize --workspace <cwd> --best-image <mejor_png>
   [ ] 5. Verificar artefactos mediante python3 "$IMAGE2_HELPER" verify --workspace <cwd> --json-out figures/ai_generated/verify.json

Crear figures/ai_generated/ si no existe.
Confirmar que la solicitud es adecuada para una ilustración rasterizada:
- diagrama de arquitectura
- figura conceptual de método
- ilustración de flujo de trabajo
Preferir texto de figura en inglés a menos que el usuario solicite lo contrario.
Ejecutar:

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

Si el preflight no es ok=true, detenerse y decirlo claramente.

Paso 1: Claude Planifica la Figura

Convertir la solicitud del usuario en un prompt de imagen completamente especificado. Incluir:

tipo de figura
módulos/etapas exactos
dirección del flujo
etiquetas a mostrar
flechas de flujo de datos
restricciones de estilo
qué evitar

Cuando la entrada sea una nota de método o una sección de artículo, primero resumirla en un resumen de figura limpio antes de escribir el prompt de imagen final.

Paso 2: Optimización del Diseño

Este paso es obligatorio. Antes de renderizar, refinar el prompt en un plan de diseño concreto:

orden exacto de los módulos
espaciado y agrupación
prominencia relativa de los módulos
enrutamiento de flechas y posibles puntos de colisión

Si la ruta de revisión de texto seleccionada está disponible, puede solicitar una breve segunda opinión sobre el diseño aquí, pero el ejecutor aún debe completar este paso sin un crítico externo.

Usar la crítica de diseño de Codex para:

componentes faltantes
diseño confuso
jerarquía de flujo débil
posible ambigüedad en la dirección de las flechas o desorden

Paso 3: Verificación de Estilo

Este paso también es obligatorio. Verificar el prompt según el estilo de artículo previsto antes de renderizar:

la paleta es moderada y académica
las flechas son gruesas, oscuras y legibles
las etiquetas son concisas y en inglés a menos que se solicite lo contrario
la figura se leerá claramente en escala de grises / impresión
no se cuelan brillos, degradados arcoíris ni decoraciones de presentación

Si la ruta de revisión de texto seleccionada está disponible, puede solicitar una breve auditoría de estilo solo texto, pero no bloquearse por ello.

Paso 4: Generar a Través del Puente

Llamar a mcp__codex-image2__generate_start con:

prompt: el prompt de imagen final
cwd: raíz del proyecto actual o espacio de trabajo del artículo
outputPath: figures/ai_generated/figure_v1.png
system: una instrucción corta como Figura académica. Preferir etiquetas en inglés nítidas.
timeoutSeconds: un tiempo de espera de renderizado acotado como 180

Luego llamar a mcp__codex-image2__generate_status con esperas acotadas hasta que:

done=true y status=completed, o
done=true y status=failed

Si la generación falla, informar el error del puente directamente en lugar de ocultarlo.

Paso 5: Revisar la Salida

Revisar la imagen generada con una lista de verificación estricta:

¿están presentes todos los componentes principales?
¿es obvio el flujo lógico?
¿son legibles las etiquetas?
¿apuntan las flechas en la dirección correcta?
¿la figura parece lista para artículo en lugar de una diapositiva?

Puntuarla del 1 al 10.

Paso 6: Refinar si es Necesario

Si la puntuación < 9, escribir un prompt de refinamiento específico:

decir exactamente qué estaba mal
pedir un cambio específico
mantener el resto del prompt igual

Regenerar y repasar. Hasta 5 iteraciones totales.

Paso 7: Guardar y Salida

La figura final aceptada se encuentra en figures/ai_generated/figure_v{FINAL_ITERACION}.png. Después de la aceptación:

Copiar la mejor imagen a figures/ai_generated/{nombre_del_proyecto}_figure.png para facilitar su localización.
Ejecutar:

python3 "$IMAGE2_HELPER" finalize \
  --workspace <cwd> \
  --best-image figures/ai_generated/figure_v{FINAL_ITERACION}.png

Ejecutar:

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

Si verify falla, detenerse y mencionar los artefactos no verificados.

Ejemplo de Invocación

# 1. Ejecutar preflight
python3 "$IMAGE2_HELPER" preflight \
  --workspace /path/to/paper/project \
  --json-out figures/ai_generated/preflight.json

# 2. Renderizar figura (llamada MCP — no Python)
# Nombre de la herramienta: mcp__codex-image2__generate_start
# {
#   "prompt": "Arquitectura de transformer...",
#   "cwd": "/path/to/paper/project",
#   "outputPath": "figures/ai_generated/figure_v1.png",
#   "system": "Figura académica. Preferir etiquetas en inglés nítidas.",
#   "timeoutSeconds": 180
# }

# 3. Finalizar
python3 "$IMAGE2_HELPER" finalize \
  --workspace /path/to/paper/project \
  --best-image figures/ai_generated/figure_v3.png

# 4. Verificar
python3 "$IMAGE2_HELPER" verify \
  --workspace /path/to/paper/project \
  --json-out figures/ai_generated/verify.json

Preguntas Frecuentes

P: ¿Por qué necesito un app-server de Codex en ejecución? R: codex-image2 expone la generación de imágenes nativa de Codex a través de un puente MCP local. Sin él, no hay rasterizador. Si ya usa Codex, simplemente ejecute su app-server local como de costumbre.

P: ¿Puedo usar esto sin Codex? R: No. Este skill está diseñado específicamente para el renderizador de imágenes nativo del app-server de Codex. No hay plan de soportar backends alternativos.

P: ¿En qué se diferencia esto de paper-illustration? R: paper-illustration usa un mecanismo de renderizado diferente (imagen generada por Claude). Este es experimental y usa directamente el motor de imágenes nativo de Codex. Es una alternativa para usuarios que desean el estilo de salida de GPT-image sin modificar la habilidad original.

P: ¿Qué versiones de Python? R: Python 3.10+.

paper-illustration-image2

¿Qué es paper-illustration-image2?

Preguntar en tu IA favorita

Documentación