CommunityImagegithub.com

Paper Figure Craft

Créez des figures de recherche de qualité publication en code (SVG vectoriel précis pour les schémas et Matplotlib pour les graphiques d'évaluation quantitatifs) pour des articles en systèmes, architecture, EDA et IA, sans les artefacts des diagrammes générés par IA.

Qu'est-ce que Paper Figure Craft ?

Paper Figure Craft est un ensemble de compétences conçu pour les chercheurs et ingénieurs qui souhaitent produire des figures de recherche de haute qualité, prêtes pour la publication, en utilisant exclusivement du code (SVG pour les schémas et Matplotlib pour les graphiques quantitatifs). Il évite les signes distinctifs des diagrammes générés par IA, assurant une intégration parfaite dans les conférences et revues IEEE/ACM. La compétence s'appuie sur un flux de travail en 5 étapes, incluant la génération de code, la vérification de la syntaxe MathJax, le contrôle de chevauchement, la conversion en PDF vectoriel, et l'export PowerPoint. Elle propose des archétypes de figures de motivation (contraste de paradigme ou trajectoire de cas), des grammaires de mise en page micro-typographiques (grille exacte en points, polices italiques réservées aux rôles), une palette d'encre minérale à 4 couches partagée entre SVG et Matplotlib, et un système de micro-iconographie vectorielle à 5 catégories (vignettes, registres de faits, agents, outils, échantillons de couleur). Les graphiques d'évaluation suivent les conventions classiques IEEE/ACM à quatre épines avec des hachures de barres et des trajectoires en step-hold. Il est recommandé de l'utiliser avec `figgenie-paper-diagram` pour une vérification plus poussée, mais des templates autonomes sont également fournis.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lllbbbyyy/paper-craft-skills/tree/HEAD/skills/paper-figure-craft

Installed? Explore more Image skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Paper Figure Craft ?

Créez des figures de recherche denses, nettes et de qualité publication en code (SVG vectoriel précis au point près pour les schémas et Matplotlib classique à quatre épines pour les graphiques d'évaluation quantitatifs) qui correspondent aux meilleures revues de systèmes, architecture, EDA et IA, sans les marqueurs génériques des diagrammes générés par IA. L'équivalent en chinois est SKILL.zh-CN.md.

Flux de travail principal

  1. Combiner les compétences de la chaîne d'outils et répartir les rôles des figures (1 figure = 1 tâche, conteneurs hétérogènes)

    • Synergiser avec figgenie-paper-diagram lorsqu'il est installé : Référencez les exemples de figgenie-paper-diagram pour la densité d'information, émettez des attributs sémantiques (data-kind, data-role, data-symbol="tex") et exécutez le pipeline en 5 étapes : tex_fill.py --check (chemin vectoriel MathJax en ligne <path>) $\to$ lint.py (vérifications de chevauchement/confinement) $\to$ 4× PNG vérification visuelle $\to$ svg_to_pdf.py / export_pdf.py (PDF vectoriel sans redimensionnement) $\to$ svg2pptx.py (diapositives modifiables). Lorsque figgenie-paper-diagram est absent, utilisez directement templates/svg_diagram_scaffold.py + templates/svg_to_pdf.py.
    • Motivation (Fig. 1, simple colonne 244 × 152–185 pt, Page 1 en haut à droite) : Choisissez l'archétype correspondant à votre thèse :
      • Archétype A (Contraste de paradigme) : En haut (a) contraste 2–3 cartes de paradigmes antérieurs (mini courbes de tendance + + force / - limitation) + barre de défi en chevron imbriqué C1–C3 ; en bas (b) prévisualise votre solution en 3 étapes avec une chevron_bar alignée colonne par colonne 1-to-1.
      • Archétype B (Trajectoire de cas motivante et convergence) : (a) Configuration concrète de benchmark/matériel, (b) trajectoire à une seule ligne d'étapes E1..Ek mettant en évidence la convergence rapide globale, et (c) courbe de convergence associée à des échantillons de couleur carrés explicites (swatch_legend_row : DF: WS / OS, GLB: 2M / 8M / 32M).
    • Ne mettez jamais de contenu hétérogène dans des boîtes identiques : Différenciez visuellement les configurations statiques, les lignes d'étapes séquentielles, les arêtes dirigées, les registres de faits vérifiés et les hypothèses d'agents, en limitant le texte à des phrases courtes et concises.
    • Vue d'ensemble du système (Fig. 2, double colonne 504 × 180–192 pt) : Boucle fermée Étapes 1–6 avec des badges circulaires numérotés noirs, routage de contournement rapide ou à la demande, et artefact de sortie autonome.
    • Mécanisme détaillé / boucle d'outils (Fig. 3, 244 pt ou 504 × 146–160 pt) : Démonstrations numériques concrètes (avec mini-tableaux de classement intégrés mettant en évidence Pick et mini nuages de points) ou registre de faits vérifiés en anneau $\to$ bulle d'hypothèse d'agent $\to$ bande d'outils d'échantillonnage.
    • Graphiques d'évaluation quantitatifs (Figs. 4–6, PDF/SVG vectoriel Matplotlib) : Trajectoires de recherche à double ligne, barres hachurées groupées, décompositions de temps d'exécution empilées et nuages de points de Pareto.
  2. Appliquer la micro-grammaire de mise en page, la hiérarchie de palette à 4 couches et la micro-iconographie à 5 catégories Consultez references/schematic-grammar.en.md (ou schematic-grammar.zh-CN.md) et construisez à partir de templates/svg_diagram_scaffold.py + templates/plot_style.py :

    • Grille d'imbrication exacte en points et typographie : Fixez W = 504 pt (\textwidth) ou 244 pt (\columnwidth) avec 1 pt = 1 unité SVG ; marges externes 3–4 pt, espaces inter-étapes 4.5–5.5 pt reliés par block_arrow_h souligné, marge intérieure 3.5–4 pt. Utilisez des bannières blanches centrées en réserve (stage_container) ou outline_zone légère pointillée + left_stripe_card 2.8 pt. Réservez l'italique pour les [Étiquettes de Rôle entre crochets], les conditions de branchement, les champs de description et les mécanismes physiques en une ligne, en gardant un poids de police uniforme sur les lignes de liste enveloppées.
    • Palette d'encre minérale à 4 couches (plot_style.py partagée entre SVG et Matplotlib) : Couche 1 encre structurelle #18181B + gris #3F4752 / #525E6B + #C9D1DB flèches de bloc ; Couche 2 fonds d'étapes architecturales atténués (#F4ECDC, #DAE8F4, #DDE2E8, #F3DFCE, #DCEAD7) ; Couche 3 cartes de premier plan blanches #FFFFFF + onglets #E2E7EE (#E6EFEA menthe pour les lignes Pick gagnantes) ; Couche 4 accents à fort contraste (#1B4965 Bleu marine, #A61C24 Rouge cramoisi, #C46D1F Ocre, #2C6E58 Sauge) limités à moins de <10% de la surface, n'inondant jamais les grands fonds de conteneurs.
    • Micro-iconographie vectorielle à 5 catégories : (1) Vignettes 13.5×13.5 pt matériel/charge de travail (icon_systolic, icon_noc, icon_sparse) ; (2) Tambours de jeu de données (icon_drum) et binder_rings (anneaux de registre) en bordure gauche signalant des faits vérifiés ; (3) Agents avec badges de rôle (icon_agent : loupe pour le diagnostic vs grille d'échantillonnage pour l'expérience) et polygones speech_bubble pointus pour les hypothèses testables ; (4) icon_wrench et icon_stacked_docs pour les artefacts autonomes ; (5) icon_refresh_loop et swatch_legend_row.
    • Distinguer les nœuds des arêtes dirigées et préciser les unités explicites : Dessinez les interfaces/filtres comme des flèches étiquetées en pilule (directed_edge_with_pill) et écrivez 0 appels LLM, 0 appels Sim, 9.2s (3.6× plus rapide).
  3. Appliquer les conventions classiques des graphiques quantitatifs IEEE/ACM Consultez references/eval-charts-ieee.en.md et commencez par templates/ieee_eval_plot_scaffold.py :

    • Boîte à quatre épines + coches intérieures + polices Type-42 Arimo + STIX : Activez les quatre épines (0.8 pt), les coches intérieures et pdf.fonttype = 42.
    • Hachures adaptées aux échelles de gris et trajectoires double step-hold : Hachurez les barres de base ('//', '\\\\', '..'), affichez Notre en accent primaire solide avec des étiquettes numériques directes, et tracez les trajectoires double temps réel / nombre d'évaluations via ax.step(..., where='post'). Ne mettez que les bases universelles dans les graphiques à barres groupées inter-domaines.
  4. Rendre, vérifier et inspecter visuellement chaque figure via une capture d'écran

    • Confirmez un dégagement >= 3 pt pour les formules mathématiques en ligne, des réinitialisations <tspan dy> de la ligne de base, et une synchronisation terminologique 1:1 avec le texte du manuscrit.
    • Inspectez visuellement les rendus PNG/PDF haute résolution pour éliminer les collisions d'étiquettes de lignes de référence, le texte serré ou les chevauchements de légendes.

Skills associés