Community画像github.com

グラフィカルアブストラクトビルダー

研究資料(PDF、ノート、実験記録)から、質問、方法、結果、結論を1ページにまとめたグラフィカルアブストラクトを、編集可能なSVGとPNG/PDFエクスポート付きで作成します。各要素は出典にトレース可能です。

グラフィカルアブストラクトビルダー とは?

このスキルは、研究資料(PDF、ノート、実験記録など)から、1ページのグラフィカルアブストラクトを構築するためのエージェントワークフローを提供します。質問、方法、結果、結論の4つのパネルで構成され、SVG(編集可能なソース)、PNG(300 dpi)、PDFを出力します。重要なのは、図のすべての要素が出典(引用とその位置情報)にトレース可能であることです。エージェントは資料の読解、科学的情報の抽出、視覚的エンコーディングの決定を行い、Python + matplotlibのスクリプトがレイアウト、レンダリング、チェックを担当します。結果は`result.json`に契約フィールドとして格納され、各要素の出典情報も含まれます。エラーが発生しても最終成果物は契約を満たす形式で残り、`partial`ステータスでも透明性をもって報告されます。主な利用プラットフォームはClaude CodeなどのAIエージェントです。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/qingyulzx/pku-efficiency3-skills/tree/HEAD/graphical-abstract

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

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

グラフィカルアブストラクトビルダー は何をしますか?

研究資料(PDF、ノート、実験記録)を、すべての要素が出典にトレース可能な1ページのグラフィカルアブストラクトと、契約を完全に満たす result.json に変換します。

役割分担 — 科学的判断はエージェントが、描画はスクリプトが担当:

  • エージェント(あなた):実際の資料を読み、エンティティ/関係/データを抽出し、視覚的エンコーディングを選択し、キャンバスに描く内容とキャプションに回す内容を決定し、図と資料を照合検証します。
  • スクリプト(scripts/、純粋なPython + matplotlib):レイアウト、レンダリング、チェック、結果のアセンブリを行います。決定論的:同じモデル入力 → 同じ図出力。

環境とパス

  • スキルルート: /skills/weekly-skill(スクリプトは scripts/、スキーマドキュメントは references/)。作業は /app/work で行い、最終成果物は /app/output に配置。
  • 入力: /input/case.json(+ task.md; 資料ファイルはケースから参照)。
  • Python + matplotlib が必要。matplotlibがない場合、PNGエクスポートは自動的にPillowにフォールバックし、PDFエクスポートはエラーを発生させて対処法を表示します(プレイブック参照)。
  • 典型的なコスト:10〜20回のモデルリクエスト(64リクエスト/900秒の予算内)。各ビルド/検証スクリプトの実行は1ツールコールです。

ワークフロー

ステップ 0 — ケースを読み、result.json の雛形を作成する(最初に実行)

/input/case.json を完全に読みます。case_id と output_contract のすべてのフィールドに注意してください — これらがあなたの納品義務です。その後、すぐに次を実行します:

python scripts/make_result.py --stage init \
  --case /input/case.json --out /app/output/result.json

これにより、すべての契約フィールドが明示的な null と保留理由で書き込まれます。以降、クラッシュが発生しても契約を満たす成果物が残ります。--stage final(ステップ6)でこれを埋めます。

ステップ 1 — 実際の資料を読む

ケースが参照する実際のファイルを開きます(ラベルから内容を推測しないでください)。PDFには pdf-text-tool / scientific-python を使用します。OCRが必要な場合のみページをスキャンします。各資料ファイルを抽出テキストにマッピングする sources.json を保存します — 後のステップで引用を自動的に検証します:

{ "materials/paper.pdf": "<抽出された全文>" }

ステップ 2 — 科学的情報を抽出する(あなたの判断。スクリプトは関与しない)

テンプレート(templates/agent_worksheet.md)を資料から直接埋めます:

  1. 質問(Question) — 資料が提起する問題は何か? そのまま引用します。
  2. エンティティ(Entities) — 登場する必要があるもの(分子、細胞、デバイス、手法、コホート...)。それぞれについて:ラベル、一字一句の引用、位置情報(ファイル + ページ/セクション/文)。
  3. 関係(Relations) — 資料が述べる方向性のある接続(AがBを活性化する、投与量が質問の動機となる...)。方向とそれを述べている文を記録します。
  4. データ(Data) — 描画する可能性のあるすべての数値:値、単位、条件、およびその出典文。描画したい数値が資料にない場合、描画せず、代わりに uncertainty/limits にリストします。
  5. 結論(Conclusion) — 資料自体が述べる主張。

エビデンスのルール:引用は資料の一字一句の部分文字列。位置情報は人間が数秒で見つけられるほど正確。出典不明のものはキャプション/ノートに回し、データとしてキャンバスに描かない。

ステップ 3 — figure_model.json を作成する

/app/work/figure_model.json を、references/model_schema.md のスキーマに従って記述します(完全な実例:examples/transformer-1706.03762/)。あなたが行う主要な判断:

  • パネル計画:通常、読み順に4〜6パネル(質問 → 方法 → 結果(1〜2)→ 結論)。1パネルあたり1つの発見。
  • パネルごとのレイアウト:flow(エンティティ/関係のボックス+矢印)、chart(データの棒/横棒/グループ化棒/折れ線)、stats(主要な値2〜4個の大きな数字の呼び出し)、text(箇条書きの結論)。
  • 視覚チャネル:長さ → 共通単位とゼロベースラインを持つ大きさ。位置 → 時系列。色 → カテゴリ系列のみ(Okabe–Itoパレットが組み込み。純粋な赤vs緑は不可)。形状/強調 → 焦点エンティティ。1つの意味に1つのチャネル、1つのチャネルに1つの意味。
  • キャンバス:デフォルト 1800×1000 px(≈ A4横、150 dpi)。すべてのフォントサイズは12 px以上(チェッカーが強制)。
  • 各要素の source に、ワークシートから引用と位置情報をコピーします。

ステップ 4 — ビルドと反復

python scripts/build_figure.py --model /app/work/figure_model.json \
  --outdir /app/work/out --sources /app/work/sources.json

graphical_abstract.svg(編集可能なソースオブトゥルース:名前付きID、layer-*グループ、各要素の provenance <desc> 付き)、.png(300 dpi)、.pdf、element_map.json、export_report.json を生成。終了コード2 = モデル無効(JSONを修正)、3 = SVG失敗(プレイブックに従って修正)。PNG/PDFのレンダリング失敗は実行を中断せず、export_report.json の failures に記録されます。

反復:レポートにエラーが表示された場合、SVGではなくモデルを編集して再ビルドします。すべてのエラーコードがクリアされるまで、図は不完全です。

ステップ 5 — 査読者のように検証する

python scripts/check_figure.py --outdir /app/work/out --sources /app/work/sources.json

これにより、すべてのチェックが再実行されます:SVGの整形式性、フォントサイズの下限、キャンバス境界、要素マップの完全性、引用と資料の一致(捏造された数値や誤引用を検出)、グレースケール/コントラスト、エクスポートの整合性。次に、PNGを自分で確認(レンダリングプレビューを読む)し、読み順が明らかか、エンティティ/矢印の方向が資料と一致するか、凡例がエンコーディングと一致するか、すべての軸に単位があるかを確認します。警告が排除できない場合は記録し、隠蔽しないでください。

ステップ 6 — 最終的な result.json を組み立てる

契約フィールドの値(scientific_summary、uncertainty、パスリスト、export_checks...)を記述した /app/work/values.json を書き込みます。element_source_map と export_checks はビルドから自動入力されます。その後:

python scripts/make_result.py --stage final \
  --case /input/case.json --out /app/output/result.json \
  --values /app/work/values.json \
  --map /app/work/out/element_map.json \
  --export /app/work/out/export_report.json \
  --issues /app/work/out/issues.json \
  --status complete --uncertainty "<正直な一文>"

マッチャーは、完全一致、包含、説明キーワードの順で契約フィールドを埋めます。一致しないフィールドは明示的な null と理由が残ります。エラーレベルの問題が残っている場合、ステータスは自動的に partial にダウングレードされます — チェックが失敗しているのに complete と宣言しないでください。成果物を /app/output にコピーします:

graphical_abstract.svg + figure_model.json(編集可能なソース)、 graphical_abstract.png(プレビュー)+ graphical_abstract.pdf(エクスポート)、 result.json。

ステップ 7 — 最終自己チェック

  • result.json: case_id が存在する。すべての契約フィールドが埋まっているか、明示的な null と理由がある。ステータスが正直(自動ダウングレードが尊重されている)。
  • SVG が開く(整形式XML)、テキストは実際の <text>(編集可能)、すべての要素にIDがある、レイヤーに名前が付いている。
  • PNG と PDF が存在し、空ではない。PNG は 300 dpi 以上。
  • キャンバス上のすべての数値が element_map.json 内の引用に出現する。
  • 凡例が色/系列のエンコーディングと正確に一致する。
  • uncertainty/limits が、劣化または出典不明の項目をすべて言及している。

問題が発生した場合

すべての障害モード、その兆候、および対処法(資料に主要な数値がない、エンティティの曖昧さ、テキストオーバーフロー、フォント置換、キャンバスオーバーフロー、エクスポート失敗、matplotlibがないなど)は references/exception_playbook.md に記載されています — 赤色の出力が出たら参照してください。すべてに優先する唯一のルール:正直に記録し、決して捏造しない。 文書化された制限とともに partial の結果を出すことは、捏造された証拠を使ったきれいな図よりも高く評価されます。

参考文献

  • references/model_schema.md — figure_model.json のフィールドごとの説明、デフォルト値、制約。
  • references/exception_playbook.md — 障害の兆候 → 対処法。
  • references/design_notes.md — ビルダーが使用する視覚エンコーディングルール、色覚安全性、レイアウト規則。
  • templates/agent_worksheet.md — ステップ2の抽出ワークシート。
  • templates/figure_model.template.json — 最小限の開始モデル。
  • examples/transformer-1706.03762/ — 実際の論文を使った実例(arXiv:1706.03762、一字一句の引用 + sha256)。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

biopathway-mechanism-diagram

Build or edit publication-grade biological mechanism/pathway diagrams from research materials (PDF/text) as a challengeable mechanism statement - three-layer model (typed entities, typed directed edges with verbatim evidence, compartment layout), semantics-correct SVG source, PNG/PDF exports and a traceable, uncertainty-aware result.json. Use for tasks asking to draw, generate or edit signaling pathways, mechanism figures, crosstalk diagrams or pathway flowcharts; refuses to guess regulation direction and marks unstated information instead.

paper-to-academic-ppt

Turn a research paper (PDF) into a structured, evidence-traceable, template-compliant academic slide deck. Two phases: agent-authored narrative spine and page-level claims (each with paper locators and verbatim quotes), then scripted template adaptation that writes content into real master/layout placeholders, embeds original paper figures, checks overflow/aspect/notes, and exports a PDF preview. Handles missing conclusions, figure-trimming, layout mismatch and over-limit slide counts with explicit rules.

relationship-schematic

Generate or edit scientific entity-relationship schematics (mechanism diagrams, pathway chains, experimental workflows, structural containment) as traceable, editable SVG with verified relation semantics. Extracts an evidence-quoted entity/relation table first, renders a layered SVG from it, reads the drawing back to verify every relation type, direction and containment, then exports 300-dpi PNG and vector PDF. Use for any "draw a mechanism/workflow/relationship figure from this paper or case material" task where scientific correctness of entities, arrow directions and hierarchy matters.

slides-genedit

Generate and edit academic presentation decks from research material. Two routes: (1) generate a new deck from a paper/notes under fixed audience, duration and slide-count constraints, with per-slide claims, verbatim-number evidence mapping, speaker notes, and a rendered PDF preview; (2) source-preserving edits of an existing starting deck - inventory it, apply only the requested local changes, and prove untouched slides stayed byte-identical. Use when asked to turn research material into slides, or to modify/compress/re-audience an existing deck without breaking it.

関連スキル