Community画像github.com

関係スキーマ図作成

科学的なエンティティ間の関係図(メカニズム図、経路連鎖、実験ワークフロー、構造的包含)を、検証可能な編集可能SVGとして生成・編集します。証拠に基づくエンティティ/関係テーブルを抽出し、階層化SVGをレンダリングし、描画を読み戻してすべての関係タイプ、方向、包含を検証した後、300dpiのPNGとベクターPDFをエクスポートします。「この論文やケース資料からメカニズム/ワークフロー/関係図を描いて」というタスクで、エンティティの科学的正確性、矢印の方向、階層構造が重要な場合に使用します。

関係スキーマ図作成 とは?

このスキルは、科学論文やケース資料からエンティティ間の関係を抽出し、編集可能なSVGとして可視化するための7ステップワークフローを提供します。一般的な画像生成の失敗モード(抑制を活性化と誤描画、上流/下流の逆転、包含を横並びボックスで表現、遺伝子名や数値の捏造、主張のトレーサビリティ欠如)を、証拠引用、検証、幾何学的チェックによって防止します。対応プラットフォームはClaude Code、Cursor、Codexなどで、Python 3標準ライブラリとオプションのcairosvg/PILを使用します。スキルの中核は、証拠引用付きのモデルJSONの構築、自動レイアウトによる階層化SVGのレンダリング、SVGを読み戻して矢印の方向や包含関係を検証する機構にあります。不確実な方向は破線と「?」で正直に表現し、矛盾する証拠は記録して解決を試みません。

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

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

関係スキーマ図作成:抽出 → モデル化 → レンダリング → 検証 → エクスポート

あなたは、科学的正確性がLLMレビュアーによってソース資料に照らして判断される図を作成しています。一般的な画像生成の主要な失敗モードは、まさにこのスキルが拒否する動作です。すなわち、抑制を活性化として描画する、上流/下流を逆転させる、包含を横並びのボックスで描画する、遺伝子名や数値を捏造する、主張のトレーサビリティが取れない、といったものです。ここにあるすべてのメカニズムは、そのような失敗を黙って出荷することを不可能にするために存在します。

非交渉事項

  1. 関係テーブルにないものは描画されません。 図のモデル(model.json)が唯一の真実の情報源です。SVGはそこから生成され、それとの照合で読み戻されます。
  2. すべてのエンティティと関係には、ソース資料からの逐語的な引用 + 位置情報が付与されます。 引用がない関係はツールによって拒否されます(relation_no_evidence)。引用できないものは描画してはいけません。
  3. from/to は文の内容をエンコードし、レイアウトはエンコードしません。 「AはBを抑制する」⇒ from: A, to: B, type: inhibits。レンダラーがジオメトリを決定し、検証ツールが矢印の先端が本当にBに当たっているかをチェックします。
  4. 不明なものは不明として描画されます。 資料が方向を明示していない場合は、direction: "unknown" を使用します。これは破線と ? でレンダリングされ、result.json にフラグが立てられます。図をきれいにするために推測してはいけません。
  5. まず最低限の result.json を納品し、後で改善します。 ステップ1では、抽出前に明示的なnullを含む契約形状のスキャフォールドを作成するため、クラッシュが発生しても有効な部分的な成果物が残ります。

スクリプトは scripts/ にあります(純粋なPython 3標準ライブラリ + オプションのcairosvg/PIL。エクスポート用にブラウザのヘッドレスモードを自動検出)。シンボルセマンティクスは symbols/symbols.json にあり、references/symbol-conventions.md に文書化されています。モデル形式は references/model-schema.md にあります。初回実行前に両方のリファレンスを読んでください。

ワークフロー(7ステップ)

/app/work で作業し、最終成果物は /app/output に配置します。

ステップ 1 — 最低限の成果物のスキャフォールドを作成する

python scripts/init_result.py --case /input/case.json --work /app/work --output /app/output

ケースを読み込み、ディレクトリを作成し、すべての output_contract フィールドが null で存在し、status: "partial"、および partial_reasons エントリが含まれる /app/output/result.json を書き込みます。ケースファイルが存在しないか読み取り不可能な場合でも、スキャフォールドを書き込み、問題を記録します。また、自分で task.md とすべてのマテリアルファイルを読んでください。ラベルやファイル名から内容を推測しないでください。

ステップ 2 — エンティティ-関係テーブルを抽出する(あなたの判断に基づく。スクリプトではない)

実際のマテリアル(プラットフォームツールを介したPDFテキスト、テーブル、ケーステキスト)を読み、references/model-schema.md に従って /app/work/model.json を構築します。

  • 1つの科学的作用主体につき1つのエンティティ。label = ソースに印刷されている通りの正式名。type = 小さなサブタイトルとして表示される機能的役割。
  • 記述された相互作用ごとに1つの関係。type はシンボルライブラリから(activates inhibits binds modifies transports indirect precedes contains parallels)、direction は(A_to_B / B_to_A / bidirectional / unknown)。
  • 包含関係(「X複合体はA、B、Cから構成される」)は、メンバーを持つグループと、contains 関係になります。エッジではありません。並置でもありません。
  • 時間的/プロセス的順序(「最初に…次に…」)は、ステップラベル付きの precedes になります。
  • evidence = マテリアルからの逐語的な部分文字列 + 位置情報(セクション、段落、テーブル行、ページ)+ ソースID(DOI/ファイル名)。

困難なケースの抽出ルール:

  • エンティティのあいまいさ(同義語/略語、「β-カテニン」対「CTNNB1」):1つのエンティティとし、ラベルはソースに印刷されている通りにし、result.json の uncertainty に同等性を記録します。ソースが区別している2つの名前は、2つのエンティティとして残します。
  • 方向が明示されていない場合:direction: "unknown"(破線 + ?)。あいまいさを uncertainty に記述します。もっともらしさで解決しないでください。
  • 間接的な証拠(X→Yの主張に対して「XはZを介してYにつながる」):タイプ indirect(破線)を使用するか、各ホップが引用されている場合はメカニズムチェーン X→Z→Y をモデル化します。チェーンを優先してください。レビュアーはそれを追跡できます。
  • マテリアル内の数値/単位/濃度(例:「3.3–10.4%」):エッジ/ノードラベルに正確に印刷されている通りに保持し、丸めたり捏造したりしないでください。
  • ケースが実際のデータ値のチャートを要求する場合、それはこのスキルの中核(統計的チャート作成)の範囲外です。該当するもの(エンティティテーブル、データから凡例へのマッピングの規律)は納品し、残りは理由とともに partial としてマークします。

ステップ 3 — 描画前に検証する

python scripts/model_check.py /app/work/model.json

終了コード 0 = クリーン(警告は許可)。すべてのエラーを修正します。レンダラーはエラーがあると拒否します。警告(entity_no_evidence、direction_uncertain、cycle_in_rank_graph など)は正当な科学的状態です。それらを保持し、捏造によって「修正」するのではなく、result.json に引き継ぎます。

ステップ 4 — 編集可能なSVGをレンダリングする

python scripts/make_schematic.py /app/work/model.json -o /app/work/figure.svg --report /app/work/layout.json

階層化SVGを生成します:node-* / edge-* / group-* / legend グループ。各グループには data-evidence-quote/-locator/-source が付与されます。レイアウトは自動的(最長パス階層化。そのため A_to_B エッジは下向き)。コンテンツが canvas_width を超える場合、キャンバスは拡大され、canvas_expanded 警告が記録されます。何もクリップされることはありません。

ステップ 5 — 描画を読み戻して検証する

python scripts/verify_svg.py /app/work/model.json /app/work/figure.svg --out /app/work/verify.json

これが核心的な障害防止ゲートです。エンティティ/関係のカバレッジ、シンボルライブラリに基づくマーカーセマンティクス、幾何学的な矢印の方向(先端がソースよりも意味上のターゲットに近い必要がある)、包含ボックスが実際にメンバーを囲んでいること(そして非メンバーを閉じ込めていないこと)、ノードの重なり、ラベルの収まり、凡例のカバレッジをチェックします。終了コード 0 = 合格。

失敗した場合:モデルまたは編集を修正し、再レンダリング、再検証します。チェックを黙らせるために手動でSVGにパッチを当てないでください。2回の反復は正常です。チェックが合格できない理由が資料の矛盾である場合、引用がサポートする図を保持し、矛盾を result.json の uncertainty に記録します。

ステップ 6 — エクスポートとコンプライアンスチェック

python scripts/export_svg.py /app/work/figure.svg -o /app/output --pdf

<name>_300dpi.png と <name>.pdf を /app/output に書き込みます。バックエンドを順に試行します(cairosvg → Edge ヘッドレス → Chrome ヘッドレス → 組み込み PIL ラスタライザ(PNG用))。すべてのバックエンド障害を記録します。レポートには、アーティファクトごとのチェック(解像度、白背景、PDFヘッダー/ページアスペクト、ベクターコンテンツストリーム)が含まれます。編集可能なソースとして figure.svg と model.json を /app/output にコピーします。PNGはレンダリングプレビューとしても機能します。

ステップ 7 — result.json を最終確定する(契約カバレッジを正直に)

すべての output_contract フィールドを埋めます。埋められないフィールドは null のままとし、partial_reasons に理由を記します。典型的なマッピング(名前はケースの契約に合わせて調整):

  • editable_source → {svg, model, note: "階層化SVG。すべての要素は data-evidence-* を持つ"}
  • exported_artifacts → エクスポートレポートのアーティファクト(パス、形式、dpi、バックエンド、チェック)
  • rendered_preview → PNGパス
  • entity_relation_table → 引用/位置情報を含むエンティティ + 関係(または model.json へのパスとカウント)
  • verification_report → verify.json の概要(合格/失敗カウント、警告)
  • sources → 使用したソース文書/DOI。引用の出典を含む
  • status → 検証が合格し、すべてのエクスポートが正常の場合のみ complete。それ以外は理由とともに partial。uncertainty にあいまいさ(エンティティ識別、未知の方向、未解決の矛盾)をリストする。

既存のSVGの編集(ソースを保持)

ケースが描画するマテリアルではなく、変更するSVGを提供する場合:

  1. SVGを読み込みます。node-*/edge-* グループとその data-* 属性を見つけます(このスキルからの図は完全に自己記述的です)。
  2. ローカルな変更(ラベルの変更、色変更、エッジタイプ/ラベルの変更、タイトル、未接続要素の削除)→ 編集JSONを書き込み、python scripts/edit_svg.py figure.svg edits.json -o figure_edited.svg を実行します。すべての操作には reason が必要です。レポートは、変更されていない要素がバイト単位で同一であることを証明します(preserved.ok)。その後、再エクスポートします(ステップ6)。
  3. 構造的な変更(エンティティまたは関係の追加/削除、方向の反転)→ これらは設計上 edit_svg によって拒否されます(再ルーティングなしで属性を反転すると、嘘の矢印が描画されます)。SVGのデータ属性から model.json を再構築/拡張し、モデルを編集し、再レンダリング、再検証します。
  4. 既存のSVGが別のツールからのものである場合(データ属性なし)、ソースマテリアルからモデルを再構築し、再レンダリングします。外部SVGを手動でハックしないでください。result.json の change_log に行ったことを記録します。

障害対応プレイブック(散文ではなく実際のパス)

状況検出アクションresult.json
ケース/マテリアルが読み取り不可能ステップ1または自分自身の読み取りスキャフォールド作成、partial_reasons にファイル/問題を記載status partial、フィールド null
引用できない関係model_check エラー relation_no_evidence関係を削除するか引用を見つける。引用なしでは決して描画しない図から欠落(正しい)
方向が明示されていないあなたの抽出direction: "unknown"破線 + ?; uncertainty エントリ
同義語/略語エンティティあなたの抽出単一エンティティ、同等性を記録uncertainty エントリ
矛盾するマテリアル2つの引用が衝突より強力/より具体的な引用がサポートするものを描画両方の引用 + 矛盾を uncertainty に
ラベルがボックスからはみ出すverify text_fit 警告ラベルを短縮するか \n を追加して再レンダリング。ボックス成長は再レンダリングの判断警告を引き継ぎ
キャンバスが小さすぎるcanvas_expanded 警告すでに自動拡大済み。または canvas_width を引き上げる警告を引き継ぎ
cairosvg DLLが見つからない(Windows)エクスポートバックエンド試行を記録自動的にブラウザヘッドレスにフォールバック、次にPILラスタライザバックエンド + 試行を記録
ブラウザなし、cairosvgなしすべてのバックエンドが失敗PILラスタライザ(ボックス/線/テキスト。マーカーは近似) + notesPNG品質は status partial、PDFは null と理由
PDFアスペクトが間違っているエクスポートチェック@page サイズ指定で修正。バックエンドが無視する場合、checks_fail として記録status partial
verify が合格できないverify_svg 終了コード 1モデルレベルの修正ループ。不可能な場合は、引用されたサブセットを出荷verification_report に不合格を正直に表示

完了前の自己チェック

  • verify_svg 終了コード 0(または不合格が正直に報告されている)
  • /app/output に以下が含まれる:result.json(すべての契約キーが存在し、nullは説明済み)、figure.svg、model.json、PNG(300 dpi)、PDF
  • 描画されたすべての関係は引用可能である — ランダムに3つの data-evidence-quote 値をマテリアルとスポットチェックする
  • SVG内に model.json にないエンティティ/数値は存在しない
  • change_log があなたが行ったことのストーリーを伝えている。このスキルのステップも含む

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.

graphical-abstract-builder

Build a single-page graphical abstract (question, method, results, conclusion) from research material as a traceable, editable SVG with PNG/PDF exports. Use when asked to create or edit a graphical abstract, science summary figure, mechanism or flow diagram, or data chart from a paper, study notes or experimental records, especially when editable source files and element-to-source traceability are required.

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.

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