Communitygithub.com

Tuyan 科研图示工作台

開源科研圖示工作檯:Web、微信小程式、Tuyan Benchmark、Agent Skill 與匿名唯讀 MCP

Tuyan 科研图示工作台 とは?

Tuyan 是一個開源科研圖示工作流程,專為需要建立、優化、評估各類科學圖表(如方法框架、系統架構、機制圖、比較圖、時間軸、資料統計圖等)的 AI 代理與開發者設計。此技能嚴格遵守隱私邊界,確保所有研究素材與生成產物保留在使用者本機,絕不將論文、圖片、提示詞、API 金鑰等內容傳送至外部 MCP,僅透過匿名公開 MCP 取得範本與 Schema。 支援平台包括 Web、微信小程式、以及作為 AI Agent Skill(如 Claude Code)使用,也可搭配匿名唯讀 MCP 客戶端。運作流程涵蓋請求分類、載入公開知識(本地快照或 MCP)、可選的 PaperBananaBench 檢索引擎、本地工作目錄管理、基於 FigureSpec 的圖表生成或編輯、多輪評審與記錄,最後產出可重現的成果包(含 manifest.json)。 對於資料統計圖,強制從程式碼繪製而非影像模型,確保數字、座標軸、圖例皆正確;對於向量圖形,支援 PNG 與 SVG,若工具無法產生真實 SVG 則降級為 PNG。整個流程在本地完成,無需遠端登入或上傳,適合處理機敏研究資料。

対応~Claude Code~Codex CLI~Cursor
npx skills add yrjmdqmmx/Tuyan

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

Tuyan 科研圖示工作流程

此工作流程用於科學圖表與定量繪圖。請將使用者的研究資料與所有生成的成品保留在使用者的機器上。

隱私邊界

切勿將任何論文、圖片、提示詞、憑證、API 金鑰、FigureSpec、草稿或輸出傳送至 Tuyan MCP。MCP 僅為匿名公開知識,僅接受五個列舉欄位,並回傳範本、規則、Schema 與版本元資料。圖表生成僅使用當前代理已具備的能力。

請勿登入 Tuyan、建立遠端工作、設定 Cookie、上傳研究內容,或要求 Tuyan 提供供應商金鑰。請勿將使用者內容保留在本機工作目錄之外。

1. 分類請求

選擇一個操作與一個視覺類別:

  • create:建立新圖表。
  • refine:修改現有圖表,同時保留請求範圍外的所有內容。
  • evaluate:檢視並記錄問題,除非使用者另外要求修改,否則不更改圖表。
  • method_framework:研究方法模組、貢獻與資訊流。
  • workflow:有序步驟、決策、輸入與輸出。
  • system_architecture:元件、層次、介面與資料或控制流。
  • mechanism:實體、因果過程與機制鏈。
  • comparison:跨方法、條件或結果的對齊維度。
  • timeline:按時間順序的事件、階段或里程碑。
  • data_stat:由程式碼從資料渲染的定量圖表。
  • concept_map:分類、依賴、包含或語意關係。

除非使用者要求 svg,否則使用 png。預設為 1K 與 16:9;明確的使用者要求優先。位元圖絕不能重新命名或包裝後當作 SVG 呈現。

2. 載入公開工作流程知識

若已設定 Tuyan MCP,僅呼叫 tuyan.get_workflow_bundle,並確切使用:

{
  "operation": "create",
  "visualCategory": "method_framework",
  "outputFormat": "png",
  "locale": "zh-CN",
  "knowledgeMajor": 1
}

僅替換列舉值。切勿加入自由文字。必要時透過宣告的 tuyan:// 資源讀取 Schema。若 MCP 不可用,則繼續使用 references/offline-snapshot.v1.json。記錄所使用的知識版本與雜湊值。

3. 提供可選的本地檢索引擎

在工作區中首次相關使用時,請在進行任何 PaperBananaBench 下載前詢問使用者。說明固定上游修訂版目前未宣告資料集授權。取得同意後再依照 references/paperbanana-bench.md 執行。

若使用者跳過下載,將檢索引擎狀態設為 skipped 並繼續。若下載或驗證失敗,將其設為 download-failed 或 validation-failed,本次執行停用檢索引擎,並繼續。切勿將檢索引擎可用性作為 FigureSpec、生成、評估或匯出的前提條件。

啟用檢索引擎時,撰寫一個簡短的本地查詢檔案,並對已驗證的存檔執行 scripts/retrieve-paperbanana-bench.mjs。對 data_stat 使用 plot 任務,對其他類別使用 diagram 任務。根據任務選擇結果數量限制,不強制固定數量。在本地檢視排序結果,然後記錄每個選取記錄的 ID 及其使用原因。

4. 建立本地工作目錄與 FigureSpec

建立 ./tuyan-output/<時間戳>-<縮寫>/。將來源筆記或來源檔案參考存放於 sources/,選取的案例參考存放於 references/,確切的提示詞存放於 prompts/。除非使用者需要獨立打包,否則不複製來源素材。

在生成或評估之前撰寫 figure-spec.json。符合 tuyan://schemas/figure-spec/v1。保留確切的科學術語、實體關係、方向性、單位與要求的標籤。對於 refine,明確列出目標變更與要保留的非目標元素。

5. 在本地執行

對於除了 data_stat 之外的每個類別,使用代理已具備的影像生成或影像編輯能力。將每個草稿儲存在本地。若請求的格式為 SVG,但工具僅回傳位元圖,則回傳 PNG 並說明無法取得真正的 SVG。

若無影像生成能力,將 FigureSpec 渲染器設為 spec-only,完成並儲存 FigureSpec,然後明確停止。切勿假裝影像已存在。

對於 data_stat,儲存來源資料、繪圖程式碼、PNG 與真正的 SVG。從程式碼渲染,而非使用影像模型。對照本地來源驗證每個數字、單位、座標或軸範圍、刻度與圖例對應。保留足以重現兩者的資料與程式碼。

對於 refine,偏好局部編輯。每次編輯後,記錄已達成的目標變更與非目標保留結果。

6. 評論與停止

根據 FigureSpec 與類別檢查檢視每個草稿。使用 tuyan://schemas/critique-record/v1 在 critiques/ 下為每輪撰寫一條定性記錄。引用可見的證據與具體修正,切勿虛構數值分數。

代理決定參考文獻數量與評論輪數。當沒有實質問題、所需能力不可用,或連續兩輪無改善時停止。保留所有保留的草稿、提示詞與評論記錄。

7. 完成可重現性成果包

將最終的 PNG 或真正的 SVG 保留在 final/ 下。執行:

node <skill-root>/scripts/finalize-output-bundle.mjs \
  ./tuyan-output/<時間戳>-<縮寫> \
  --retriever-status skipped

使用實際的檢索引擎狀態。這會寫入包含 FigureSpec SHA-256、知識版本/雜湊值、檢索引擎狀態以及每個本地檔案 SHA-256 的 manifest.json。在向使用者報告路徑前,先檢視 manifest。

關於安裝與 MCP 客戶端設定,請閱讀 references/client-installation.md。

関連スキル