Communitygithub.com

학술 그림 디자인

학술 순서도 및 개략도(알고리즘/제어 블록 다이어그램, 장면/플랫폼 일러스트레이션 포함)를 설계 및 수정하고, 승인된 개념을 편집 가능한 PPT/벡터 원본으로 재구성하며, 원고 배치를 검증합니다. 科研绘图, 논문 그림, 순서도, 프레임워크 다이어그램, 개략도, 상태 기계도, 실험 플랫폼도, 결과 레이아웃, AI 이미지 생성 및 PPT 복제에 사용합니다. 일반 슬라이드 스타일링이나 실험 증거 조작에는 사용하지 마십시오.

학술 그림 디자인란 무엇인가요?

이 스킬은 과학적 원리를 명확하게 전달하는 학술 그림(Figure)을 설계하고 수정하는 데 특화된 AI 어시스턴트입니다. 연구자가 논문, 보고서, 프레젠테이션에 사용할 순서도, 개략도, 알고리즘 블록도, 상태 기계도, 실험 플랫폼도 등을 제작하거나 기존 그림을 체계적으로 개선할 수 있도록 돕습니다. 주요 기능은 크게 개념 설계, 타겟 수정, 편집 가능한 소스(PPT/벡터) 재구성, 그리고 원고 삽입의 네 단계로 나뉘며, 각 단계별로 적절한 도구와 참고 자료를 활용합니다. 특히, AI가 생성한 이미지와 편집 가능한 벡터 소스를 명확히 구분하여 연구자가 최종적으로 원고에 사용할 수 있는 정확하고 수정 가능한 결과물을 제공하는 데 중점을 둡니다. 또한, 실험 데이터를 조작하지 않고, 그림 내 모든 요소(모듈, 입력/출력, 화살표 등)와 시각적 인코딩의 의미를 명확히 하는 '의미적 계약(Semantic Contract)'을 강조하여 과학적 무결성을 유지합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dangerous090566/academic-figure-design-skill/tree/main

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

학술 그림 디자인은(는) 무엇을 하나요?

장식된 문단이 아닌, 과학적 메커니즘을 설명하는 그림을 제작합니다. 기술적 의미, 사용자의 최신 편집 내용, 그리고 개념 미리보기, 편집 가능한 소스, 원고 제출용 그림 간의 차이를 유지합니다.

작업 범위 설정

요청된 단계(개념 설계, 타겟 수정, 편집 가능한 재구성, 원고 삽입)를 식별합니다. 승인된 단계만 수행합니다. 특히, 새 그림에 대해 논의하는 것이 논문의 기존 그림을 대체하는 것을 허용하지 않습니다.

설계 전에 제공된 그림, 권위 있는 원고 정의, 접근 가능한 소스 자산을 검사합니다. 스타일 예제는 기술적 모듈이나 주장의 출처가 아닌 시각적 참고 자료로 취급합니다. 차이점은 사용자가 선언한 소스 권위를 사용하여 해결합니다. 실제 모순되는 부분은 보고하고, 침묵 속에서 방법을 변경하지 않습니다.

기존 프로젝트의 경우, 과학적 내용, 시각적 편집, 원고 배치에 대한 권위를 별도로 식별합니다. 사용자가 편집한 PPT는 일반적으로 모양에 있어서 이전 PNG나 생성 스크립트보다 우선하지만, 실험 데이터나 방법 정의를 조용히 덮어쓰지 않습니다. PPT의 편집 내용을 보존하고, 요청 시 기존 프레젠테이션/문서를 사용합니다. 타임스탬프는 변경 사항을 감지하는 데 도움이 되지만, 두 파일이 동일한 수정 버전을 설명한다는 증거는 아닙니다.

두 가지 시각적 형태 중에서 선택

참고자료/figure-types.md를 사용하여 순서도와 개략도 중에서 선택합니다. 순서도는 기능 블록과 방향성 연결을 사용하여 계산, 결정 또는 제어/신호 흐름을 설명합니다. 개략도는 물리적 또는 개념적 객체, 기하학, 장면, 사진 및 로컬 주석을 사용하여 관계, 메커니즘 또는 이벤트를 설명합니다. 알고리즘 프레임워크, 상태 기계, 시뮬레이션 블록 다이어그램은 일반적으로 첫 번째 경로를 따릅니다. 설명적인 시스템 보기, 트래픽 시퀀스, 사진 중심의 플랫폼 보기는 두 번째 경로를 따를 수 있습니다.

그림의 주제, 제목, 번호 또는 단순한 화살표의 존재가 아니라, 지배적인 시각적 표현에 따라 분류합니다. 개략도에는 작은 제어 체인 삽화가 포함될 수 있고, 순서도에는 차량 미니어처가 포함될 수 있습니다. 이러한 것은 기본 형태를 변경하지 않습니다. 모델링, 플랫폼, 시나리오 및 결과는 추가적인 동료 범주가 아닌 응용 컨텍스트입니다. 데이터 기반 플롯은 주변 레이아웃과 관계없이 아래의 정량적 생성 규칙을 여전히 필요로 합니다.

이 그림이 독자로 하여금 무엇을 이해하게 해야 하는지 한 문장으로 작성합니다. 플랫폼 그림은 전체 제안 알고리즘을 다시 설명하지 않고, 실행과 피드백을 설명합니다. 상태-모드 매핑은 이미 조건자를 정의하는 데 사용된 동일한 트래픽 장면을 반복할 필요가 없습니다. 각 사실을 가장 유용한 위치에 유지합니다.

배치 전 의미적 계약

다음의 간결한 작업 목록을 만듭니다:

  • 모듈 및 실제 역할.
  • 모든 신호에 대한 입력, 출력 및 화살표 소스/대상.
  • 병렬 분기, 결정 조건 및 모드 종속 설정.
  • 수학적 기호, 하드/소프트 조건 및 각 시각적 인코딩의 의미.
  • 개략적인 것, 측정된 것, 시뮬레이션된 것, 또는 사진 촬영된 것.

두 모듈이 단순히 나란히 위치한다고 해서 신호 연결을 추론하지 마십시오. 제약 조건을 구성하는 데 사용된 모델과 명령을 실행하는 플랜트를 분리하십시오. 페널티 가중치와 결과 동작을 분리하십시오. 상태 기계 모티프가 검증된 전환 그래프는 아닙니다.

제작 경로 선택

  • 개념 또는 AI 수정: 참고자료/design-and-ai.md를 읽습니다. 사용자가 AI 이미지를 요청할 때 사용 가능한 이미지 생성 스킬/도구를 사용합니다. 프롬프트뿐만 아니라 결과 픽셀과 연결도 검토합니다.
  • 편집 가능한 PPT/벡터 재구성: 참고자료/editable-and-insertion.md를 읽습니다. 파일 작업에 사용 가능한 프레젠테이션 스킬을 따릅니다. 전체 이미지 삽입은 편집 가능한 재구성이 아닙니다.
  • 원고 삽입: 동일한 참고자료의 삽입 섹션을 읽고 관련 문서/PDF 스킬을 사용합니다. 새 그림이 정확한 설명을 필요로 하는 경우에만 주변 산문을 변경합니다.
  • 정량적 플롯: 원본 데이터와 결정론적 플로팅 도구를 사용합니다. AI는 개념 구성을 도울 수 있지만, 곡선, 샘플, 메트릭 또는 실험 증거를 생성하거나 변경해서는 안 됩니다.
  • 플랫폼 그림: 실제 제공된 사진을 사용합니다. 물리적 장치를 가상의 장치와 명확히 구분합니다. 누락된 장비 세부 정보나 사진은 발명된 자산이 아닌 특정 요청이 필요합니다.

시각적 기본값

텍스트가 너무 많은 순서도나 지나치게 빈 사무실 다이어그램보다는 유익한 그래픽 구조를 선호합니다. 차량, 기하학, 상태 노드, 실현 가능한 집합 또는 기타 도메인 관련 그래픽을 사용하여 메커니즘을 설명합니다. 짧은 레이블과 필수 방정식만 유지합니다. 전체 정의는 캡션이나 본문에 둡니다. 로컬 수정의 경우, 기술적 충돌이 주의를 요하지 않는 한 승인된 영역과 기존 스타일을 유지합니다.

명확한 여백을 유지하면서 구성을 보이지 않는 외부 직사각형에 맞춥니다. 프레임을 둘러싸고 점선 그룹을 모든 항목이 아닌 의미 있는 기능적 경계에 대해 예약합니다. 시나리오 일러스트레이션, 궤적 패널 및 플랫폼 사진은 대신 공백과 일반 하위 그림 레이블이 필요합니다. 동일한 컨테이너를 강제하지 않고 유형 간에 일관된 타이포그래피, 차량 기호 및 의미론적 색상을 유지합니다. 시나리오 개요 내에서 모델 비교 패널은 동일한 도로 장면 문법을 사용할 수 있으며, 비교 세부 정보는 해당 캡션에 둡니다. 흰색 배경, 절제된 기능적 색상, 읽기 쉬운 어두운 텍스트 및 일관된 선과 화살촉을 사용합니다. 색상이 유일한 의미 전달 수단이 되어서는 안 됩니다.

의도된 게재 크기로 설계합니다. 2단 그림의 경우, 약 180mm 너비와 8-10pt 최종 레이블이 유용한 시작점이며, 실제 템플릿에 따라 조정됩니다. 모든 것을 축소하기보다는 밀집된 그림을 분할합니다. 그림 번호와 전체 캡션은 아트웍 외부에 둡니다.

소형 타이포그래피 시스템을 사용합니다: 고정된 제목/본문 역할을 가진 하나의 영어 텍스트 패밀리, 실제 스크립트가 있는 호환 가능한 수학 패밀리, 필요할 때만 CJK 패밀리. 수학 변수를 일반 텍스트 스타일로 강제 변환하지 마십시오. 편집 중인 슬라이드뿐만 아니라 전체 그림 세트를 비교합니다.

전달 전 검증

최종 의미, 시각, 편집 가능성 및 삽입 확인을 위해 참고자료/verification.md를 사용합니다. 게재 크기의 전체 그림과 세부 크롭을 모두 검사합니다. AI 편집 후 영향을 받지 않은 연결을 다시 확인합니다. 로컬 요청이 먼 내용을 변경할 수 있기 때문입니다.

반복적인 실패 또는 스킬 유지 관리를 위해 참고자료/iteration-lessons.md를 읽습니다: 이는 수정 피드백을 모호한 스타일 선호도를 축적하는 대신 결함별 승인 테스트로 전환합니다.

요청된 미리보기와 실제 소스/내보내기 파일을 간결한 변경 노트와 함께 전달합니다. 제한 사항(래스터 미리보기, 개략도 전용 전환, 사용 불가능한 사진, 확인되지 않은 하드웨어 또는 테스트되지 않은 내보내기)을 정직하게 설명합니다. 해당 단계가 수행되지 않았는데 그림이 편집 가능하거나, 기술적으로 검증되었거나, 삽입되었다고 주장하지 마십시오. 새 작업 문서를 확산시키지 않고 이전 승인 버전을 복구할 수 있도록 유지합니다.

관련 스킬