Community이미지github.com

관계도 제작

과학적 개체-관계 도식(메커니즘 다이어그램, 경로 사슬, 실험 워크플로우, 구조적 포함 관계)을 추적 가능하고 편집 가능한 SVG로 생성하거나 편집합니다. 검증된 관계 의미론을 바탕으로 증거가 인용된 개체/관계 테이블을 먼저 추출하고, 계층화된 SVG를 렌더링한 후, 그 그림을 다시 읽어 모든 관계 유형, 방향 및 포함 관계를 확인한 다음 300dpi PNG와 벡터 PDF로 내보냅니다. 논문이나 사례 자료에서 '메커니즘/워크플로우/관계 그림을 그려줘'와 같은 작업에 사용하세요. 개체, 화살표 방향 및 계층 구조의 과학적 정확성이 중요한 경우에 적합합니다.

관계도 제작란 무엇인가요?

이 스킬은 과학적 관계 도식을 생성하거나 편집하는 일련의 도구와 프로토콜입니다. 사용자가 논문이나 사례 자료를 입력하면, 먼저 개체(예: 유전자, 단백질, 화합물)와 관계(예: 활성화, 억제, 결합)를 인용문과 위치 정보와 함께 추출하여 모델 JSON 파일을 만듭니다. 그런 다음 이 모델을 바탕으로 계층화된 SVG를 자동으로 렌더링하고, 이후 검증 스크립트를 통해 화살표 방향, 포함 관계 상자 등이 모델과 일치하는지 기하학적으로 확인합니다. 이 모든 단계는 과학적 오류(예: 억제를 활성화로 잘못 표시, 상하류 역전, 근거 없는 개체 추가)가 최종 결과물에 포함되는 것을 방지합니다. 마지막으로 300dpi PNG와 PDF로 내보내며, 완료 시 모든 계약 조건이 충족되었는지 result.json 파일로 보고합니다. 이 스킬은 주로 Claude Code, Cursor, Codex와 같은 AI 에이전트 플랫폼에서 사용됩니다.

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

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

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

관계도 제작: 추출 → 모델링 → 렌더링 → 검증 → 내보내기

당신은 과학적 정확성이 LLM 검토자에 의해 원본 자료와 비교하여 평가되는 그림을 그리고 있습니다. 일반적인 이미지 생성의 주요 실패 모드는 정확히 이 스킬이 거부하는 것들입니다: 억제가 활성화로 그려짐, 상류/하류가 반전됨, 포함 관계가 나란히 상자로 그려짐, 지어낸 유전자 이름이나 숫자, 추적 불가능한 주장들. 여기 있는 모든 메커니즘은 그러한 실패를 조용히 배송할 수 없게 만들기 위해 존재합니다.

필수 사항

  1. 관계 테이블에 없는 것은 그리지 않습니다. 그림 모델(model.json)은 유일한 진실 공급원입니다. SVG는 이 모델로부터 생성되고, 이에 대해 다시 읽혀집니다.
  2. 모든 개체와 관계는 원본 자료의 문자 그대로의 인용문 + 위치 정보를 포함합니다. 인용문이 없는 관계는 도구에 의해 거부됩니다(relation_no_evidence). 인용할 수 없다면 그릴 수 없습니다.
  3. from/to는 레이아웃이 아닌 진술을 인코딩합니다. "A가 B를 억제한다" ⇒ from: A, to: B, type: inhibits. 렌더러는 기하학을 결정하고, 검증기는 화살표 끝이 실제로 B에 닿는지 확인합니다.
  4. 알 수 없는 것은 알 수 없는 대로 그립니다. 자료가 방향을 명시하지 않은 경우 direction: "unknown"을 사용하세요. 점선과 ?로 렌더링되며 result.json에 플래그가 지정됩니다. 그림을 더 깔끔하게 보이게 하려고 추측하지 마십시오.
  5. 먼저 보장된 result.json을 제공하고, 나중에 개선합니다. 1단계는 추출 전에 명시적인 null 값을 가진 계약 형태의 스캐폴드를 작성하여, 충돌이 발생하더라도 유효한 부분적인 결과물이 남도록 합니다.

스크립트는 scripts/ 디렉토리에 있습니다(순수 Python 3 표준 라이브러리 + 선택적으로 cairosvg/PIL; 내보내기를 위해 브라우저 헤드리스 자동 감지). 기호 의미론은 symbols/symbols.json에 있으며 references/symbol-conventions.md에 문서화되어 있습니다. 모델 형식은 references/model-schema.md에 있습니다. 첫 실행 전에 두 참조 문서를 모두 읽으십시오.

워크플로우(7단계)

/app/work 디렉토리에서 작업하고 최종 산출물은 /app/output으로 갑니다.

1단계 — 최소 결과물 스캐폴드

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

케이스를 읽고, 디렉토리를 생성하며, 모든 output_contract 필드가 null이고, status: "partial"이며, partial_reasons 항목이 있는 /app/output/result.json을 작성합니다. 케이스 파일이 없거나 읽을 수 없는 경우에도 스캐폴드를 작성하고 문제를 기록합니다. 또한 task.md와 모든 자료 파일을 직접 읽으십시오. 레이블이나 파일 이름만으로 내용을 추정하지 마십시오.

2단계 — 개체-관계 테이블 추출(당신의 판단, 스크립트가 아님)

실제 자료(플랫폼 도구를 통한 PDF 텍스트, 테이블, 케이스 텍스트)를 읽고 references/model-schema.md에 따라 /app/work/model.json을 구축합니다:

  • 과학적 행위자당 하나의 개체; label = 원본에 인쇄된 표준 이름; type = 작은 부제목으로 표시되는 기능적 역할;
  • 명시된 상호작용당 하나의 관계, 기호 라이브러리의 type(activates inhibits binds modifies transports indirect precedes contains parallels)과 direction(A_to_B / B_to_A / bidirectional / unknown)을 사용;
  • 포함 관계("X 복합체는 A, B, C로 구성됨")는 멤버가 있는 그룹과 contains 관계가 됩니다. 절대 엣지가 아니며, 절대 병치가 아닙니다;
  • 시간적/프로세스 순서("먼저 … 그다음 …")는 단계 레이블과 함께 precedes가 됩니다;
  • evidence = 자료의 문자 그대로의 부분 문자열 + 위치 정보(섹션, 단락, 테이블 행, 페이지) + 출처 ID(DOI/파일 이름).

어려운 경우에 대한 추출 규칙:

  • 개체 모호성(동의어/약어, "β-catenin" 대 "CTNNB1"): 하나의 개체, 원본에 인쇄된 대로 레이블 지정, result.json uncertainty에 동등성 기록. 원본이 구별하는 두 이름은 두 개체로 유지합니다.
  • 방향이 명시되지 않음: direction: "unknown"(점선 + ?). 모호성을 uncertainty에 명시하십시오. 개연성으로 해결하지 마십시오.
  • 간접 증거(X→Y 주장에 대해 "X는 Z를 통해 Y로 이어짐"): 유형 indirect(점선)를 사용하거나 각 홉이 인용된 경우 메커니즘 체인 X→Z→Y를 모델링하십시오. 체인을 선호하십시오. 검토자가 따라갈 수 있습니다.
  • 자료의 숫자/단위/농도(예: "3.3–10.4%"): 인쇄된 그대로 엣지/노드 레이블에 유지하고, 절대 반올림하거나 지어내지 마십시오.
  • 케이스가 실제 데이터 값의 차트를 요청하는 경우, 이는 이 스킬의 핵심 영역(통계 차트 작성)을 벗어납니다. 여전히 적용 가능한 것(개체 테이블, 데이터-범례 매핑 규율)을 제공하고 나머지는 이유와 함께 partial로 표시하십시오.

3단계 — 그리기 전에 검증

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

종료 코드 0 = 깨끗함(경고 허용됨). 모든 오류를 수정하십시오. 렌더러는 어차피 오류가 있으면 거부합니다. 경고(entity_no_evidence, direction_uncertain, cycle_in_rank_graph, …)는 합법적인 과학적 상태입니다. 이를 유지하고 result.json에 전달하고, 발명으로 "수정"하지 마십시오.

4단계 — 편집 가능한 SVG 렌더링

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

계층화된 SVG를 생성합니다: node-* / edge-* / group-* / legend 그룹. 각각 data-evidence-quote/-locator/-source를 포함합니다. 레이아웃은 자동입니다(가장 긴 경로 레이어링, 따라서 A_to_B 엣지는 아래쪽을 가리킴); 콘텐츠가 canvas_width를 초과하면 캔버스가 넓어지고 canvas_expanded 경고가 기록됩니다. 어떤 것도 잘리지 않습니다.

5단계 — 그림을 다시 읽고 검증

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

이것이 핵심적인 오류 방지 게이트입니다. 개체/관계 적용 범위, 기호 라이브러리당 마커 의미론, 기하학적 화살표 방향(끝이 시작점보다 의미론적 대상에 더 가까워야 함), 포함 상자가 실제로 멤버를 감싸고 있는지(그리고 비멤버를 가두지 않는지), 노드 겹침, 레이블 맞춤, 범례 적용 범위를 확인합니다. 종료 코드 0 = 통과.

실패 시: 모델이나 편집을 수정하고, 다시 렌더링하고, 다시 검증하십시오. 절대 수동으로 SVG를 패치하여 검사를 무음 처리하지 마십시오. 두 번의 반복은 정상입니다. 자료가 모순되어 검사를 통과할 수 없는 경우, 인용문이 지지하는 그림을 유지하고 result.json uncertainty에 충돌을 기록하십시오.

6단계 — 내보내기 및 규정 준수 확인

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

<name>_300dpi.png와 <name>.pdf를 /app/output에 작성합니다. 백엔드를 순서대로 시도합니다(cairosvg → Edge headless → Chrome headless → 내장 PIL 래스터라이저 for PNG). 모든 백엔드 실패를 기록합니다. 보고서는 아티팩트별 검사(해상도, 흰색 배경, PDF 헤더/페이지 종횡비, 벡터 콘텐츠 스트림)를 포함합니다. 편집 가능한 소스로 figure.svg와 model.json을 /app/output에 복사하고, PNG는 렌더링된 미리보기 역할을 합니다.

7단계 — result.json 최종 확정(정직한 계약 적용 범위)

모든 output_contract 필드를 채우십시오. 채울 수 없는 필드는 partial_reasons에 이유와 함께 null로 남습니다. 일반적인 매핑(이름을 케이스의 계약에 맞게 조정):

  • editable_source → {svg, model, note: "계층화된 SVG; 모든 요소는 data-evidence-*를 포함"}
  • exported_artifacts → 내보내기 보고서의 아티팩트(경로, 형식, dpi, 백엔드, 검사)
  • rendered_preview → PNG 경로
  • entity_relation_table → 개체 + 관계(인용문/위치 정보 포함) 또는 model.json 경로와 개수
  • verification_report → verify.json 요약(통과/실패 개수, 경고)
  • sources → 사용된 소스 문서/DOI와 인용 출처 증명
  • status → 검증이 통과되고 모든 내보내기가 정상인 경우에만 complete; 그렇지 않으면 이유와 함께 partial. uncertainty는 모호성(개체 식별, 알 수 없는 방향, 해결되지 않은 충돌)을 나열합니다.

기존 SVG 편집(소스 보존)

케이스가 그릴 자료 대신 수정할 SVG를 제공하는 경우:

  1. SVG를 읽습니다. node-*/edge-* 그룹과 그들의 data-* 속성을 찾습니다(이 스킬의 그림은 완전히 자체 설명적입니다).
  2. 로컬 변경(레이블 변경, 색상 변경, 엣지 유형/레이블 변경, 제목 변경, 연결되지 않은 요소 삭제) → edits JSON을 작성하고 python scripts/edit_svg.py figure.svg edits.json -o figure_edited.svg를 실행합니다. 모든 작업에는 reason이 필요합니다. 보고서는 수정되지 않은 요소가 바이트 단위로 동일함을 증명합니다(preserved.ok). 그런 다음 다시 내보냅니다(6단계).
  3. 구조적 변경(개체나 관계 추가/제거, 방향 뒤집기) → 이러한 작업은 설계상 edit_svg에 의해 거부됩니다(경로 재지정 없이 뒤집힌 속성은 거짓말하는 화살표를 그립니다). SVG의 데이터 속성에서 model.json을 재구성/확장하고, 모델을 편집하고, 다시 렌더링하고, 다시 검증합니다.
  4. 기존 SVG가 다른 도구에서 온 경우(데이터 속성 없음), 원본 자료에서 모델을 재구성하고 다시 렌더링하십시오. 외부 SVG를 직접 해킹하지 말고 result.json change_log에 수행한 작업을 기록하십시오.

실패 플레이북(산문이 아닌 실제 경로)

상황감지조치result.json
케이스/자료를 읽을 수 없음1단계 또는 직접 읽기스캐폴드 작성, partial_reasons에 파일/문제 명시status partial, 필드 null
인용할 수 없는 관계model_check 오류 relation_no_evidence관계를 삭제하거나 인용문을 찾음; 인용되지 않은 것은 절대 그리지 않음그림에서 없음(올바름)
방향이 명시되지 않음추출direction: "unknown"점선 + ?; uncertainty 항목
동의어/약어 개체추출단일 개체, 동등성 기록uncertainty 항목
모순된 자료두 인용문 충돌더 강력하거나 더 구체적인 인용문이 지지하는 것을 그림두 인용문 + 충돌을 uncertainty에 기록
레이블이 상자 초과verify text_fit 경고레이블 단축 또는 \n 추가, 다시 렌더링; 상자 확장은 다시 렌더링 결정경고 전달
캔버스 너무 작음canvas_expanded 경고이미 자동 확장됨; 또는 canvas_width 증가경고 전달
cairosvg DLL 누락(Windows)내보내기 백엔드 시도 기록브라우저 헤드리스로 자동 폴백, 그다음 PIL 래스터라이저백엔드 + 시도 기록
브라우저 없음, cairosvg 없음모든 백엔드 실패PIL 래스터라이저(상자/선/텍스트; 마커는 근사화) + notesPNG 품질에 대해 status partial, PDF는 이유와 함께 null
PDF 종횡비 잘못됨내보내기 검사@page 크기 조정으로 수정; 백엔드가 이를 무시하면 checks_fail로 기록status partial
verify 통과 불가verify_svg 종료 코드 1모델 수준 수정 루프; 불가능하면 인용된 하위 집합을 배송verification_report에 실패 정직하게 표시

완료 전 자체 점검

  • verify_svg 종료 코드 0(또는 실패가 정직하게 보고됨);
  • /app/output에 포함: result.json(모든 계약 키 존재, null 설명됨), figure.svg, model.json, PNG(300 dpi), PDF;
  • 그려진 모든 관계는 인용 가능함 - 세 개의 무작위 data-evidence-quote 값을 자료와 대조 점검;
  • 모델.json에 없는 개체/숫자가 SVG에 나타나지 않음;
  • change_log는 이 스킬의 단계를 포함하여 수행한 작업에 대한 이야기를 알려줍니다.

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.

관련 스킬