Esquemas e Diagramas Científicos
Visão Geral
Esquemas e diagramas científicos transformam conceitos complexos em representações visuais claras para publicação. Esta skill usa o Nano Banana 2 AI para geração de diagramas com revisão de qualidade pelo Gemini 3.6 Flash.
Como funciona:
- Descreva seu diagrama em linguagem natural
- O Nano Banana 2 gera imagens prontas para publicação automaticamente
- O Gemini 3.6 Flash revisa a qualidade com base em limites por tipo de documento
- Iteração inteligente: Apenas regenera se a qualidade estiver abaixo do limite
- Saída pronta para publicação em minutos
- Sem necessidade de codificação, modelos ou desenho manual
Limites de Qualidade por Tipo de Documento:
| Tipo de Documento | Limite | Descrição |
|---|---|---|
| journal | 8.5/10 | Nature, Science, periódicos revisados por pares |
| conference | 8.0/10 | Artigos de conferência |
| thesis | 8.0/10 | Dissertações, teses |
| grant | 8.0/10 | Propostas de bolsa |
| preprint | 7.5/10 | arXiv, bioRxiv, etc. |
| report | 7.5/10 | Relatórios técnicos |
| poster | 7.0/10 | Pôsteres acadêmicos |
| presentation | 6.5/10 | Slides, apresentações |
| default | 7.5/10 | Uso geral |
Simplesmente descreva o que você quer, e o Nano Banana 2 cria. Todos os diagramas são armazenados na subpasta figures/ e referenciados em artigos/pôsteres.
O que a saída é: um PNG raster na resolução que o modelo de imagem retornar. Esta skill não tem caminho vetorial nem controle de DPI — se um periódico exigir PDF, EPS ou TIFF de 300 dpi, converta o PNG depois e verifique o resultado no tamanho de impressão final.
Início Rápido: Gere Qualquer Diagrama
Crie qualquer diagrama científico simplesmente descrevendo-o. O Nano Banana 2 lida com tudo automaticamente com iteração inteligente:
# Gere para artigo de periódico (limite de qualidade mais alto: 8.5/10)
python scripts/generate_schematic.py "Diagrama de fluxo CONSORT com 500 triados, 150 excluídos, 350 randomizados" -o figures/consort.png --doc-type journal
# Gere para apresentação (limite mais baixo: 6.5/10 - mais rápido)
python scripts/generate_schematic.py "Arquitetura codificador-decodificador Transformer mostrando atenção multi-cabeça" -o figures/transformer.png --doc-type presentation
# Gere para pôster (limite moderado: 7.0/10)
python scripts/generate_schematic.py "Via de sinalização MAPK de EGFR até transcrição gênica" -o figures/mapk_pathway.png --doc-type poster
# Iterações máximas personalizadas (máx. 2)
python scripts/generate_schematic.py "Diagrama de circuito complexo com amp-op, resistores e capacitores" -o figures/circuito.png --iterations 2 --doc-type journal
O que acontece nos bastidores:
- Geração 1: O Nano Banana 2 cria a imagem inicial seguindo as melhores práticas de diagramas científicos
- Revisão 1: Gemini 3.6 Flash avalia a qualidade em relação ao limite do tipo de documento
- Decisão: Se qualidade >= limite → CONCLUÍDO (não são necessárias mais iterações!)
- Se abaixo do limite: Prompt melhorado com base na crítica, regenerar
- Repetir: Até que a qualidade atinja o limite OU o número máximo de iterações seja atingido
Benefícios da Iteração Inteligente:
- ✅ Economiza chamadas de API se a primeira geração for boa o suficiente
- ✅ Padrões de qualidade mais altos para artigos de periódicos
- ✅ Tempo de resposta mais rápido para apresentações/pôsteres
- ✅ Qualidade apropriada para cada caso de uso
Saída: Imagens versionadas (nome_v1.png, nome_v2.png), uma cópia da vencedora no caminho que você
solicitou, e nome_review_log.json com a pontuação, crítica e motivo de parada antecipada por iteração.
Quando a revisão não pode ser executada — um limite de taxa, um filtro de conteúdo, um revisor que responde de
alguma forma inesperada — a imagem ainda é gerada e salva, mas nenhuma pontuação é inventada para ela. O log
registra "score": null e "reviewed": false com o motivo em "review_error", e a execução
imprime Revisão indisponível — imagem mantida, qualidade não verificada. Trate essa imagem como não verificada e
dê uma olhada nela; vale a pena tentar executar novamente, pois a falha geralmente é transitória.
Configuração
Defina sua chave de API do OpenRouter:
export OPENROUTER_API_KEY='sua_chave_api_aqui'
Obtenha uma chave de API em: https://openrouter.ai/keys
Os dados saem da máquina. Seu prompt é enviado para o OpenRouter para gerar a imagem, e a imagem gerada é enviada de volta para o OpenRouter para a revisão de qualidade. Ambos estão sujeitos às políticas de dados do OpenRouter e dos provedores de modelo subjacentes. Não descreva dados não publicados, informações de pacientes ou qualquer coisa sob embargo no prompt.
Melhores Práticas para Geração de IA
Prompts Eficazes para Diagramas Científicos:
✓ Bons prompts (específicos, detalhados):
- "Fluxograma CONSORT mostrando o fluxo de participantes da triagem (n=500) até a randomização e análise final"
- "Arquitetura de rede neural Transformer com pilha do codificador à esquerda, pilha do decodificador à direita, mostrando atenção multi-cabeça e conexões de atenção cruzada"
- "Cascata de sinalização biológica: receptor EGFR → RAS → RAF → MEK → ERK → núcleo, com etapas de fosforilação rotuladas"
- "Diagrama de blocos de sistema IoT: sensores → microcontrolador → módulo WiFi → servidor em nuvem → aplicativo móvel"
✗ Evite prompts vagos:
- "Faça um fluxograma" (muito genérico)
- "Rede neural" (que tipo? quais componentes?)
- "Diagrama de via" (qual via? quais moléculas?)
Elementos-chave a incluir:
- Tipo: Fluxograma, diagrama de arquitetura, via, circuito, etc.
- Componentes: Elementos específicos a incluir
- Fluxo/Direção: Como os elementos se conectam (esquerda para direita, cima para baixo)
- Rótulos: Anotações-chave ou texto a incluir
- Estilo: Quaisquer requisitos visuais específicos
Diretrizes de Qualidade Científica (aplicadas automaticamente):
- Fundo branco/claro limpo
- Alto contraste para legibilidade
- Rótulos claros e legíveis (mínimo 10pt)
- Tipografia profissional (fontes sem serifa)
- Cores amigáveis para daltónicos (paleta Okabe-Ito)
- Espaçamento adequado para evitar aglomeração
- Barras de escala, legendas, eixos quando apropriado
Quando Usar Esta Skill
Esta skill deve ser usada quando:
- Criando diagramas de arquitetura de redes neurais (Transformers, CNNs, RNNs, etc.)
- Ilustrando arquiteturas de sistemas e diagramas de fluxo de dados
- Desenhando fluxogramas de metodologia para desenho de estudo (CONSORT, PRISMA)
- Visualizando fluxos de trabalho de algoritmos e pipelines de processamento
- Criando diagramas de circuito e esquemas elétricos
- Representando vias biológicas e interações moleculares
- Gerando topologias de rede e estruturas hierárquicas
- Ilustrando estruturas conceituais e modelos teóricos
- Projetando diagramas de blocos para artigos técnicos
Como Usar Esta Skill
Simplesmente descreva seu diagrama em linguagem natural. O Nano Banana 2 gera automaticamente:
python scripts/generate_schematic.py "descrição do seu diagrama" -o output.png
É isso! A IA lida com:
- ✓ Layout e composição
- ✓ Rótulos e anotações
- ✓ Cores e estilo
- ✓ Revisão de qualidade e refinamento
- ✓ Saída pronta para publicação
Funciona para todos os tipos de diagrama:
- Fluxogramas (CONSORT, PRISMA, etc.)
- Arquiteturas de redes neurais
- Vias biológicas
- Diagramas de circuito
- Arquiteturas de sistemas
- Diagramas de blocos
- Qualquer visualização científica
Sem necessidade de codificação, modelos ou desenho manual.
Modo de Geração de IA (Nano Banana 2 + Revisão Gemini 3.6 Flash)
Refinamento Iterativo Inteligente, Uso Avançado e Exemplos
O loop de gerar-revisar-refinar, a API Python e opções de linha de comando, orientação de engenharia de prompt e quatro exemplos práticos (fluxograma CONSORT, arquitetura de rede neural, via biológica, arquitetura de sistema) estão em references/iterative_refinement.md.
O loop para assim que a revisão é aprovada, então um diagrama simples geralmente custa uma iteração; apenas figuras complexas usam o orçamento completo.
Uso da Linha de Comando
O ponto de entrada principal para gerar esquemas científicos:
# Uso básico
python scripts/generate_schematic.py "descrição do diagrama" -o output.png
# Iterações personalizadas (máx. 2)
python scripts/generate_schematic.py "diagrama complexo" -o diagrama.png --iterations 2
# Modo verbose
python scripts/generate_schematic.py "diagrama" -o out.png -v
Nota: O sistema de geração de IA Nano Banana 2 inclui revisão automática de qualidade em seu processo de refinamento iterativo. Cada iteração é avaliada quanto à precisão científica, clareza e acessibilidade.
Resumo de Melhores Práticas
Princípios de design — solicite-os no prompt
- Clareza sobre complexidade - Simplifique, remova elementos desnecessários
- Estilo consistente - Descreva as mesmas convenções visuais em todas as figuras de um artigo
- Acessibilidade para daltónicos - Solicite a paleta Okabe-Ito e codificação redundante
- Tipografia apropriada - Fontes sem serifa, rótulos com tamanho generoso
- Fluxo lógico - Declare a direção (esquerda para direita, cima para baixo) explicitamente
O gerador aplica todos estes por padrão, mas nomeá-los com suas próprias palavras para o diagrama específico funciona melhor do que confiar apenas nas diretrizes integradas.
O que o pipeline não pode fazer
- Saída vetorial - Apenas PNG; nenhum PDF, SVG ou EPS é produzido
- Controle de resolução - O modelo de imagem escolhe; não há sinalizador de DPI
- Espaço de cor - Apenas RGB; converta para fluxos de trabalho de impressão CMYK posteriormente
- Espessuras de linha ou tamanhos de texto exatos - Descreva-os no prompt e verifique visualmente
Para um periódico que exija arte vetorial ou TIFF de 300+ dpi, converta o PNG após a geração e verifique o resultado no tamanho em que será realmente impresso.
Diretrizes de Integração
- Inclua em LaTeX - Use
\includegraphics{}para imagens geradas - Legende minuciosamente - Descreva todos os elementos e abreviações
- Referencie no texto - Explique o diagrama no fluxo narrativo
- Mantenha consistência - Mesmo estilo em todas as figuras do artigo
- Controle de versão - Mantenha prompts e imagens geradas no repositório
Solução de Problemas Comuns
A geração é estocástica e a iteração é limitada a 2, então as alavancas que realmente mudam o
resultado são o prompt, o tipo de documento e a reexecução. Não há etapa de pós-processamento nem
biblioteca de verificação de qualidade nesta skill: tudo que você pode inspecionar está no PNG gerado
e em <nome>_review_log.json.
O diagrama está errado
Texto sobreposto, elementos aglomerados ou setas que erram seus alvos
- Nomeie o layout no prompt: "fluxo vertical, uma caixa por linha, espaçamento generoso entre estágios"
- Nomeie as conexões: "seta de RAF para MEK rotulada como fosforilação", não "mostre a cascata"
- Reexecute. Duas execuções do mesmo prompt diferem, e um layout ruim geralmente é apenas um sorteio azarado
O conteúdo está cientificamente errado ou um componente está faltando
- Liste os componentes explicitamente, com contagens e rótulos — o modelo não os inferirá
- Leia o campo
critiqueno log de revisão: o revisor geralmente nomeia o que percebeu estar faltando
Texto errado nos rótulos, ou numeração de figura incorporada na imagem
- O prompt já proíbe legendas "Figura 1:"; se uma aparecer mesmo assim, reexecute
- Rótulos com erros de ortografia são a falha mais comum de modelos de imagem. Leia cada rótulo antes de usar
A pontuação parece errada
Pontuação menor do que o diagrama merece
- Leia a crítica antes de reexecutar; a reclamação do revisor geralmente é legítima e específica
- O limite, não a pontuação, decide se itera —
--doc-type journalexige 8.5
Uma execução para em uma pontuação abaixo do limite
- Esse é o limite de iteração.
--iterations 2é o máximo; a última imagem é mantida e relatada com sua pontuação real
"score": null e "reviewed": false no log
- A chamada de revisão falhou ou respondeu de forma inutilizável. A imagem está boa e foi mantida; apenas sua
qualidade nunca foi medida. Verifique
"review_error", olhe a imagem você mesmo e reexecute
Configuração
Error: OPENROUTER_API_KEY not found
export OPENROUTER_API_KEY='sk-or-v1-...', ou adicione a um arquivo.env, ou passe--api-key
Error: requests library not found
uv pip install requests
Qualquer erro de API — execute com -v para ver a requisição, o slug do modelo e o corpo completo do erro
Recursos e Referências
Referências Detalhadas
Carregue estes arquivos para informações abrangentes sobre tópicos específicos:
references/iterative_refinement.md- O loop de gerar-revisar-refinar, a API Python, todas as opções de linha de comando, orientação de engenharia de prompt e quatro exemplos práticosreferences/best_practices.md- Padrões de publicação e diretrizes de acessibilidade para consultar ao escrever prompts e ao julgar o resultado
Recursos Externos
Padrões de Publicação
- Diretrizes de Figuras da Nature: https://www.nature.com/nature/for-authors/final-submission
- Diretrizes de Figuras da Science: https://www.science.org/content/page/instructions-preparing-initial-manuscript
- Diagrama CONSORT: http://www.consort-statement.org/consort-statement/flow-diagram
Integração com Outras Skills
Esta skill funciona sinergicamente com:
- Escrita Científica - Diagramas seguem as melhores práticas para figuras
- Visualização Científica - Compartilha paletas de cores e estilo
- Pôsteres em LaTeX - Gere diagramas para apresentações de pôster
- Bolsas de Pesquisa - Diagramas de metodologia para propostas
- Revisão por Pares - Avalie clareza e acessibilidade do diagrama
Lista de Verificação de Referência Rápida
Antes de enviar diagramas, verifique:
Leia o log de revisão (esta é a única verificação automatizada que existe)
-
<nome>_review_log.jsonexiste e"reviewed"étruena iteração final -
"final_score"é um número real, nãonull, e atende ao limite para seu tipo de documento - Leia a
"critique"— os problemas restantes do revisor são listados mesmo em uma pontuação aprovada - Se mais de uma versão foi gerada, compare
_v1e_v2e mantenha a melhor
Olhe para a imagem você mesmo
- Cada rótulo está escrito corretamente — modelos de imagem erram texto, e nenhuma verificação automatizada aqui detecta isso
- Nenhum texto sobreposto ou cortado
- Todas as setas conectam os elementos que deveriam conectar
- A ciência está correta