Communitygithub.com

yrjmdqmmx/Tuyan

Workstation de diagramas científicos open source: Web, WeChat Mini Program, Tuyan Benchmark, Agent Skill e MCP anônimo somente leitura

O que é Tuyan?

O **Tuyan** é um skill open source para agentes de IA (como Claude Code, Cursor, Codex) que transforma o agente em uma estação de trabalho local para criação de diagramas científicos. Ele mantém todo o material de pesquisa e artefatos gerados exclusivamente na máquina do usuário, sem enviar dados para servidores externos – o MCP do Tuyan é anônimo e público, aceitando apenas campos enumerados para retornar templates, regras e schemas. O fluxo de trabalho cobre desde a classificação do pedido (criar, refinar, avaliar, etc.) até a geração local de imagens e a exportação de um pacote de reprodutibilidade com manifest assinado. Além de suportar múltiplas categorias visuais (método, arquitetura, mecanismo, timeline, gráficos de dados, etc.), ele oferece um Retriever opcional baseado no PaperBananaBench para consulta local de referências acadêmicas. O Tuyan é ideal para pesquisadores e desenvolvedores que precisam de diagramas científicos precisos, reproduzíveis e totalmente offline, com suporte a PNG e SVG verdadeiro.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Fluxo de trabalho de diagramas científicos Tuyan

Use este fluxo de trabalho para diagramas científicos e gráficos quantitativos. Mantenha o material de pesquisa do usuário e cada artefato gerado na máquina do usuário.

Limite de privacidade

Nunca envie nenhum artigo, imagem, prompt, credencial, chave de API, FigureSpec, rascunho ou saída para o MCP Tuyan. O MCP é somente conhecimento público anônimo. Ele aceita cinco campos enumerados e retorna templates, regras, schemas e metadados de versão. A geração usa apenas capacidades já disponíveis para o agente atual.

Não faça login no Tuyan, não crie uma tarefa remota, não defina um cookie, não faça upload de conteúdo de pesquisa e não peça ao Tuyan uma chave de provedor. Não persista conteúdo do usuário fora do diretório de trabalho local.

1. Classifique a solicitação

Escolha uma operação e uma categoria visual:

  • create: criar uma nova figura.
  • refine: alterar uma figura existente preservando tudo fora do escopo solicitado.
  • evaluate: inspecionar e registrar problemas sem alterar a figura, a menos que o usuário solicite separadamente um refinamento.
  • method_framework: módulos de método de pesquisa, contribuições e fluxo de informações.
  • workflow: etapas ordenadas, decisões, entradas e saídas.
  • system_architecture: componentes, camadas, interfaces e fluxo de dados ou controle.
  • mechanism: entidades, processos causais e cadeias de mecanismos.
  • comparison: dimensões alinhadas entre métodos, condições ou resultados.
  • timeline: eventos cronológicos, fases ou marcos.
  • data_stat: gráficos quantitativos renderizados a partir de dados com código.
  • concept_map: classificação, dependência, contenção ou relacionamentos semânticos.

Use png a menos que o usuário solicite svg. Padrão para 1K e 16:9; requisitos explícitos do usuário prevalecem. Um bitmap nunca deve ser renomeado ou encapsulado e apresentado como SVG.

2. Carregue o conhecimento público do fluxo de trabalho

Se o MCP Tuyan estiver configurado, chame apenas tuyan.get_workflow_bundle exatamente com:

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

Substitua apenas valores enumerados. Nunca adicione texto livre. Leia schemas através dos recursos tuyan:// declarados quando necessário. Se o MCP estiver indisponível, continue com references/offline-snapshot.v1.json. Registre a versão do conhecimento e o hash utilizados.

3. Ofereça o Retriever local opcional

No primeiro uso relevante em um espaço de trabalho, pergunte ao usuário antes de qualquer download do PaperBananaBench. Explique que a revisão fixa upstream atualmente não possui licença de dataset declarada. Siga references/paperbanana-bench.md somente após o consentimento.

Se o usuário pular o download, defina o status do Retriever como skipped e continue. Se o download ou a validação falhar, defina como download-failed ou validation-failed, desabilite o Retriever para esta execução e continue. Nunca torne a disponibilidade do Retriever um pré-requisito para FigureSpec, geração, avaliação ou exportação.

Quando o Retriever estiver habilitado, escreva um arquivo de consulta local curto e execute scripts/retrieve-paperbanana-bench.mjs contra o arquivo verificado. Use a tarefa plot para data_stat e diagram para as outras categorias. Escolha o limite de resultados com base na tarefa; não imponha uma contagem fixa. Inspecione os resultados classificados localmente e, em seguida, registre cada ID de registro selecionado e por que foi usado.

4. Crie o diretório de trabalho local e o FigureSpec

Crie ./tuyan-output/<timestamp>-<slug>/. Armazene notas de origem ou referências a arquivos de origem em sources/, referências de casos selecionados em references/ e os prompts exatos em prompts/. Não copie material de origem a menos que o usuário precise de um pacote autossuficiente.

Escreva figure-spec.json antes da geração ou avaliação. Conforme tuyan://schemas/figure-spec/v1. Preserve a terminologia científica exata, relacionamentos entre entidades, direcionalidade, unidades e rótulos solicitados. Para refine, liste explicitamente as alterações alvo e os elementos não alvo a preservar.

5. Execute localmente

Para toda categoria exceto data_stat, use uma capacidade de geração de imagem ou edição de imagem já disponível para o agente. Salve cada rascunho localmente. Se o formato solicitado for SVG, mas a ferramenta retornar apenas um bitmap, retorne PNG e declare que o SVG verdadeiro não está disponível.

Se não houver capacidade de geração de imagem, defina o renderizador do FigureSpec como spec-only, complete e salve o FigureSpec e, em seguida, pare claramente. Não finja que uma imagem existe.

Para data_stat, salve os dados de origem, código de plotagem, PNG e SVG verdadeiro. Renderize a partir do código, não de um modelo de imagem. Verifique cada número, unidade, coordenada ou faixa de eixo, tick e mapeamento de legenda contra a fonte local. Mantenha os dados e o código suficientes para reproduzir ambas as saídas.

Para refine, prefira uma edição localizada. Após cada edição, registre as alterações alvo alcançadas e o resultado de preservação dos elementos não alvo.

6. Critique e pare

Inspecione cada rascunho contra o FigureSpec e as verificações de categoria. Escreva um registro qualitativo por rodada em critiques/ usando tuyan://schemas/critique-record/v1. Cite evidências visíveis e uma correção concreta; não invente uma pontuação numérica.

O agente decide o número de referências e rodadas de crítica. Pare quando não houver problema material, quando a capacidade necessária estiver indisponível ou após duas rodadas consecutivas sem melhoria. Preserve cada rascunho, prompt e registro de crítica retidos.

7. Finalize o pacote de reprodutibilidade

Mantenha o PNG final ou SVG verdadeiro em final/. Execute:

node <skill-root>/scripts/finalize-output-bundle.mjs \
  ./tuyan-output/<timestamp>-<slug> \
  --retriever-status skipped

Use o status real do Retriever. Isso escreve manifest.json com o SHA-256 do FigureSpec, versão/hash do conhecimento, estado do Retriever e o SHA-256 de cada arquivo local. Revise o manifesto antes de relatar os caminhos ao usuário.

Para instalação e configuração do cliente MCP, leia references/client-installation.md.

Habilidades Relacionadas