Community图像github.com

图形化摘要构建器

将研究材料(PDF、笔记、记录)转化为单页图形化摘要,输出可追溯、可编辑的 SVG 以及 PNG/PDF 导出,确保每个元素都有来源。

图形化摘要构建器 是什么?

图形化摘要构建器是一个 AI 智能体技能,专设计用于将研究材料(PDF、笔记、记录)自动转化为单页图形化摘要。该技能的核心优势在于确保生成的 SVG 文件每个元素都可追溯至原始材料,并输出一份符合合约要求的 result.json。它采用明确的任务分工:AI 智能体负责阅读材料、提取实体、关系和数据,并决定视觉编码;而纯粹基于 Python + matplotlib 的脚本(位于 scripts/ 目录下)则负责布局、渲染、验证和结果组装。该技能支持 Claude Code、Coder、Codex 等平台,典型工作流包括读取案例、提取科学内容、编写 figure_model.json、迭代构建、验证检查以及最终交付。它特别适用于需要创建或编辑图形化摘要、科学总结图、机制或流程示意图、或根据论文、研究笔记或实验记录生成数据图表的场景,尤其是当需要可编辑的源文件和元素到来源的可追溯性时。技能内置了详细的异常处理指南和严格的引用规则,确保结果的完整性和真实性。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/qingyulzx/pku-efficiency3-skills/tree/HEAD/graphical-abstract

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

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

图形化摘要构建器 是做什么的?

将研究材料(PDF、笔记、记录)转化为单页图形化摘要,其每个元素都可追溯至材料,并附带一份合约完整的 result.json。

分工——您负责科学,脚本负责绘图:

  • 您(智能体):阅读实际材料,提取实体/关系/数据,选择视觉编码,决定画布 vs. 图注的内容,对照材料验证图形。
  • 脚本(scripts/,纯 Python + matplotlib):布局、渲染、检查、结果组装。确定性:相同模型输入 → 相同图形输出。

环境与路径

  • 技能根目录:/skills/weekly-skill(脚本在 scripts/ 下,模式文档在 references/ 下)。工作目录为 /app/work;最终交付件存放在 /app/output。
  • 输入:/input/case.json(+ task.md;材料文件由 case 引用)。
  • 需要 Python 环境并安装 matplotlib;如果缺失,PNG 导出会自动回退到 Pillow,PDF 导出会报错并提供解决方法——参见操作手册。
  • 典型成本:10–20 次模型请求,远在 64 次请求 / 900 秒预算内。每次构建/验证脚本运行视为一次工具调用。

工作流

步骤 0 — 读取案例并初始化 result.json(请先执行此步骤)

完整读取 /input/case.json。注意 case_id 和 output_contract 中的每个字段——这些是您的交付义务。然后立即执行:

python scripts/make_result.py --stage init \
  --case /input/case.json --out /app/output/result.json

此操作将每个合约字段写入显式 null 并附带未完成原因。从现在起,即使崩溃,也会留下一份合约完整的交付件。在步骤 6 中重新运行 --stage final 以填充它。

步骤 1 — 阅读实际材料

打开案例指向的真实文件(绝不要从标签推测内容)。对于 PDF,使用 pdf-text-tool / scientific-python;仅在需要 OCR 时才扫描页面。保存 sources.json,将每个材料文件映射到其提取的文本——后续步骤会自动验证引文是否与之匹配:

{ "materials/paper.pdf": "<完整提取的文本>" }

步骤 2 — 提取科学内容(由您判断,而非脚本)

直接从材料填写工作表(模板:templates/agent_worksheet.md):

  1. 问题——材料提出了什么问题?逐字引用。
  2. 实体——必须出现的对象(分子、细胞、设备、方法、队列...)。每个实体包括:标签、一条逐字引用、定位信息(文件 + 页/节/句)。
  3. 关系——材料陈述的有向连接(A 激活 B,剂量引发问题...)。记录方向及其来源语句。
  4. 数据——您可能绘制的每个数字:数值、单位、条件及其来源语句。如果您想要的数字不在材料中,请勿绘制它;改列在 uncertainty/limits 中。
  5. 结论——材料本身提出的主张。

证据规则:引用是材料的逐字子字符串;定位信息精确到人类能在几秒钟内找到;任何无法追溯来源的内容都放入图注/备注,切勿作为数据出现在画布上。

步骤 3 — 编写 figure_model.json

按照 references/model_schema.md(完整工作示例:examples/transformer-1706.03762/)编写 /app/work/figure_model.json。您需做出关键决策:

  • 面板规划:通常 4–6 个面板,按阅读顺序 问题 → 方法 → 结果(1–2 个) → 结论;每个面板一个发现。
  • 每面板布局:flow(实体/关系的框+箭头)、chart(柱状/水平柱状/分组柱状/折线图用于数据)、stats(2–4 个重点数值的大号数字标注)、text(要点式结论)。
  • 视觉通道:长度用于具有共同单位和零基线的量值;位置用于时间序列;颜色仅用于分类系列(内置冈本-伊藤色板;绝不要使用纯红-绿对比);形状/强调用于焦点实体。每个通道一个含义,每个含义一个通道。
  • 画布:默认 1800×1000 像素(≈ A4 横向 150 dpi)。保持每个字体 ≥ 12 像素(检查器会强制执行)。
  • 将工作表中的引用/定位信息复制到每个元素的 source。

步骤 4 — 构建与迭代

python scripts/build_figure.py --model /app/work/figure_model.json \
  --outdir /app/work/out --sources /app/work/sources.json

生成 graphical_abstract.svg(可编辑的事实来源:命名 ID、layer-* 组、每个元素上的来源 <desc>)、.png(300 dpi)、.pdf、element_map.json、export_report.json。退出码 2 = 模型无效(修复 JSON),3 = SVG 失败(按操作手册修复)。PNG/PDF 的渲染失败不会中止运行——它们会记录在 export_report.json.failures 中。

迭代:如果报告显示错误,请编辑模型(而非 SVG)并重新构建。在清除所有错误代码之前,图形是不正确的。

步骤 5 — 像评审者一样验证

python scripts/check_figure.py --outdir /app/work/out --sources /app/work/sources.json

此操作会重新运行所有检查:SVG 格式正确性、字体下限、画布边界、元素映射完整性、引文与材料比对(捕获虚构数字和错误引用)、灰度/对比度、导出完整性。然后亲自查看 PNG(阅读渲染预览)并检查:阅读顺序是否清晰?实体/箭头方向是否与材料一致?图例是否与编码匹配?每个坐标轴是否有单位?如果某个警告无法消除,请记录它——不要隐藏它。

步骤 6 — 组装最终 result.json

编写 /app/work/values.json,包含您的合约字段值(scientific_summary、uncertainty、路径列表、export_checks...)。element_source_map 和 export_checks 由构建过程自动填写。然后:

python scripts/make_result.py --stage final \
  --case /input/case.json --out /app/output/result.json \
  --values /app/work/values.json \
  --map /app/work/out/element_map.json \
  --export /app/work/out/export_report.json \
  --issues /app/work/out/issues.json \
  --status complete --uncertainty "<一句诚实的说明>"

匹配器按精确键名、然后按包含关系、最后按描述关键字填充合约字段;不匹配的字段保留显式 null 并附带原因。如果仍然存在错误级别的问题,状态将自动降级为 partial——切勿在检查失败的情况下声称 complete。将交付件复制到 /app/output:

graphical_abstract.svg + figure_model.json(可编辑源文件), graphical_abstract.png(预览)+ graphical_abstract.pdf(导出), result.json。

步骤 7 — 最终自查

  • result.json:case_id 存在;每个合约字段已填充或为显式 null 并附带原因;状态诚实(尊重自动降级)。
  • SVG 可打开(格式良好的 XML),文本是真正的 <text>(可编辑),每个元素都有 id,图层已命名。
  • PNG 和 PDF 存在且非空;PNG ≥ 300 dpi。
  • 画布上的每个数字都出现在 element_map.json 中的一条引用内。
  • 图例与颜色/系列编码完全匹配。
  • uncertainty/limits 提及每个降级或无法追溯来源的项目。

出问题时

所有故障模式、其特征和解决方法(材料缺少关键数字、实体歧义、文本溢出、字体替换、画布溢出、导出失败、缺少 matplotlib...)均记录在 references/exception_playbook.md 中——遇到任何红色输出时请查阅。唯一至上的规则是:诚实记录,绝不捏造。 一份带有记录限制的 partial 结果,其评分高于一张带有虚构证据的精美图形。

参考资料

  • references/model_schema.md — figure_model.json 逐字段说明,含默认值和约束。
  • references/exception_playbook.md — 失败特征 → 解决方法。
  • references/design_notes.md — 视觉编码规则、色盲安全性、构建器使用的布局约定。
  • templates/agent_worksheet.md — 步骤 2 提取工作表。
  • templates/figure_model.template.json — 最小起始模型。
  • examples/transformer-1706.03762/ — 真实论文工作示例(arXiv:1706.03762,逐字引用 + sha256)。

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.

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.

relationship-schematic

Generate or edit scientific entity-relationship schematics (mechanism diagrams, pathway chains, experimental workflows, structural containment) as traceable, editable SVG with verified relation semantics. Extracts an evidence-quoted entity/relation table first, renders a layered SVG from it, reads the drawing back to verify every relation type, direction and containment, then exports 300-dpi PNG and vector PDF. Use for any "draw a mechanism/workflow/relationship figure from this paper or case material" task where scientific correctness of entities, arrow directions and hierarchy matters.

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.

相关技能