科学示意图与图表 是做什么的？
概述
科学示意图与图表将复杂概念转化为清晰的视觉表示，以便发表。此技能使用Nano Banana 2 AI生成图表，并配合Gemini 3.6 Flash进行质量审核。
工作原理：
- 用自然语言描述你的图表
- Nano Banana 2自动生成符合发表标准的图像
- Gemini 3.6 Flash根据文档类型阈值审核质量
- 智能迭代：仅当质量低于阈值时才会重新生成
- 数分钟内即可获得发表就绪的输出
- 无需编码、模板或手动绘制
按文档类型的质量阈值：
| 文档类型 | 阈值 | 描述 |
|---|---|---|
| 期刊 | 8.5/10 | Nature, Science, 同行评审期刊 |
| 会议 | 8.0/10 | 会议论文 |
| 学位论文 | 8.0/10 | 博士论文、硕士论文 |
| 基金申请 | 8.0/10 | 基金申请书 |
| 预印本 | 7.5/10 | arXiv, bioRxiv等 |
| 报告 | 7.5/10 | 技术报告 |
| 海报 | 7.0/10 | 学术海报 |
| 演示文稿 | 6.5/10 | 幻灯片、演讲 |
| 默认 | 7.5/10 | 通用目的 |
只需描述你想要的，Nano Banana 2就会创建它。 所有图表都存储在figures/子文件夹中，并在论文/海报中引用。
输出内容： 由图像模型返回的任意分辨率的栅格PNG。此技能无矢量路径和DPI控制——如果期刊要求PDF、EPS或300 dpi的TIFF，请后续转换PNG，并在最终打印尺寸下检查结果。
快速入门：生成任意图表
只需描述即可创建任何科学图表。Nano Banana 2会自动处理所有事情，并具备智能迭代功能：
# 为期刊论文生成（最高质量阈值：8.5/10）
python scripts/generate_schematic.py "CONSORT参与者流程图，500人筛选，150人排除，350人随机分组" -o figures/consort.png --doc-type journal
# 为演示文稿生成（较低阈值：6.5/10 - 更快）
python scripts/generate_schematic.py "Transformer编码器-解码器架构，显示多头注意力" -o figures/transformer.png --doc-type presentation
# 为海报生成（中等阈值：7.0/10）
python scripts/generate_schematic.py "MAPK信号通路，从EGFR到基因转录" -o figures/mapk_pathway.png --doc-type poster
# 自定义最大迭代次数（最多2次）
python scripts/generate_schematic.py "复杂电路图，含运放、电阻和电容" -o figures/circuit.png --iterations 2 --doc-type journal
后台运行过程：
- 生成1：Nano Banana 2根据科学图表最佳实践创建初始图像
- 审核1：Gemini 3.6 Flash根据文档类型阈值评估质量
- 决策：如果质量 >= 阈值 → 完成（无需更多迭代！）
- 如果低于阈值：根据评审意见改进提示词，重新生成
- 重复：直到质量满足阈值或达到最大迭代次数
智能迭代优势：
- ✅ 如果首次生成足够好，可节省API调用
- ✅ 为期刊论文提供更高质量标准
- ✅ 为演示文稿/海报提供更快的周转
- ✅ 为每个用例提供适当的质量
输出：带版本号的图像（name_v1.png，name_v2.png），一份位于你指定路径的优胜副本，以及包含每次迭代的评分、评审意见和提前停止原因的 name_review_log.json 文件。
当审核无法运行时 —— 如遇到速率限制、内容过滤器、或审核者以意外形式回答 —— 图像仍会生成并保存，但不会为其编造分数。日志会记录 "score": null 和 "reviewed": false，并在 "review_error" 中注明原因，同时运行时会打印 Review unavailable — image kept, quality not verified。请将该图像视为未检查状态，自行查看；重新运行一次是值得的，因为失败通常是暂时的。
配置
设置你的OpenRouter API密钥：
export OPENROUTER_API_KEY='your_api_key_here'
在此获取API密钥：https://openrouter.ai/keys
数据离开机器。 你的提示词会发送至OpenRouter以生成图像，生成的图像会传回OpenRouter进行质量审核。两者均受OpenRouter的数据政策及其底层模型提供商的政策约束。请勿在提示词中描述未发表的数据、患者信息或任何受保密协议约束的内容。
AI生成最佳实践
科学图表的有效提示词：
✓ 好的提示词（具体、详细）：
- "CONSORT流程图，显示从筛选（n=500）到随机分组再到最终分析的参与者流程"
- "Transformer神经网络架构，编码器堆栈在左，解码器堆栈在右，显示多头注意力和交叉注意力连接"
- "生物信号级联：EGFR受体 → RAS → RAF → MEK → ERK → 细胞核，标记磷酸化步骤"
- "物联网系统模块图：传感器 → 微控制器 → WiFi模块 → 云服务器 → 移动应用"
✗ 避免模糊提示词：
- "画个流程图"（过于笼统）
- "神经网络"（哪种类型？包含哪些组件？）
- "通路图"（哪条通路？包含哪些分子？）
需要包含的关键要素：
- 类型：流程图、架构图、通路、电路等
- 组件：需包含的具体元素
- 流程/方向：元素如何连接（从左到右、从上到下）
- 标签：需包含的关键注释或文本
- 风格：任何特定的视觉要求
科学质量指南（自动应用）：
- 干净的白色/浅色背景
- 高对比度，便于阅读
- 清晰易读的标签（最小10pt）
- 专业排版（无衬线字体）
- 色盲友好颜色（Okabe-Ito调色板）
- 适当的间距，避免拥挤
- 适当时包含比例尺、图例、坐标轴
何时使用此技能
此技能应在以下情况下使用：
- 创建神经网络架构图（Transformer、CNN、RNN等）
- 说明系统架构和数据流图
- 为研究设计绘制方法论流程图（CONSORT、PRISMA）
- 可视化算法工作流和处理管线
- 创建电路图和电气原理图
- 描绘生物通路和分子相互作用
- 生成网络拓扑和层次结构
- 说明概念框架和理论模型
- 为技术论文设计模块图
如何使用此技能
只需用自然语言描述你的图表。 Nano Banana 2会自动生成：
python scripts/generate_schematic.py "你的图表描述" -o output.png
就这么简单！ AI处理：
- ✓ 布局和构图
- ✓ 标签和注释
- ✓ 颜色和样式
- ✓ 质量审核和优化
- ✓ 符合发表标准的输出
适用于所有图表类型：
- 流程图（CONSORT、PRISMA等）
- 神经网络架构
- 生物通路
- 电路图
- 系统架构
- 模块图
- 任何科学可视化
无需编码、模板或手动绘制。
AI生成模式（Nano Banana 2 + Gemini 3.6 Flash审核）
智能迭代优化、高级用法和示例
生成-审核-优化循环、Python API和命令行选项、提示词工程指导以及四个工作示例（CONSORT流程图、神经网络架构、生物通路、系统架构）均位于 references/iterative_refinement.md 中。
一旦审核通过，循环就会停止，因此简单的图表通常只需一次迭代；只有复杂图形才会使用全部预算。
命令行用法
生成科学示意图的主要入口点：
# 基本用法
python scripts/generate_schematic.py "图表描述" -o output.png
# 自定义迭代次数（最多2次）
python scripts/generate_schematic.py "复杂图表" -o diagram.png --iterations 2
# 详细模式
python scripts/generate_schematic.py "图表" -o out.png -v
注意： Nano Banana 2 AI生成系统在其迭代优化过程中包含自动质量审核。每次迭代都会根据科学准确性、清晰度和可访问性进行评估。
最佳实践总结
设计原则 —— 在提示词中要求使用
- 清晰优于复杂 - 简化，去除不必要的元素
- 一致的风格 - 在论文的所有图表中描述相同的视觉惯例
- 色盲无障碍 - 要求使用Okabe-Ito调色板和冗余编码
- 适当的排版 - 无衬线字体，足够大的标签
- 逻辑流程 - 明确说明方向（从左到右、从上到下）
生成器默认应用所有这些原则，但对于特定图表，用自己的话说明它们比仅仅依赖内置指南效果更好。
管线无法实现的功能
- 矢量输出 - 仅PNG；不生成PDF、SVG或EPS
- 分辨率控制 - 由图像模型决定；无DPI标志
- 色彩空间 - 仅RGB；后续转换为CMYK印刷工作流
- 精确的线宽或文字大小 - 在提示词中描述，然后目视验证
对于要求矢量图或300+ dpi TIFF的期刊，请在生成后转换PNG，并在实际打印尺寸下检查结果。
集成指南
- 在LaTeX中包含 - 使用
\includegraphics{}引入生成的图像 - 详细标题 - 描述所有元素和缩略词
- 在正文中引用 - 在叙述流程中解释图表
- 保持一致性 - 论文中所有图表使用相同风格
- 版本控制 - 将提示词和生成的图像保留在仓库中
常见问题排查
生成具有随机性且迭代次数限制为2次，因此实际能改变结果的因素是提示词、文档类型和重新运行。此技能没有后期处理步骤，也没有质量检查库：你可以检查的所有内容都存在于生成的PNG和 <name>_review_log.json 文件中。
图表不正确
文本重叠、元素拥挤或箭头未命中目标
- 在提示词中指定布局："垂直流程，每行一个框，阶段之间留有充足间距"
- 指定连接关系："从RAF到MEK的箭头，标记为磷酸化"，而不是"显示级联"
- 重新运行。同一提示词运行两次结果不同，糟糕的布局通常只是运气不好
内容在科学上错误或缺少组件
- 显式列出组件，包括数量和标签——模型不会推断它们
- 阅读审核日志中的
critique字段：审核者通常会指出它看到的缺失内容
标签文本错误或图表中嵌入了图编号
- 提示词已禁止出现"Figure 1:"标题；如果仍出现，请重新运行
- 拼写错误的标签是图像模型最常见的失败点。使用前请阅读每个标签
评分似乎不正确
评分低于图表应得的分数
- 在重新运行前阅读评审意见；审核者提出的问题通常是合理且具体的
- 决定是否迭代的是阈值，而不是评分——
--doc-type journal要求8.5分
运行在低于阈值的分数处停止
- 这是迭代上限。
--iterations 2是最大值；最后一张图像会被保留并报告其实际分数
日志中出现 "score": null 和 "reviewed": false
- 审核调用失败或返回了不可用的格式。图像正常并被保留；只是质量从未被衡量。请检查
"review_error"，自行查看图像，然后重新运行
设置
Error: OPENROUTER_API_KEY not found
export OPENROUTER_API_KEY='sk-or-v1-...'，或者将其添加到.env文件，或传入--api-key
Error: requests library not found
uv pip install requests
任何API错误 —— 使用 -v 运行以查看请求、模型slug和完整的错误主体
资源和参考
详细参考
加载这些文件以获取特定主题的全面信息：
references/iterative_refinement.md- 生成-审核-优化循环、Python API、所有命令行选项、提示词工程指导以及四个工作示例references/best_practices.md- 出版标准和可访问性指南，用于编写提示词和判断结果时参考
外部资源
出版标准
- Nature图形指南：https://www.nature.com/nature/for-authors/final-submission
- Science图形指南：https://www.science.org/content/page/instructions-preparing-initial-manuscript
- CONSORT图表：http://www.consort-statement.org/consort-statement/flow-diagram
与其他技能的集成
此技能可与以下技能协同使用：
- 科学写作 - 图表遵循图形最佳实践
- 科学可视化 - 共享调色板和样式
- LaTeX海报 - 为海报演示生成图表
- 研究基金申请 - 为申请书生成方法论图表
- 同行评审 - 评估图表的清晰度和可访问性
快速参考检查清单
在提交图表前，请验证：
阅读审核日志（这是唯一自动化的检查）
-
<name>_review_log.json存在且最终迭代中"reviewed"为true -
"final_score"是实数，非null，且达到你的文档类型阈值 - 阅读
"critique"—— 即使分数合格，审核者也列出了剩余问题 - 如果生成了多个版本，比较
_v1和_v2并保留更好的一个
自行查看图像
- 所有标签拼写正确 —— 图像模型会拼错文本，且此处没有自动化检查能发现
- 无重叠或裁剪的文本
- 所有箭头连接了它们本应连接的元素
- 科学内容准确无误
...