Communitygithub.com

KaiyiHu/ResearchFigureSkill

證據鎖定的科學圖表編譯器,用於可稽核的研究圖表

ResearchFigureSkill 是什麼?

這是一個專門為 AI 代理設計的技能,用於從研究論文內容中編譯生成可稽核的科學圖表。它遵循一個明確的「最短路徑安全工作流程」,從允許的論文內容開始,逐步解析、摘要、生成提示模板,最終產出可編輯的圖表及其預覽。該技能強調以證據為基礎,所有圖表中的科學主張、標籤和數據都必須有來源文獻支持,禁止憑空發明或誇大。它支援兩種固定的圖表類型:「動機圖 (Motivation)」和「流程圖 (Pipeline)」,並提供詳細的設計約束,如版面安全區、一致間距和可讀性。該技能可在所有支援 AI 代理的平台(如 Claude Code、Cursor 等)上使用,通過讀取 SKILL.md 文件來理解其操作流程和邊界條件,從而產生符合頂級 AI 會議品質的圖表。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add KaiyiHu/ResearchFigureSkill

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

研究圖表編譯器

公開工作流程版本:1.0。

使用最短路徑安全工作流程:

允許的論文內容
  → 解析是否可檢查現有論文圖表
  → 一份有用的論文摘要
  → 動機和/或流程提示模板
  → 可編輯圖表 + 預覽
  → 一次快速關鍵檢查

除非使用者明確要求,否則請勿建立證據分類帳、角色分析檔案、FigureSpec、來源追蹤套件、稽核 JSON 或多輪審查套件。

將 SKILL_ROOT 解析為包含此文件的目錄。

1. 建立使用者簡報

目標溝通品質應達到頂尖 AI 會議論文的期望水準:清晰的五秒貢獻、有來源依循的主張、審稿人可讀的文字、精確的箭頭、緊湊的資訊密度、有紀律的對齊、易於辨識的色彩,以及可編輯的主檔。範例包括 NeurIPS、ICML、ICLR、AAAI、CVPR、ACL 和 KDD。這是一個品質目標,並非自動聲明符合該會議標準。如果特定會議當前的技術要求很重要,請從官方來源驗證。

在分析之前,要求使用者提供以下三個決定:

圖表類型:動機圖、流程圖,或兩者皆有?
論文中是否有對應的現有圖表:是、否或未知?
如果是:完全取代它、將它作為參考並改進它,或保留它並修復特定部分?

如果請求已回答了某個決定,請勿再次提問。如果缺少一個或多個決定,請在生成前提出一個簡潔的複合問題。使用者可以對現有圖表回答「未知」;請在第 3 步中解析此情況,而無需先視覺檢查該圖表。

2. 無需角色分類即可選擇輸出

此技能有兩種固定的圖表類型:

  • motivation:為什麼這個問題很重要,以及為什麼需要這項研究;
  • pipeline:提出的方法如何將輸入轉換為輸出。

遵循使用者的指令:

  • 如果使用者要求 motivation、圖 1、問題/差距或「動機圖」,僅生成 motivation。
  • 如果使用者要求 pipeline、方法、工作流程、架構、「方法圖」或「流程圖」,僅生成 pipeline。
  • 如果使用者要求兩者或完整圖表集,則生成兩者。
  • 如果使用者未指定類型,請在繼續之前詢問他們想要動機圖、流程圖或兩者。

請勿推斷一個「勝出的角色」並壓制另一個。

3. 在檢查現有論文圖表之前先解析它們

首先尊重使用者的排除條件。切勿使用被排除的頁面、圖表、圖說或補充資料,即使只是為了決定它們是否應成為參考資料。

對於其餘允許的來源,在不先進行視覺檢查的情況下,偵測是否存在現有的動機圖或流程圖。在可行的情況下使用非視覺信號,例如 PDF 影像物件計數、章節位置,或已在允許的提取文字中出現的 Figure 標記。

如果論文似乎包含所選類型的現有圖表,且使用者尚未給出指示,請在打開該圖表或閱讀其圖說之前暫停,並提出一個簡潔的問題:

論文似乎包含一個現有的動機/流程圖表。我應該
(1) 獨立重新生成並忽略它,
(2) 僅將其作為視覺/版面參考,或
(3) 保留它並修復它?
  • 對於獨立重新生成,請勿檢查或使用舊圖表或其圖說。根據允許的論文文字和此技能建立新的構圖。
  • 對於參考主導的重新生成,僅在獲得許可後才檢查它,並將其視為視覺結構/風格,絕非科學證據。
  • 對於修復,保留已驗證的元素,僅更改要求或失敗的部分。

如果使用者已表明要丟棄、忽略、參考或修復現有圖表,請遵循該指示,無需再次詢問。請勿詢問與所選輸出類型無關的附帶圖表或圖形。

4. 閱讀並摘要允許的來源

完整閱讀一次允許的論文或簡報。在文字提取或視覺檢查之前,尊重所有使用者的排除條件。請勿使用被排除的圖說、圖表、頁面或補充資料作為證據。

建立一個 paper-summary.md,通常 500–900 字或同等長度,包含:

  1. 研究問題與重要性;
  2. 當前方法與具體差距;
  3. 有限的主張與貢獻;
  4. 方法輸入、3–7 個主要階段、交接與輸出;
  5. 最有助於理解論文的最強確切結果;
  6. 圖表不得暗示的限制與解讀;
  7. 圖表中可能出現的確切術語、數字與標籤;
  8. 檢查範圍、排除項目與遺失材料。

在可行的情況下使用頁/節錨點,但請勿建立單獨的證據分類帳。保留單位、符號、限定詞和不確定性。請勿發明遺失的模組、數值、關係或因果主張。

5. 填寫固定的提示模板

每次均需閱讀 references/prompt-templates.md。僅填寫第 2 步中選擇的模板。

對於每個提示:

  • 取代每個 {{PLACEHOLDER}};
  • 從摘要中複製確切的科學標籤;
  • 保持一條清晰的五秒訊息;
  • 列出每個可見實體和每個箭頭,格式為 來源 → 目標 | 標籤/承載;
  • 說明不得顯示的內容;
  • 要求即時可編輯文字和向量/原生形狀;
  • 包含簡短的負面提示和關鍵 QA 檢查清單。

儲存 motivation-prompt.md、pipeline-prompt.md 或兩者。請勿將整篇論文貼到繪圖提示中。

每個填寫完畢的提示必須包含版面安全合約:

  • 在每個畫布邊緣保留一個 4–6% 的乾淨外部安全區域;
  • 將標題、標籤、箭頭、邊框和重要圖示完全保留在該安全區域內;只有非必要的背景紋理可以進入該區域;
  • 將視覺質量分佈在有用的畫布上,通常佔用 75–88%,且無大的意外空白區域;
  • 將相關面板邊緣、標題內縮、階段中心、行基線和重複物件對齊到明確的共享參考線;
  • 保持間距一致,並使空白區域具有意圖性;
  • 避免邊緣擁擠,以及大多數內容被壓縮到一個角落的構圖。

參考主導的風格合約

當使用者提供一個或多個期望範例時,將每個範例視為主要風格和構圖參考,而非可選的靈感來源,也非科學證據。

在渲染之前,將這些範例轉化為可觀察的指令,內容包括:

  • 面板拓撲結構和大致區域比例;
  • 邊框樣式、筆觸特性和角落處理;
  • 標題字體、正文字體和排版層級;
  • 圖示系列、箭頭節奏、資訊密度和空白區域;
  • 語義強調色,以及何處使用或不使用填充色。

填寫完畢的提示必須明確說明,渲染器必須保留此視覺語言,且不得將其重新設計為通用的內部風格。將參考資料中特定的科學內容、文字、數字、標誌和獨特圖示替換為來自當前論文且經過驗證的清單。

如果未提供視覺參考,則預設使用手繪學術資訊圖表風格:白色紙張背景,略帶不規則的黑色線條,彩色虛線圓角面板邊框,手寫風格的標題,簡單的科學塗鴉圖示,稀疏的淺色高亮,以及緊湊但可讀的資訊密度。請勿預設使用現代的企業卡片網格。

動機圖邊界

使用:

現狀 → 觀察到的限制或盲點 → 有限的研究需求

最多顯示三個主要訊息。請勿揭露完整的架構、訓練程序或結果排行榜。

流程圖邊界

使用:

類型化輸入 → 3–7 個動詞主導的階段 → 類型化輸出

為每個交接命名。僅在來源明確支援的情況下才顯示分支或回饋迴路。請勿添加基準測試勝利徽章或裝飾性模組。

6. 生成圖表

將填寫完畢的提示作為渲染器的輸入。請勿將其重新解釋為不同的視覺系統。

6.1 選擇渲染順序

在以下任何情況為真時,使用影像優先渲染:

  • 使用者提供了視覺參考;
  • 使用者要求 GPT/影像模型生成;
  • 匹配手繪或插圖式視覺語言比完美的向量純度更重要。

在影像優先模式下,將填寫完畢的提示和提供的參考影像直接傳遞給影像生成器。第一個產物是風格忠實的 PNG。請勿用人工設計的企業 SVG 取代此步驟。

僅在使用者明確優先考慮完全可編輯的確定性主檔案,或確切圖表/方程式佔主導地位時,才使用向量優先渲染。向量優先的輸出仍必須實現聲明的風格合約;可編輯並不意味著乾淨的無襯線卡片。

當同時要求風格忠實度和可編輯性時:

  1. 首先生成並核准風格忠實的影像;
  2. 建立一個可編輯的 SVG 配套檔案,保留相同的面板拓撲結構、虛線邊框、手繪線條特性、字體層級、圖示和強調色板;
  3. 保持確切的科學標籤、數值和箭頭是動態且正確的;
  4. 如果有任何插圖圖層仍為點陣圖,請揭露而非聲稱整個圖表完全可編輯。

預設交付項目仍為:

motivation.svg + motivation.png
pipeline.svg + pipeline.png

僅在使用者要求時才使用其他可編輯格式。確切定量圖表、軸、方程式和敏感數值保持確定性。短圖表標籤可能在影像優先的風格傳遞中生成,但必須逐字元檢查,並在必要時於可編輯的配套檔案中更正。

在渲染之前,將版面安全合約轉換為具體的座標或比例。對於一個暫定的 1800 × 1000 畫布,將關鍵內容保持在距離左/右邊緣約 72–108 像素,距離頂/底部 40–60 像素。將重複的區域和物件對齊到命名的參考線。請勿使用可能導致導出後被裁切的明顯全出血邊框。

當提供了參考影像時,保留其可觀察的視覺文法,使其結果足夠接近所要求的風格系列。請勿複製其科學內容、文字、數值、標誌或來源特定的符號。

7. 執行一次快速關鍵檢查

分別以 100% 和 200% 的縮放比例檢查實際預覽。僅檢查以下關卡:

  1. 科學性 — 無發明或比來源更強的主張、數值、元件或法律/臨床結論。
  2. 結構性 — 必需的實體存在;階段順序和每個箭頭端點/方向正確。
  3. 文字 — 確切的拼寫、符號和數字;無偽文字、遺失的字形或無法閱讀的標籤。
  4. 光學與版面 — 無模糊、模糊/融化的形狀、重疊、裁剪、超出畫布的內容,或明顯的低解析度放大。確認有可見的 4–6% 周邊安全區域、畫布使用均衡、無大的意外空白區域、間距一致,以及相關標題、面板、行、階段和重複物件的對齊。
  5. 可編輯性 — 主檔案保留動態文字和獨立的向量/原生物件,而非單一扁平化的點陣圖。

當提供了參考時,如果面板拓撲結構、邊框處理、字體特性、圖示語言或資訊密度已明顯偏離至不同的風格系列,則光學關卡也會被判定為失敗。

對於 SVG,可選擇執行輕量級檢查:

python3 "${SKILL_ROOT}/scripts/quick_qa.py" figure.svg figure.png

對於已誠實揭露其插圖圖層仍為點陣圖的影像優先混合作品,請使用 --allow-hybrid。請勿使用此標誌將扁平化的影像描述為完全可編輯。

如果任何關卡失敗,則進行一次有針對性的修復並再次檢查。在首次通過的結果處停止。最多使用兩次渲染嘗試,除非使用者要求更多迭代。

8. 保持交付內容精簡

預設檔案:

paper-summary.md
motivation-prompt.md        # 僅在選中時
motivation.svg
motivation.png
pipeline-prompt.md          # 僅在選中時
pipeline.svg
pipeline.png

在最終回應中報告這五個 QA 關卡;請勿建立 QA 檔案。暫存渲染結果應放置在作業系統的暫存目錄中,並應在最終檔案通過檢查後刪除。

邊界條件

  • 未經授權,請勿將私人或未發表材料暴露給外部供應商。
  • 未經確定性驗證,請勿使用圖像生成的軸、基準值、方程式或最終的高風險科學標籤。
  • 除非檢查了當前的官方要求,否則請勿聲明符合會議標準。
  • 請勿模仿在世藝術家或緊密複製參考圖表。
  • 請勿取代專家科學、統計、臨床或法律審查。

相關技能