Community影像github.com

論文圖表工藝

以程式碼繪製出版級系統架構圖、計算機組織圖、EDA 及 AI 論文圖表,杜絕 AI 生成的圖表痕跡。涵蓋與 figgenie-paper-diagram 的 5 步驟編譯與 lint 協作、角色分離(典範對比與案例軌跡收斂原型)、異質視覺容器、消光橫幅與斜體排版微語法、SVG 與 Matplotlib 共用的 4 層礦物墨水調色盤、5 類向量微圖示系統,以及經典 IEEE/ACM 四軸評估圖表。適用於論文示意圖或實驗圖的規劃、繪製、評論或重新塑形。

論文圖表工藝 是什麼?

論文圖表工藝 (Paper Figure Craft) 是一個專為研究人員與工程師設計的 AI Agent 技能,旨在透過程式碼生成高品質、符合出版標準的論文圖表。它支援 SVG(用於系統架構圖)與 Matplotlib(用於量化評估圖表)兩種輸出格式,確保圖表沒有 AI 典型痕跡(例如模糊、過於圓潤的方塊或泛用的流程圖樣式)。此技能強調整體工作流程:先與 figgenie-paper-diagram 工具鏈協作,依序執行 TeX 填充、Lint 檢查、PNG 視覺確認、向量 PDF 匯出及 PPTX 生成。在系統圖層面,它定義了嚴謹的排版微語法(精確點陣網格、消光橫幅、斜體標籤)、四層礦物墨水調色盤(結構色、背景色、前景色、重點色)以及五類向量微圖示(硬體縮圖、綁環事實帳本、角色徽章代理與假設對話框、工具扳手、參數色票)。在評估圖表層面,它遵循 IEEE/ACM 的四軸盒子格式(向內刻度、灰度安全網底、雙軸步進曲線)。此技能支援 Claude Code 等終端機型 Agent,也可用於 Cursor、Codex 等 IDE 內建 Agent。建議搭配提供的模板 (svg_diagram_scaffold.py, plot_style.py, ieee_eval_plot_scaffold.py) 使用,並透過高 DPI 螢幕截圖進行最終視覺檢查。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lllbbbyyy/paper-craft-skills/tree/HEAD/skills/paper-figure-craft

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

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

論文圖表工藝 是做什麼的?

建立密集、清晰、符合出版標準的研究圖表(使用 SVG 繪製架構圖,使用經典四軸 Matplotlib 繪製量化評估圖表),符合頂尖系統、計算機組織、EDA 及 AI 會議的標準,且無一般 AI 生成的流程圖痕跡。中文版請見 SKILL.zh-CN.md。

核心工作流程

  1. 整合工具鏈技能並拆分圖表角色(1 張圖 = 1 項工作,異質容器)

    • 當安裝了 figgenie-paper-diagram 時與其協作:參考 figgenie-paper-diagram 的場域範例來決定資訊密度,輸出語義屬性(data-kind、data-role、data-symbol="tex"),並執行 5 步驟管線:tex_fill.py --check(MathJax 內聯向量 <path>) $\to$ lint.py(包含/重疊檢查) $\to$ 4× PNG 視覺檢查 $\to$ svg_to_pdf.py / export_pdf.py(無縮放向量 PDF) $\to$ svg2pptx.py(可編輯投影片)。若缺少 figgenie-paper-diagram,可直接使用 templates/svg_diagram_scaffold.py + templates/svg_to_pdf.py。
    • 動機圖(Fig. 1,單欄 244 × 152–185 pt,第 1 頁右上角):選擇符合您論文主軸的原型:
      • 原型 A (典範對比):上方 (a) 對比 2–3 個既有典範卡片(小趨勢曲線 + + 優勢 / - 限制)+ 連鎖挑戰條 C1–C3;下方 (b) 預覽您的 3 步驟解決方案,並使用 1-to-1 欄位對齊的 chevron_bar。
      • 原型 B (動機案例軌跡與收斂):(a) 具體的基準/硬體設定,(b) 單線步驟軌跡 E1..Ek 強調快速整體收斂,以及 (c) 收斂曲線搭配明確的彩色方塊色票(swatch_legend_row: DF: WS / OS、GLB: 2M / 8M / 32M)。
    • 絕不將異質內容放入相同容器:在視覺上區分靜態設定、順序步驟行、有向邊、經過驗證的事實帳本以及 Agent 假設,並將文字精簡為清晰的單行短語。
    • 系統總覽圖(Fig. 2,雙欄 504 × 180–192 pt):閉環 步驟 1–6,使用帶編號的黑色圓形徽章、快速繞過 vs. 按需求路由,以及獨立的輸出產物。
    • 運作機制 / 工具循環圖(Fig. 3,244 pt 或 504 × 146–160 pt):具體的數值逐步說明(內嵌候選排行榜小表格,標示 Pick 與迷你散點圖)或綁環驗證帳本 $\to$ Agent 假設對話框 $\to$ 取樣工具條。
    • 量化評估圖表(Figs. 4–6,Matplotlib 向量 PDF/SVG):雙行搜尋軌跡、分組網底長條圖、堆疊執行時間分解圖、以及 Pareto 散點圖。
  2. 強制執行排版微語法、四層調色盤階層及五類微圖示系統 閱讀 references/schematic-grammar.en.md(或 schematic-grammar.zh-CN.md),並基於 templates/svg_diagram_scaffold.py + templates/plot_style.py 建構:

    • 精確點互鎖網格與排版:固定 W = 504 pt(\textwidth)或 244 pt(\columnwidth),1 pt = 1 SVG 單位;外邊距 3–4 pt,階段間距 4.5–5.5 pt,以輪廓 block_arrow_h 連接,內距 3.5–4 pt。使用置中白色消光橫幅(stage_container)或淺色虛線 outline_zone + 2.8 pt left_stripe_card。保留斜體用於 [方括號角色標籤]、分支條件、描述欄位及單行物理機制,並在換行列中保持字重一致。
    • 四層礦物墨水調色盤(plot_style.py 可在 SVG 與 Matplotlib 間共用):第 1 層結構墨水 #18181B + #3F4752 / #525E6B 灰色 + #C9D1DB 區塊箭頭;第 2 層柔和建築階段底色(#F4ECDC、#DAE8F4、#DDE2E8、#F3DFCE、#DCEAD7);第 3 層清晰 #FFFFFF 前景卡片 + #E2E7EE 分頁(#E6EFEA 薄荷綠用於獲勝 Pick 行);第 4 層高對比強調色(#1B4965 海軍藍、#A61C24 深紅、#C46D1F 赭色、#2C6E58 鼠尾草綠),面積佔比控制在 <10% 以下——絕不大量用於大型容器背景。
    • 五類向量微圖示系統:(1) 13.5×13.5 pt 硬體/工作負載縮圖(icon_systolic、icon_noc、icon_sparse);(2) 資料集鼓(icon_drum)及左緣筆記本 binder_rings 以標示經過驗證的事實;(3) 角色徽章代理(icon_agent:診斷用放大鏡 vs. 實驗用取樣網格)及尖角 speech_bubble 多邊形用於可測試假設;(4) icon_wrench 與 icon_stacked_docs 用於獨立產物;(5) icon_refresh_loop 與 swatch_legend_row。
    • 區分節點與有向邊,並明確標示單位:將介面/過濾器繪製為藥丸標籤箭頭(directed_edge_with_pill),並寫入 0 LLM Calls、0 Sim Calls、9.2s(3.6× faster)。
  3. 強制執行經典 IEEE/ACM 量化圖表慣例 閱讀 references/eval-charts-ieee.en.md,並從 templates/ieee_eval_plot_scaffold.py 開始:

    • 四軸盒子 + 向內刻度 + Arimo + STIX Type-42 字型:啟用所有四個軸線(0.8 pt)、向內刻度,並設定 pdf.fonttype = 42。
    • 灰度安全網底與雙步驟-保持軌跡:為基準線長條圖加入網底('//'、'\\\\'、'..'),將我們的方法以實心主要強調色繪製並直接標示數值,並透過 ax.step(..., where='post') 繪製雙軸時鐘/評估計數軌跡。在分組跨領域長條圖中僅繪製通用基準線。
  4. 渲染、Lint 並透過螢幕截圖視覺檢查每張圖表

    • 確認內聯數學間距 >= 3 pt,基準 <tspan dy> 重設,以及與論文正文的術語 1:1 同步。
    • 藉由視覺檢查高 DPI PNG/PDF 渲染結果,以消除參考線標籤碰撞、文字擁擠或圖例重疊等問題。

相關技能