Community影像github.com

biopathway-mechanism-diagram

建立或編輯可被挑戰的出版級生物機制/路徑圖,從研究資料(PDF/文字)生成三層模型(類型化實體、帶逐字證據的有向邊、區室佈局)、語義正確的SVG原始檔、PNG/PDF匯出,以及可追溯、具不確定性意識的result.json。

biopathway-mechanism-diagram 是什麼?

此技能專為需要從研究文獻(如PDF或文字)繪製、生成或編輯訊號傳遞路徑、機制圖、交互作用圖或路徑流程圖的AI代理(如Claude Code、Cursor)設計。其核心合約是將每條邊與每個實體都連結到來源文獻中的逐字引用與精確位置,並明確區分活化/抑制/結合/修飾等不同交互語義。技能要求代理嚴格遵循「不猜測」原則:若來源未指明方向,則將邊標記為無向並記錄不確定性;未說明的區室、數字等資訊也必須明確標示為「未陳述」。技能支援多個步驟:從模型提取(實體、邊、區室)、腳本驗證、SVG渲染與匯出(PNG/PDF)、編輯場景,以及最終的結果驗證與result.json填寫。它提供了多個Python腳本(scaffold_result.py、validate_model.py、render_svg.py、export_assets.py、verify_outputs.py)來執行結構化任務,並包含參考文件(edge-types.json、uncertainty-policy.md等)來確保科學完整性。此技能最適合用於製作可追溯、可編輯且符合出版標準的生物機制圖,而非統計圖表或實驗示意圖。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/qingyulzx/pku-efficiency3-skills/tree/HEAD/bio-pathway

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

biopathway-mechanism-diagram 是做什麼的?

一張路徑圖是一個讀者會逐一挑戰每個箭頭的機制陳述。此技能的合約:畫布上的每個實體和每條邊都必須追溯到帶有位置的逐字引用;交互語義(活化/抑制/結合/修飾/運輸)在視覺上需有明顯區別且不可混淆;任何來源未陳述的內容(方向、位置、數字)必須明確標記為「未陳述」,而非猜測。交付物包括分層、可透過ID定址的編輯式SVG,加上PNG/PDF匯出,以及一份合約完整的result.json。

使用時機與不適用時機

適用於:機制圖、訊號傳遞路徑圖、受體至細胞核的級聯反應、路徑交互作用、「根據此文繪製圖N」任務,以及對現有路徑圖的編輯(新增/刪除實體或邊、重新標記)。 不適用於:統計圖表(長條圖/箱形圖/火山圖)、實驗示意圖,或純美觀修飾;這些屬於其他技能範疇。

執行合約(平台執行時期)

  • 輸入:/input/case.json(+ task.md)。在 /app/work 下工作;交付物置於 /app/output。
  • 整個執行的第一個動作(在深入閱讀案例之前): python scripts/scaffold_result.py --input /input/case.json --outdir /app/output 這會寫入一個 result.json,其中包含每個輸出合約欄位,未產生的欄位為 null + 原因。持續逐步更新它;切勿刪除任何合約欄位。
  • 以下所有腳本都採用 --model/--svg 類型的路徑參數,且是純 Python 3(僅使用標準函式庫),除非另有說明。references/ 由腳本讀取;請在步驟 1 之前自行閱讀 .md 檔案。

步驟 0 - 閱讀合約並建立支架(1 次請求)

執行支架腳本。略讀 task.md + case.json:確認圖形目標(何種機制、若是重製則為何圖、生成或編輯情境)、所需的匯出格式,以及證據範圍。記錄你必須填寫的合約欄位清單。預算意識:目標在 5-8 個模型步驟內完成;腳本負責繁重工作,你負責科學判斷。

步驟 1 - 提取機制模型(科學核心 - 自行完成)

閱讀實際材料(實際解析 PDF;讀取檔案,切勿根據標籤假設內容)。根據你自己的判斷,按照 references/layout-conventions.md 建立 /app/work/model.json:

  1. 實體 — 基因 / 蛋白質 / 受體 / RNA / 複合體 / 分子 / 細胞 / 家族。應用 references/naming-rules.md:基因符號使用斜體,基因節點與其蛋白質節點有所區別(MYC vs MYC);使用首選符號,並在別名中保留來源拼寫;家族與成員的區分;每個已陳述的複合體一個節點。每個實體攜帶 source: {loc, quote} — 一個逐字引用和一個足夠精確以重新找到的位置(章節/段落/頁碼/圖說)。
  2. 邊 — 類型來自 references/edge-types.json 中的封閉集合(活化、抑制、結合、磷酸化、泛素化、轉錄調控、轉位、複合體形成等)。directed 必須明確設定。切勿猜測方向:如果引用中沒有方向提示,將 directed 設為 false,並記錄不確定性(references/uncertainty-policy.md)。結合/招募是無向的。轉錄調控的目標是基因節點,且需要一個正負號。
  3. 區室 — 細胞外 / 細胞膜 / 細胞質 / 細胞核(+ 內質網、高基氏體、胞器子區域,若機制需要)。位置未陳述的實體應放入 unspecified 帶 — 切勿無聲地放入細胞質。受體錨定在細胞膜帶上。
  4. 順序 — 根據路徑位置設定 order(拓撲順序,非文字順序);反饋迴圈自然以向後邊的形式出現。
  5. 畫布上的數字(表現量、顯著性)僅在來源中以逐字形式存在時才加入;否則將資料映射明確保留為 null。

實務提取順序:第一次閱讀掌握整體流程;第二次逐句閱讀提取實體與引用;第三次閱讀提取邊,包括抑制劑、反饋與交互作用(它們通常隱藏在「然而/然而」的句子中)。

步驟 2 - 驗證模型(腳本)

python scripts/validate_model.py --model /app/work/model.json \
    --report /app/work/validation-report.json

修正每個 E-* 錯誤。E-DIR-01(有向邊缺少方向提示)是核心科學防護機制:要嘛引用一個陳述方向的句子,要嘛降級為無向邊 + 不確定性。警告需要審慎決定:家族節點、受體放置、正負號與引用的不一致。重新執行直到驗證通過。如果材料無法支援某個必要的合約項目,請立即註記(它將在步驟 5 中成為 null + 原因)。

步驟 3 - 渲染 SVG 並匯出(腳本)

python scripts/render_svg.py --model /app/work/model.json \
    --out /app/output/pathway.svg --report /app/work/render-report.json
python scripts/export_assets.py --svg /app/output/pathway.svg \
    --outdir /app/output --model /app/work/model.json \
    --png-width 2400 --report /app/work/export-report.json

閱讀渲染報告的警告(畫布限制、未知區室)。自行檢視 PNG;如果佈局遮蔽了機制(邊交叉隱藏分支、反饋跨越級聯),請調整模型中的 order/固定位置並重新渲染。SVG 是確定性的:相同的模型 → 相同的 SVG。

步驟 4 - 編輯情境(若案例要求編輯現有圖形)

首先重建目標圖形的模型(對原始圖形的來源文字執行步驟 1),然後使用保留來源的編輯——原始模型/SVG 會備份,每次編輯都會記錄在模型的 change_log 中:

python scripts/apply_edit.py --model /app/work/model.json --op add-edge \
    --id e-new --src A --tgt B --type inhibition --directed true \
    --sign negative --loc "..." --quote "..."

操作:新增/重新命名/移除實體(當有邊連接時,移除操作會拒絕,除非使用 --cascade,且級聯移除會記錄為不確定性)、新增/移除邊、新增區室。每個新增的實體/邊必須提供逐字的 --loc + --quote。編輯後,重新驗證(自動)並重新渲染(步驟 3)。

步驟 5 - 驗證並最終確定 result.json(腳本 + 你)

python scripts/verify_outputs.py --model /app/work/model.json \
    --svg /app/output/pathway.svg --result /app/output/result.json \
    --exports /app/output/pathway.png /app/output/pathway.pdf \
    --report /app/output/verification-report.json

這會重新讀取 SVG,檢查節點/邊的回讀、圖例與使用的一致性(雙向)、標籤溢出、畫布限制、匯出檔案是否存在,以及 result.json 中每個 null 是否都有原因。然後自行最終確定 result.json:填寫合約欄位(editable_source 路徑、匯出檔案與後端/參數、包含引用的 entity_table/edge_table、legend_basis、包含版本的 sources、不確定性、驗證摘要、誠實的狀態)。為任何 null 保留 _unanswered_reasons。部分交付必須以簡明語言說明其限制。

例外處理(真實路徑,非裝飾)

失敗情況偵測方式處理行動
PDF 無法讀取 / 無文字圖層解析失敗或文字為空對渲染使用 pdf-render-tool / ocr-tool,在 result.json 中標記「文字圖層缺失」
實體名稱模糊(兩種解讀)你的提取根據上下文選擇,記錄替代方案 + 不確定性;若無法決定,則為 null + 原因
方向未陳述E-DIR-01降級為無向邊(無箭頭)+ 不確定性。切勿猜測
區室未知E-CMP-01 / 佈局警告unspecified 帶 + 註記
缺少用於資料編碼視覺元素的數值資料模型中無逐字數字繪製拓撲結構,將映射標記為 null + 「來源中缺少資料」
標籤溢出驗證 label_overflow縮短標籤 / 拆分為 label+sub / 重新排序
畫布超出限制渲染警告拆分為多個面板或減少分支;註記
匯出後端缺失匯出報告狀態失敗已嘗試備援鏈;交付 SVG,在 result.json 中記錄失敗 + 指引
空白/退化的 PNGblank_check調查渲染報告;重新渲染;記錄
驗證錯誤持續存在退出碼 2修正模型;若材料無法修正,則交付有效子集 + 明確限制

品質標準(完成前自我檢查)

  1. 審閱者能否指向任何箭頭,並從嵌入的表格/模型中獲得其逐字依據?(可追溯性)
  2. 活化/抑制/結合/修飾在視覺上是否截然不同,且圖例是否與所繪內容一致——無缺失、無幽靈條目?
  3. 每個未陳述的事項是否都明確標示為未陳述(無向邊、unspecified 帶、null + 原因)?
  4. 是否有人能打開 SVG,更改一個標籤,然後重新匯出?(分層、可透過ID定址、標準字型堆疊)
  5. result.json 是否以誠實的狀態涵蓋每個合約欄位?

檔案

  • scripts/scaffold_result.py - 合約完整的 result.json,含 null+原因
  • scripts/validate_model.py - 架構 + 方向證據 + 命名檢查
  • scripts/render_svg.py - 從 model.json 生成確定性分層 SVG
  • scripts/export_assets.py - PNG/PDF 匯出,帶備援鏈 + 空白檢查
  • scripts/apply_edit.py - 保留來源、記錄的編輯
  • scripts/verify_outputs.py - 對整個套件進行回讀驗證
  • references/edge-types.json - 機器可讀的符號語義
  • references/symbol-semantics.md - 視覺文法及其原理
  • references/naming-rules.md - 基因/蛋白質/家族/複合體命名慣例
  • references/uncertainty-policy.md - 降級規則;不猜測政策
  • references/layout-conventions.md - model.json 架構 + 佈局演算法
  • examples/ras-mapk-case/ - 使用真實材料的實際範例(Brown & Ried 2022)
  • README.md - 獨立使用說明文件

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

graphical-abstract-builder

Build a single-page graphical abstract (question, method, results, conclusion) from research material as a traceable, editable SVG with PNG/PDF exports. Use when asked to create or edit a graphical abstract, science summary figure, mechanism or flow diagram, or data chart from a paper, study notes or experimental records, especially when editable source files and element-to-source traceability are required.

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.

相關技能