erlingerwu0925/paper-illustration

論文插圖：多階段 Claude 監督式圖表生成

使用多階段工作流程，並以 Claude 作為嚴格的監督者/審查者，產生可供出版使用的插圖。

核心設計理念

┌──────────────────────────────────────────────────────────────────────────┐
│                     多階段迭代工作流程                                     │
├──────────────────────────────────────────────────────────────────────────┤
│                                                                          │
│   使用者請求                                                              │
│       │                                                                  │
│       ▼                                                                  │
│   ┌─────────────┐                                                        │
│   │   Claude    │ ◄─── 步驟 1：解析請求，建立初始提示                      │
│   │  (規劃者)   │                                                        │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │   Gemini    │ ◄─── 步驟 2：最佳化佈局描述                              │
│   │ (gemini-3-pro)│      - 改良元件定位                                    │
│   │  佈局       │      - 最佳化間距與分組                                  │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │   Gemini    │ ◄─── 步驟 3：CVPR/NeurIPS 風格驗證                      │
│   │ (gemini-3-pro)│      - 檢查色板符合性                                  │
│   │  風格       │      - 驗證箭頭與字型標準                                │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │ Paperbanana │ ◄─── 步驟 4：渲染最終圖像                               │
│   │ (gemini-3-  │      - 高品質圖像生成                                   │
│   │ pro-image)  │      - 內部代號：Nano Banana Pro                        │
│   └──────┬──────┘                                                        │
│          │                                                               │
│          ▼                                                               │
│   ┌─────────────┐                                                        │
│   │   Claude    │ ◄─── 步驟 5：嚴格的視覺審查 + 評分 (1-10)               │
│   │  (審查者)   │      - 驗證每個箭頭方向                                  │
│   │   嚴格！    │      - 驗證每個區塊內容                                  │
│   └──────┬──────┘      - 驗證美學與視覺吸引力                              │
│          │                                                               │
│          ▼                                                               │
│   分數 ≥ 9？ ──是──► 接受並輸出                                            │
│          │                                                               │
│          否                                                              │
│          │                                                               │
│          ▼                                                               │
│   生成特定的改善反饋 ◄── 回到步驟 2                                      │
│                                                                          │
└──────────────────────────────────────────────────────────────────────────┘

常數

• IMAGE_MODEL = gemini-3-pro-image-preview — Paperbanana (Nano Banana Pro) 用於圖像渲染
• REASONING_MODEL = gemini-3-pro-preview — Gemini 用於佈局最佳化與風格檢查
• MAX_ITERATIONS = 5 — 最大改良輪數
• TARGET_SCORE = 9 — 最低可接受分數 (1-10) — 為品質而提高
• OUTPUT_DIR = figures/ai_generated/ — 輸出目錄
• API_KEY_ENV = GEMINI_API_KEY — 環境變數

可選：風格參考 (-- style-ref: <來源>, 自願加入)

讓使用者針對結構性的圖表慣例（如母論文中的圖說長度、面板數量分佈、圖表與表格比例）參考一篇論文。預設為關閉 — 當使用者未傳入 -- style-ref 時，其行為與先前完全相同。

僅當 $ARGUMENTS 中包含 -- style-ref: <來源> 時，才「先」執行輔助工具，然後才產生提示：

# 透過標準的嚴格安全鏈解析 $STYLE_HELPER（請參閱
# shared-references/integration-contract.md §2）。政策 A — 閘門：
# 若輔助工具無法解析，則表示 --style-ref 無法滿足，因此中止。
cd "$(git rev-parse --show-toplevel 2>/dev/null || pwd)" || exit 1
if [ -z "${ARIS_REPO:-}" ] && [ -f .aris/installed-skills.txt ]; then
    ARIS_REPO=$(awk -F'\t' '$1=="repo_root"{print $2; exit}' .aris/installed-skills.txt 2>/dev/null) || true
fi
if [ -z "${ARIS_REPO:-}" ] && [ -f "$HOME/.aris/repo" ]; then
    ARIS_REPO=$(cat "$HOME/.aris/repo" 2>/dev/null) || true
fi
STYLE_HELPER=".aris/tools/extract_paper_style.py"
[ -f "$STYLE_HELPER" ] || STYLE_HELPER="tools/extract_paper_style.py"
[ -f "$STYLE_HELPER" ] || { [ -n "${ARIS_REPO:-}" ] && STYLE_HELPER="$ARIS_REPO/tools/extract_paper_style.py"; }
[ -f "$STYLE_HELPER" ] || {
  echo "錯誤：extract_paper_style.py 無法解析至 .aris/tools/、tools/、$ARIS_REPO/tools/ 或透過 ~/.aris/repo 找到。" >&2
  echo "       修正：重新執行 bash tools/install_aris.sh 或 smart_update.sh（會重新整理 ~/.aris/repo）、匯出 ARIS_REPO，或將輔助工具複製到 tools/。" >&2
  echo "       --style-ref 無法滿足；正在中止。" >&2
  exit 1
}
STYLE_STATUS=0
CACHE=$(python3 "$STYLE_HELPER" --source "<來源>") || STYLE_STATUS=$?
case "$STYLE_STATUS" in
  0) ;;                                       # 使用 $CACHE/style_profile.md 作為結構性指導
  2) echo "警告：style-ref 已跳過（缺少可選依賴項）" >&2 ;;
  3) echo "錯誤：--style-ref 來源失敗；正在中止插圖生成" >&2 ; exit 1 ;;
  *) echo "錯誤：輔助工具意外失敗；正在中止插圖生成" >&2 ; exit 1 ;;
esac

接受的來源：本機 TeX 目錄/檔案、本機 PDF、arXiv ID、http(s) URL。Overleaf URL/ID 將被拒絕 — 請先透過 /overleaf-sync setup <id> 複製，然後再傳入本機複製路徑。

嚴格規則（完整合約請參閱 tools/extract_paper_style.py 的文件字串）：

• 使用 style_profile.md 使圖說長度和圖表密度與參考論文保持一致。上述的 CVPR/ICLR/NeurIPS 視覺標準仍具有優先權 — --style-ref 僅調整長度和密度傾向，絕不影響圖像內容。
• 切勿複製快取中任何可觸及的圖像內容、色板或特定設計元素。視覺設計來自使用者的提示，而非參考文獻。
• 切勿將 -- style-ref（或快取內容）傳遞給 Claude 視覺檢查器 / Gemini 推理檢查器子代理來評分生成的圖像 — 圖像必須根據其自身品質進行評判。

CVPR/ICLR/NeurIPS 頂級會議風格指南

「CVPR 風格」的實際含義：

視覺標準

• 乾淨的白色背景 — 無裝飾性圖案或漸層（除非很細微）
• 無襯線字型 — Arial、Helvetica 或 Computer Modern；最小 14pt
• 微妙的色板 — 非彩虹色；使用 3-5 種協調的顏色
• 適合列印 — 必須在灰階下可讀（許多審稿人會列印論文）
• 專業邊框 — 細 (2-3px)、實色，不花俏

佈局標準

• 水平流向 — 從左到右是流程圖的標準
• 清晰分組 — 使用微妙的背景框來分組相關模組
• 一致的大小 — 相似元件應具有相似大小
• 平衡的留白 — 不擁擠，不稀疏

箭頭標準（最關鍵）

• 粗線條 — 最小 4-6px（細箭頭在列印時會消失）
• 清晰的箭頭頭部 — 大的、填滿的三角形頭部
• 深色 — 黑色或深灰色 (#333333)；避免彩色箭頭
• 標籤 — 每個箭頭都應指示通過它的資料流類型
• 無交叉 — 重新組織佈局以避免箭頭交叉
• 正確的方向 — 箭頭必須指向「正確的」目標！

視覺吸引力（科研風格 - Professional Academic Style）

目標：既不保守也不花哨，找到平衡點

✅ 應該有的視覺元素：

• Subtle gradient fills — 淡雅的漸層填充（同色系從淺到深），不是炫彩
• Rounded corners — 圓角矩形（6-10px radius），現代感但不誇張
• Clear visual hierarchy — 透過大小、顏色深淺區分層次
• Consistent color coding — 統一的配色方案（3-4種主色）
• Internal structure — 大模組內部顯示子元件（如 Encoder 內部的 layer 結構）
• Professional typography — 清晰的標籤，適當的字級層次

✅ 配色建議（學術專業）：

• Inputs: 柔和的綠色系 (#10B981 / #34D399)
• Encoders: 專業的藍色系 (#2563EB / #3B82F6)
• Fusion: 優雅的紫色系 (#7C3AED / #8B5CF6)
• Outputs: 溫暖的橙色系 (#EA580C / #F97316)
• Arrows: 黑色或深灰 (#333333 / #1F2937)
• Background: 純白 (#FFFFFF)，不要花紋

❌ 要避免的過度裝飾：

• ❌ Rainbow color schemes (彩虹配色)
• ❌ Heavy drop shadows (重陰影效果)
• ❌ 3D effects / perspective (3D透視)
• ❌ Excessive gradients (誇張的多色漸層)
• ❌ Clip art / cartoon icons (卡通圖標)
• ❌ Decorative patterns in background (背景花紋)
• ❌ Glowing effects (發光效果)
• ❌ Too many small icons (過多小圖標)

✓ 理想的視覺效果：

• 一眼看上去專業、清晰
• 有適度的視覺吸引力，但不搶眼
• 符合CVPR/NeurIPS論文的審美標準
• 列印友好（灰階模式下也能清晰辨認）
• 像精心設計的學術圖表，而不是 PPT 模板

應避免的事項（關鍵）

• ❌ 彩虹色調（太多顏色）
• ❌ 細如髮絲的箭頭（箭頭必須夠粗）
• ❌ 無標籤的連線
• ❌ 樸素無聊的矩形（應加入一些視覺趣味）
• ❌ 過度裝飾（陰影/發光/圖標）（過於花俏）
• ❌ 列印時無法閱讀的小字
• ❌ 錯誤的箭頭方向 — 這是不可接受的！

範圍

圖表類型	品質	範例
架構圖	優秀	模型架構、流程圖、編碼器-解碼器
方法插圖	優秀	概念圖、演算法流程圖
概念圖	良好	比較圖、分類樹

不適用於： 統計圖表（請使用 /paper-figure）、寫實照片

工作流程：必須執行所有步驟

步驟 0：飛行前檢查

# 檢查 API 金鑰
if [ -z "$GEMINI_API_KEY" ]; then
    echo "錯誤：GEMINI_API_KEY 未設定"
    echo "從以下網址取得您的金鑰：https://aistudio.google.com/app/apikey"
    echo "設定方式：export GEMINI_API_KEY='your-key'"
    exit 1
fi

# 建立輸出目錄
mkdir -p figures/ai_generated

步驟 1：Claude 規劃圖表（您在此處）

關鍵：Claude 必須先分析使用者的請求，並建立詳細提示。

解析輸入：$ARGUMENTS

Claude 的任務：

1. 理解使用者想要什麼樣的圖表
2. 識別所有元件、連線、資料流
3. 為 Gemini 建立一個詳細、結構化的提示
4. 包含風格要求和視覺吸引力要求

Claude 要產生的提示模板：

請根據 CVPR/ICLR/NeurIPS 標準，建立一個專業、視覺上吸引人、可供出版使用的學術圖表。

## 視覺風格：科研風格（Academic Professional Style）
### 目標：平衡 — 既不保守也不花哨

#### 應該有：
- **Subtle gradients** — 同色系淡雅漸層（如 #2563EB → #3B82F6），不是多色炫彩
- **Rounded corners** — 圓角矩形（6-10px），現代感
- **Clear visual hierarchy** — 透過大小、深淺區分層次
- **Internal structure** — 大模組內顯示子元件結構
- **Consistent color coding** — 統一的3-4色方案
- **Professional polish** — 精緻但不誇張

#### 不應該有：
- ❌ Rainbow/multi-color gradients (彩虹漸層)
- ❌ Heavy drop shadows (重陰影)
- ❌ 3D effects / perspective (3D效果)
- ❌ Glowing effects (發光效果)
- ❌ Excessive decorative icons (過多裝飾圖標)
- ❌ Plain boring rectangles (完全平淡的方塊)

#### 理想效果：
像頂會論文中精心設計的架構圖 — 專業、清晰、有適度的視覺吸引力

## 圖表類型
[架構圖 / 流程圖 / 比較圖 / 等]

## 應包含的元件（請具體說明內容）
1. [元件 1]:
   - 標籤：「[確切文字]」
   - 副標籤：「[下方較小文字]」
   - 位置：[左/中/右, 上/中/下]
   - 樣式：[邊框顏色、填充、內部結構]
2. [元件 2]: ...

## 佈局
- 方向：[從左到右 / 從上到下]
- 間距：[緊密 / 正常 / 寬鬆]
- 分組：[元件應如何分組]

## 連線（請明確說明方向）
確切的箭頭規格：
1. [元件 A] → [元件 B]：箭頭從 A 指向 B，標籤為「[資料類型]」
2. [元件 C] → [元件 D]：箭頭從 C 指向 D，標籤為「[資料類型]」
...
驗證：每個箭頭必須指向正確的目標！

## 風格要求（CVPR/ICLR/NeurIPS 標準）

### 視覺風格
- 色板：專業學術色
  - Inputs: 綠色 (#10B981)
  - Encoders: 藍色 (#2563EB)
  - Fusion modules: 紫色 (#7C3AED)
  - Outputs: 橙色 (#EA580C)
- 字型：無襯線字型 (Arial/Helvetica)，最小 14pt，標籤加粗
- 背景：乾淨的白色，無圖案
- 區塊：圓角矩形 (8-12px radius)，微妙的漸層填充，彩色邊框 (2-3px)
- 微妙的陰影以營造深度感
- 適合列印（必須能在灰階下運作）

### 關鍵：箭頭與資料流要求
1. **所有箭頭必須非常粗** - 最小 5-6px 線條寬度
2. **所有箭頭必須有清晰的箭頭頭部** - 大的、可見的三角形頭部
3. **所有箭頭必須是黑色或深灰色** - 不要彩色
4. **為每個箭頭加上標籤**，說明通過它的資料流類型
5. **驗證箭頭方向** - 每個箭頭都必須指向正確的目標
6. **無模糊的連線** - 每個箭頭都應有明確的來源和目的地

### 邏輯清晰度要求
1. **資料流必須一目了然** - 觀看者應能理解管線

…

[因長度限制而截斷]