用途：把一句话结论（claim）加数据文件（CSV/parquet）变成一张出版级多面板图，流程为叙事→面板→拼合→对抗式自审。也可从已有图片反向推导大纲。
主要能力：kernel.py 为确定性 Python（PIL 几何与 schema/提示构建），推理由基础模型完成，无宿主运行时、无 LLM API。提供 panel_task、compose_figure、compose_crops、composite_review_task、derive_outline_prompt 等辅助函数。
使用方式：每会话在 Python 单元中执行一次 exec(open("figure-composer/kernel.py").read())，依赖 pip install pillow matplotlib。需同时加载 figure-style 设计规则。输入为 claim、data 路径、width_mm（常见单栏 85–89mm，双栏 174–183mm）。先产出符合 figure_outline_schema() 的 panel_outline（a 为全宽示意钩子，b 承载结论，其余为证据，主文图 5–10 面板，12 列网格），再逐面板渲染 panel_<letter>.png，用 compose_figure 拼合并加粗面板字母，用 compose_crops 裁剪自检，最后按 composite_review_task 做最多 3 轮对抗式评审（floor 5→4→3），仅重渲染受影响面板。
适用场景：科研论文主图或独立配图制作。限制：图像为不可信输入，需人工复核大纲；data_path 须自行指定；并行仅在有子代理工具时可选；具体收费、平台支持等暂未提供。