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，或从已有图反推大纲。定位为外层技能，内层依赖 figure-style（设计规则），若属于论文应先跑 paper-narrative 决定做哪张图。
主要能力：生成并校验 panel_outline（12 列网格、行高、面板角色与 chart_family）；用 panel_task 生成每个面板的绘制提示；compose_figure 按网格拼合并加盖粗体面板字母；compose_crops 输出裁剪框供视觉自检；composite_review_task 生成对抗式审稿提示，配合 review_schema 输出修改意见，支持最多 3 轮、min_floor 5→4→3 的收敛循环，并区分大纲级与面板级修改，只重渲染受影响面板。
使用方式：会话中执行 exec(open("figure-composer/kernel.py").read()) 加载辅助函数，依赖 pip install pillow matplotlib。入口二选一：有 claim 与数据则写大纲；有现成图则用 derive_outline_prompt 自行看图并输出符合 figure_outline_schema() 的 JSON 大纲。随后逐面板渲染为 panel_<letter>.png，拼合后先裁剪自检，再进入审稿循环。
适用场景：科研论文主图、需要多面板叙事与统一视觉规范的配图制作。
限制：kernel.py 为确定性 Python，推理与视觉判断由基础模型完成，无宿主运行时、无 LLM API；图像属不可信输入，推断字段需人工复核，data_path 必须自行指定；并行仅在有子智能体工具时可选；具体收费与平台支持暂未提供。