用途：把复杂概念转化为适合发表的清晰图表，如神经网络架构、系统架构与数据流、研究设计流程图（CONSORT、PRISMA）、算法流程、电路图、生物通路与网络拓扑。图表以 SVG/EPS 等矢量文件生成，保存在 figures/ 子目录，再在论文或海报中引用，而不是直接嵌入 LaTeX。
主要能力：支持神经网络架构（Transformer、CNN、RNN）、方法学流程图、电路图、生物通路、系统架构与框图等。按图表类型推荐库：多数图用 graphviz（pygraphviz 或 pydot），电路图用 schemdraw，网络分析用 networkx 配合 matplotlib，需要精确手动排版时用 matplotlib。
使用方式：标准流程为分析需求、选择库、生成矢量图、存入 figures/、做质量检查（重叠、对比度、分辨率）、在文档中用 \includegraphics{figures/diagram_name.pdf} 引用。先将图生成为独立矢量文件，再整合进文档。
安装：macOS 可 brew install graphviz；Ubuntu/Debian 可 sudo apt-get install graphviz；再 pip install graphviz。其他库：pip install schemdraw；pip install networkx matplotlib；pip install matplotlib。
限制：资料未提供收费、价格、平台与效果信息。部分细节（如 quality_checker 模块的完整来源）在资料中未充分说明。