SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场scientific-schematics

scientific-schematics

写作与研究

查看项目

更新于 10-21 16:20

技能介绍

用途

Scientific Schematics 是一个面向科研写作的示意图生成技能，目标是把复杂概念转化为可用于发表的清晰视觉表达。用户用自然语言描述想要的图，技能自动生成图像并做质量评审，无需编码、模板或手工绘图。

主要能力

  • 自然语言生成：描述图表内容即可生成图像，由 Nano Banana 2 完成生成。
  • 质量评审：由 Gemini 3.6 Flash 按文档类型阈值评估图像质量。
  • 智能迭代：仅当质量低于阈值时才重新生成，最多 2 次迭代；首次达标即停止，节省 API 调用。
  • 文档类型阈值：journal 8.5/10、conference 8.0/10、thesis 8.0/10、grant 8.0/10、preprint 7.5/10、report 7.5/10、poster 7.0/10、presentation 6.5/10、default 7.5/10。
  • 输出内容：版本化图像（如 name_v1.png、name_v2.png）、按指定路径保存的最终图像副本，以及 name_review_log.json（含每次迭代的评分、评审意见与提前停止原因）。
  • 内置科学质量规范：白色/浅色背景、高对比度、可读标签（最小 10pt）、无衬线字体、色盲友好配色（Okabe-Ito 调色板）、合理间距，以及适当的比例尺、图例与坐标轴。

使用方式

设置 OpenRouter API 密钥：

export OPENROUTER_API_KEY='your_api_key_here'

密钥获取地址：https://openrouter.ai/keys

基本命令：

python scripts/generate_schematic.py "diagram description" -o output.png

按文档类型生成示例：

python scripts/generate_schematic.py "CONSORT participant flow diagram with 500 screened, 150 excluded, 350 randomized" -o figures/consort.png --doc-type journal

python scripts/generate_schematic.py "Transformer encoder-decoder architecture showing multi-head attention" -o figures/transformer.png --doc-type presentation

python scripts/generate_schematic.py "MAPK signaling pathway from EGFR to gene transcription" -o figures/mapk_pathway.png --doc-type poster

自定义迭代次数（最大 2）：

python scripts/generate_schematic.py "Complex circuit diagram with op-amp, resistors, and capacitors" -o figures/circuit.png --iterations 2 --doc-type journal

详细模式：

python scripts/generate_schematic.py "diagram" -o out.png -v

依赖安装：uv pip install requests

适用场景

  • 神经网络架构图（Transformer、CNN、RNN 等）
  • 系统架构与数据流图
  • 研究方法流程图（CONSORT、PRISMA）
  • 算法工作流与处理管线
  • 电路图与电气原理图
  • 生物通路与分子相互作用
  • 网络拓扑与层级结构
  • 概念框架与理论模型
  • 技术论文的框图

限制

  • 仅输出栅格 PNG，不提供矢量路径，也不生成 PDF、SVG 或 EPS。
  • 无 DPI 控制，分辨率由图像模型决定；若期刊要求矢量图或 300 dpi TIFF，需在生成后自行转换并在最终印刷尺寸下检查。
  • 仅 RGB 色彩空间，CMYK 印刷流程需下游转换。
  • 无法精确控制线宽或文字大小，只能在提示词中描述并目视核对。
  • 生成具有随机性，迭代上限为 2 次；技能内没有后处理步骤，也没有质量检查库，可检查的内容仅存在于生成的 PNG 和 review_log.json 中。
  • 当评审无法运行（如限流、内容过滤、评审返回异常格式）时，图像仍会生成并保存，但不会编造评分：日志记录 "score": null 与 "reviewed": false，并在 "review_error" 中说明原因，运行会打印“Review unavailable — image kept, quality not verified”。此时应视为未检查并自行查看图像，可尝试重跑（此类失败通常是暂时性的）。
  • 数据会离开本机：提示词发送至 OpenRouter 生成图像，生成的图像又发送回 OpenRouter 做质量评审，均受 OpenRouter 及底层模型提供商的数据政策约束。不要在提示词中描述未发表数据、患者信息或任何处于禁发期的内容。

提示词建议

有效提示词应具体、详细，包含：类型（流程图、架构图、通路、电路等）、具体组件、流向/方向（从左到右、从上到下）、关键标注或文字、特定视觉要求。

示例：

  • "CONSORT flowchart showing participant flow from screening (n=500) through randomization to final analysis"
  • "Transformer neural network architecture with encoder stack on left, decoder stack on right, showing multi-head attention and cross-attention connections"
  • "Biological signaling cascade: EGFR receptor → RAS → RAF → MEK → ERK → nucleus, with phosphorylation steps labeled"
  • "Block diagram of IoT system: sensors → microcontroller → WiFi module → cloud server → mobile app"

应避免模糊提示，如 "Make a flowchart"、"Neural network"、"Pathway diagram"。

常见问题处理

  • 图不对（文字重叠、元素拥挤、箭头未连到目标）：在提示词中明确布局与连接关系，或重跑（同一提示词两次运行结果不同）。
  • 科学内容错误或缺少组件：在提示词中显式列出组件、数量与标签；查看评审日志中的 critique 字段。
  • 标签文字错误或图中混入图号：提示词已禁止 "Figure 1:" 类标题，若仍出现则重跑；拼写错误是图像模型最常见的失败，使用前应逐个核对标签。
  • 评分似乎偏低：先读 critique 再重跑；决定是否迭代的是阈值而非评分，--doc-type journal 要求 8.5。
  • 运行在低于阈值时停止：这是迭代上限，--iterations 2 为最大值，最后一张图会被保留并报告其真实评分。
  • 日志出现 "score": null 与 "reviewed": false：评审调用失败或返回不可用格式，图像本身正常且已保留，只是质量未被测量；检查 "review_error"，自行查看图像并重跑。

提交前检查

  • 阅读评审日志：确认 <name>_review_log.json 存在且最终迭代 "reviewed" 为 true，"final_score" 为真实数字且达到文档类型阈值，阅读 "critique"（即使通过也会列出遗留问题）。
  • 若生成了多个版本，比较 _v1 与 _v2 并保留更好的一个。
  • 目视检查：标签拼写正确、无重叠或截断文字、箭头连接正确、科学内容正确（组件、方向、无虚构内容）、单位与数量与要求一致。
  • 可访问性：色盲安全配色且不只靠颜色编码、转灰度后仍可读、相邻元素对比度足够。
  • 出版适配：与稿件其他图风格一致、在实际印刷栏宽下清晰可读、若期刊不接受 PNG 则转换为所需格式、撰写图注并定义所有缩写、在正文中引用。
  • 版本控制：记录提示词（会原样存入评审日志）、将评审日志与图像一同提交以便评分可审计、记录可重新生成该图的命令。

集成建议

  • LaTeX 中使用 \includegraphics{} 插入生成的图像。
  • 图注需详尽，描述所有元素与缩写。
  • 在正文叙述中解释图表。
  • 保持论文所有图风格一致。
  • 将提示词与生成的图像纳入版本控制。

相关技能

  • infographics：使用 Nano Banana Pro 从自然语言提示生成信息图，可选 Perplexity Sonar 研究。
  • generate-image：通过 OpenRouter Image API（Gemini、Seedream、Recraft、GPT-Image、Riverflow）生成或编辑图像。
  • academic-plotting：从研究上下文为 ML 论文生成出版级图表。

参考资源

  • references/iterative_refinement.md：生成-评审-精炼循环、Python API、全部命令行选项、提示词工程指南及四个完整示例（CONSORT 流程图、神经网络架构、生物通路、系统架构）。
  • references/best_practices.md：出版标准与可访问性指南。
  • Nature 图件指南：https://www.nature.com/nature/for-authors/final-submission
  • Science 图件指南：https://www.science.org/content/page/instructions-preparing-initial-manuscript
  • CONSORT 流程图：http://www.consort-statement.org/consort-statement/flow-diagram