用途:为学术论文生成出版级 AI 插图,覆盖模型架构图、方法示意图、流程管线、对比图与分类树等;不适用于统计图表(应使用 /paper-figure)和照片级真实图像。
主要能力:采用多阶段迭代工作流,由 Claude 充当严格的规划者与审阅者。流程依次为:Claude 解析请求并生成初始提示;Gemini(gemini-3-pro-preview)优化布局描述;Gemini 校验 CVPR/NeurIPS 风格;由 Paperbanana(gemini-3-pro-image-preview,内部代号 Nano Banana Pro)渲染最终图像;Claude 进行严格视觉评审并给出 1-10 分。若评分低于目标分(9 分),则生成具体改进反馈并回到布局优化步骤循环,最多 5 轮。
风格规范:要求干净白底、无衬线字体(最小 14pt)、3-5 种协调配色、打印与灰度友好;箭头必须加粗(5-6px)、深色、带清晰箭头且逐一标注,避免交叉并确保方向正确;避免彩虹配色、重阴影、3D 效果、发光、卡通图标与背景花纹。配色建议:输入绿色、编码器蓝色、融合紫色、输出橙色,箭头黑色或深灰。
使用方式:需先设置环境变量 GEMINI_API_KEY(可从 Google AI Studio 获取),并创建输出目录 figures/ai_generated。图像渲染直接连接 Google API,不走代理(代理会导致 SSL 错误)。相关常量包括图像模型 gemini-3-pro-image-preview、推理模型 gemini-3-pro-preview、最大迭代 5 次、目标分 9、输出目录 figures/ai_generated。
限制:仅用于生成学术示意图,不生成统计图表或真实照片;依赖 Gemini API 与有效密钥;生成质量受迭代与评审机制约束。具体收费、价格、平台支持及完整安装命令暂未提供。