SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场paper-illustration

paper-illustration

设计与创作

查看项目

更新于 10-15 16:23

技能介绍

用途

Paper Illustration 用于为学术论文生成达到出版质量的插图。它采用多阶段迭代工作流，由 Claude 作为严格的监督者和审阅者，使用 Gemini 进行图像生成，可生成架构图、方法示意图等。

主要能力

该技能围绕一个多阶段迭代工作流构建：

  1. Claude（规划者）：解析用户请求并创建初始提示词。
  2. Gemini（布局，gemini-3-pro）：优化布局描述，细化组件定位、间距与分组。
  3. Gemini（风格，gemini-3-pro）：进行 CVPR/NeurIPS 风格校验，检查配色合规性、箭头与字体标准。
  4. Paperbanana（渲染，gemini-3-pro-image）：渲染最终图像，内部代号为 Nano Banana Pro。
  5. Claude（审阅者，STRICT）：进行严格的视觉审阅并打分（1-10），验证每个箭头方向、每个模块内容以及美观度。

当分数达到目标分（TARGET_SCORE = 9）即接受并输出；否则生成具体的改进反馈并循环回第 2 步。

常量

  • IMAGE_MODEL = gemini-3-pro-image-preview — Paperbanana（Nano Banana Pro）用于图像渲染
  • REASONING_MODEL = gemini-3-pro-preview — Gemini 用于布局优化和风格检查
  • MAX_ITERATIONS = 5 — 最大细化轮数
  • TARGET_SCORE = 9 — 最低可接受分数（1-10）
  • OUTPUT_DIR = figures/ai_generated/ — 输出目录
  • API_KEY_ENV = GEMINI_API_KEY — 环境变量

使用方式

可选：风格参考

在 $ARGUMENTS 中传入 --style-ref: <source> 时，先运行辅助脚本（extract_paper_style.py），用于让用户将结构性图形惯例（图注长度、面板数量分布、正文中图与表的比例）对齐到参考论文。默认关闭；未传入 --style-ref 时不做任何不同处理。

接受的来源：本地 TeX 目录/文件、本地 PDF、arXiv id、http(s) URL。Overleaf URL/ID 会被拒绝——需先通过 /overleaf-sync setup <id> 克隆并传入本地克隆路径。

严格规则

  • 使用 style_profile.md 将图注长度和图密度与参考论文对齐。CVPR/ICLR/NeurIPS 视觉标准优先——--style-ref 仅细化长度与密度倾向，绝不涉及图像内容。
  • 绝不从缓存可触及的任何内容复制图形内容、配色方案或具体设计元素。视觉设计来自用户提示词，而非参考。
  • 在 Claude 视觉检查器/Gemini 推理检查器子代理对生成图像评分时，绝不传入 --style-ref（或缓存内容）——图像必须依据自身质量评判。

工作流步骤

Step 0：预检

# Check API key
if [ -z "$GEMINI_API_KEY" ]; then
    echo "ERROR: GEMINI_API_KEY not set"
    echo "Get your key from: https://aistudio.google.com/app/apikey"
    echo "Set it: export GEMINI_API_KEY='your-key'"
    exit 1
fi

# Create output directory
mkdir -p figures/ai_generated

Step 1：Claude 规划图

Claude 首先分析用户请求并创建详细提示词：理解用户想要的图、识别所有组件/连接/数据流、为 Gemini 创建详细结构化提示词，包含风格要求与视觉吸引力要求。

Step 2：Gemini 布局优化（gemini-3-pro）

Claude 将初始提示词发送给 Gemini（gemini-3-pro）进行布局优化，细化组件定位和间距。

CVPR/ICLR/NeurIPS 顶会风格指南

视觉标准

  • 干净白色背景——无装饰图案或渐变
  • 无衬线字体——Arial、Helvetica 或 Computer Modern；最小 14pt
  • 淡雅配色——非彩虹色；使用 3-5 种协调颜色
  • 打印友好——灰度下可读
  • 专业边框——细（2-3px）、纯色，不花哨

布局标准

  • 水平流向——从左到右是流水线标准
  • 清晰分组——使用淡雅背景框分组相关模块
  • 尺寸一致——相似组件应有相似尺寸
  • 留白均衡——不拥挤也不稀疏

箭头标准（最关键）

  • 粗笔画——最小 4-6px
  • 清晰箭头——大而实心的三角箭头
  • 深色——黑或深灰（#333333）；避免彩色箭头
  • 带标签——每个箭头应标明流动的数据
  • 无交叉——重排布局以避免箭头交叉
  • 方向正确——箭头必须指向正确目标

视觉吸引力（科研风格）

目标：既不保守也不花哨，找到平衡点。

应具备的视觉元素：淡雅渐变填充、圆角矩形（6-10px）、清晰视觉层级、一致配色（3-4 种主色）、内部结构、专业排版。

配色建议：输入为柔和绿色系（#10B981 / #34D399），编码器为专业蓝色系（#2563EB / #3B82F6），融合为优雅紫色系（#7C3AED / #8B5CF6），输出为温暖橙色系（#EA580C / #F97316），箭头为黑或深灰（#333333 / #1F2937），背景为纯白（#FFFFFF）。

应避免的过度装饰：彩虹配色、重阴影、3D 效果、夸张多色渐变、卡通图标、背景花纹、发光效果、过多小图标。

适用范围

  • 架构图：优秀（模型架构、流水线、编码器-解码器）
  • 方法插图：优秀（概念图、算法流程图）
  • 概念图：良好（对比图、分类树）
  • 不适用于：统计图表（使用 /paper-figure）、照片级真实图像

限制

本文档未提供关于收费、价格、平台支持范围、生成速度或具体效果保证等信息，均暂未提供。