FigureWeave 是一个研究与工程类项目，目标是将论文方法描述文本转化为出版风格的科研配图，并让结果保持为可编辑的 SVG。项目受 AutoFigure 启发，但已重做为更实用的配图创作流水线。
用途 FigureWeave 特别适用于：方法总览、流程图、系统示意图、架构图，以及论文、幻灯片和报告的可编辑草图。它并不打算替代 matplotlib、seaborn、ggplot 或 Origin 这类由精确数值数据驱动的制图工具。
主要能力
- 本地 GPU SAM3 分割：分割可在 CUDA 上本地运行，而非只依赖托管 API，从而提升图标区域提取阶段的速度、隐私性和可复现性。使用本地 SAM3 需要可用的 NVIDIA GPU、当前环境中支持 CUDA 的 PyTorch，以及 Hugging Face 对 SAM3 的访问权限。如果本地 SAM3 不可用，代码库仍可根据配置回退到其他分割路径。
- 双提供商模型路由：图像草拟与 SVG 推理被解耦，流水线可对不同阶段使用不同提供商，例如 Gemini -> Gemini、OpenAI -> OpenAI、Gemini -> Anthropic Claude 或 OpenAI -> Anthropic Claude。
- 多候选生成：单次运行可生成多个完整候选，保留每个产物包，写入候选清单，并将选中的结果提升为默认输出。
- 图注条件约束：系统同时接受方法文本和图注／图述，使生成器与重建器能受明确的阶段结构、布局意图和叙事重点约束。
- 以 SVG 为先的重建流水线：不把位图视为最终结果，而是显式重建可编辑 SVG 模板，可选地优化模板，最后用提取出的素材装配最终 SVG。
- CUDA 加速的本地后处理：背景去除及其他本地视觉后处理阶段在可用时使用支持 GPU 的 PyTorch，减少原工作流的 CPU 瓶颈。
- 更稳健的回退行为：当前流水线包含针对无图标情形、占位符缩减和提供商侧失败的显式回退路径，使批量生成更适合真实的论文配图草拟。
使用方式 项目不再组织为单个大型脚本：figureweave.py 现在是用于 CLI 执行和顶层导入的薄兼容入口；src/figureweave/config.py 存储提供商默认值、路径和共享常量；src/figureweave/llm.py 包含 Gemini、OpenAI、Claude、OpenRouter 及相关模型调用逻辑；src/figureweave/vision.py 涵盖图像草拟、SAM3 分割和背景去除；src/figureweave/svg_ops.py 处理 SVG 重建、修复、优化和素材替换；src/figureweave/pipeline.py 编排端到端流水线与多候选执行；src/figureweave/cli.py 定义命令行接口。
FigureWeave 当前分为五个主要阶段：
- 图像草拟：根据方法文本、可选图注和可选参考图生成科学风格草图。
- 分割：运行本地 SAM3 或 API 后端检测图标与视觉区域，生成 samed.png 和 boxlib.json。
- 素材提取：裁剪检测到的区域并去除背景，生成透明素材。
- SVG 推理与重建：使用多模态模型将草稿重建为可编辑 SVG 模板，随后可选优化。
- 装配：用提取的素材替换占位符，输出 template.svg、optimized_template.svg、final.svg。
提供商标签方面，Anthropic Claude 在该项目中用于理解与重建，而非原生图像生成；图像草拟阶段应使用 Gemini 或 OpenAI。若想两个阶段使用同一提供商，仍可使用单提供商回退。
启动服务器以及主配置页、画布页的相关说明在官方资料中以命令、界面元素和产物路径呈现，涉及部分具体命令与配置项未在资料中完整展开。典型输出包括 candidates_manifest.json；启用多候选模式时，每次运行存储在对应目录下。
适用场景 适用于方法总览、流程图、系统示意图、架构图，以及论文、幻灯片和报告的可编辑草图。
限制 该项目不适用于由精确数值数据驱动的图表，此类任务仍应使用 matplotlib、seaborn、ggplot 或 Origin 等工具。本地 SAM3 依赖 NVIDIA GPU、支持 CUDA 的 PyTorch 以及 Hugging Face 对 SAM3 的访问；不可用时需依赖回退路径。具体启动命令、环境变量名称、界面操作细节和部分配置项在提供的资料中未完整给出。
