nature-figure

Nature Scientific Figures

提供されたエビデンスに基づいて、視覚的な論旨を構築します。グラフィカルアブストラクトや模式図はあくまで草案の図であり、メカニズムや結果を捏造してはなりません。

手順

manifest.yaml とその中核となる契約を読みます。次の順序でバックエンドを選択します。

1. ユーザーが明示的に指定した選択肢
2. 既存のソースファイル、プロジェクトの依存関係、またはプロジェクトで確立されているバックエンド
3. 保存済みのユーザー設定
4. Python と R の両方が使用可能で、選択によって統合や保守性に重大な影響が生じる場合に限り、質問する

ユーザーから選択を求められた場合は、references/backend-selection.md を使用して作業を進めます。描画、レイアウトの意味づけ、エクスポートには、単一のバックエンドを信頼できる唯一の情報源として使用します。中立的なビューア、画像／PDF／SVG の検査、決定論的なバリデーターは、2 つ目の描画バックエンドとせずに QA を実施できます。ユーザーが今後のデフォルトにするよう明示的に依頼した場合に限り、バックエンドの設定を保存します。

図の要件

コードを書く前に、以下を定義します。

• 結論を一文で示し、想定読者を定める
• エビデンスの連鎖と、各パネルの役割
• ソースデータのフィールド、変換、統計、ならびに不確実性
• 対象ジャーナルの寸法、形式、フォント、アクセシビリティ
• 査読者が誤読しやすい点と、研究公正上のリスク

選択したバックエンドのフラグメントと、アーキタイプ、チャート、テンプレートの適用、またはエクスポートに必要なリファレンスだけを読み込みます。出典が記録されたチャートアトラス／ギャラリーの例、またはユーザーのコードを優先し、外部論文の図をコピーしないでください。

作成と検証

1. アーキタイプと、明確な主役となるパネルを選びます。
2. スタイルを設定する前に、データと統計の対応関係を定めます。欠損、サンプルサイズ、単位、不確実性を保持します。
3. 階層、タイポグラフィ、色を控えめに調整します。区別が重要な場合は、グレースケールでの判読性と色覚への配慮を検証します。
4. テンプレートの適用は意味に基づいて行い、互換性のないデータへのラベルの付け替えはしません。
5. タスクの出力ディレクトリに、必要なベクター／ラスター形式の成果物をエクスポートします。
6. SKILL_DIR をこの SKILL.md があるディレクトリとして解決し、references/qa-contract.md を読み込み、python3 "$SKILL_DIR/scripts/validate_figure.py" SOURCE を実行します。適切な中立的ビューアで、最終サイズのレンダリング済み出力を検査します。

公正性と完了条件

値、メカニズム、ラベル、機関の標章、統計的有意性を捏造してはなりません。見栄えをよくするために、データを隠したり分析を変更したりしてはなりません。ソースとエクスポートが一致し、ラベルと凡例が読みやすく、各パネルの主張がエビデンスに裏付けられ、レンダリングされた成果物が作業範囲に含まれていて検査可能な場合は最終サイズでのビジュアル QA に合格したときにのみ、作業を完了とします。それ以外の場合は、ビジュアル QA を実施していないことを明確に示します。