scientific-schematics

科学的な模式図と図表

概要

科学的な模式図や図表は、複雑な概念を出版向けのわかりやすい視覚表現に変換します。このスキルでは、Nano Banana 2 AI を使って図を生成し、Gemini 3.6 Flash で品質をレビューします。

仕組み：

• 自然な言葉で図の内容を説明します
• Nano Banana 2 が出版品質の画像を自動生成します
• Gemini 3.6 Flash が、文書の種類に応じたしきい値に照らして品質をレビューします
• スマートな反復処理：品質がしきい値を下回る場合にのみ再生成します
• 数分で出版可能な出力を得られます
• コーディング、テンプレート、手作業での作図は不要です

文書の種類別の品質しきい値：

文書の種類	しきい値	説明
journal	8.5/10	Nature、Science、査読付きジャーナル
conference	8.0/10	学会論文
thesis	8.0/10	博士論文、修士論文
grant	8.0/10	研究助成金の申請書
preprint	7.5/10	arXiv、bioRxiv など
report	7.5/10	技術レポート
poster	7.0/10	学術ポスター
presentation	6.5/10	スライド、講演
default	7.5/10	汎用

作りたいものを説明するだけで、Nano Banana 2 が作成します。 すべての図は figures/ サブフォルダーに保存され、論文やポスターから参照されます。

出力について： 画像モデルが返す任意の解像度のラスター PNG です。このスキルにはベクターパスも DPI 制御もありません。ジャーナルで PDF、EPS、または 300 dpi の TIFF が求められる場合は、後工程で PNG を変換し、最終的な印刷サイズで結果を確認してください。

クイックスタート：任意の図を生成する

図の内容を説明するだけで、あらゆる科学的な図を作成できます。Nano Banana 2 がスマートな反復処理ですべてを自動で行います：

# Generate for journal paper (highest quality threshold: 8.5/10)
python scripts/generate_schematic.py "CONSORT participant flow diagram with 500 screened, 150 excluded, 350 randomized" -o figures/consort.png --doc-type journal

# Generate for presentation (lower threshold: 6.5/10 - faster)
python scripts/generate_schematic.py "Transformer encoder-decoder architecture showing multi-head attention" -o figures/transformer.png --doc-type presentation

# Generate for poster (moderate threshold: 7.0/10)
python scripts/generate_schematic.py "MAPK signaling pathway from EGFR to gene transcription" -o figures/mapk_pathway.png --doc-type poster

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

裏側で行われる処理：

1. 生成 1：Nano Banana 2 が科学的な図のベストプラクティスに沿って初期画像を作成します
2. レビュー 1：Gemini 3.6 Flash が文書の種類に応じたしきい値に照らして品質を評価します
3. 判定：品質 >= しきい値の場合 → 完了（これ以上の反復は不要です！）
4. しきい値未満の場合：評価内容に基づいてプロンプトを改善し、再生成します
5. 繰り返し：品質がしきい値に達するか、最大反復回数に達するまで続けます

スマートな反復処理のメリット：

• ✅ 1回目の生成で十分な品質が得られれば、API 呼び出しを節約できます
• ✅ ジャーナル論文にはより高い品質基準を適用します
• ✅ プレゼンテーションやポスターは、より短時間で仕上がります
• ✅ 用途に応じた適切な品質を得られます

出力：バージョン付き画像（name_v1.png、name_v2.png）、指定したパスへの採用版のコピー、および各反復のスコア、評価内容、早期終了の理由を記録した name_review_log.json。

レビューを実行できない場合 — レート制限、コンテンツフィルター、想定外の形式で回答するレビュアーなど — 画像は生成され保存されますが、スコアが捏造されることはありません。ログには "score": null および "reviewed": false と、理由を示す "review_error" が記録され、実行時には Review unavailable — image kept, quality not verified と表示されます。この画像は未確認のものとして扱い、ご自身で確認してください。失敗は一時的なことが多いため、再実行を試す価値があります。

設定

OpenRouter API キーを設定します：

export OPENROUTER_API_KEY='your_api_key_here'

API キーは https://openrouter.ai/keys で取得できます。

データはマシンの外部に送信されます。 画像を生成するため、プロンプトは OpenRouter に送信され、生成された画像は品質レビューのため OpenRouter に返送されます。いずれも OpenRouter のデータポリシーと、基盤となるモデルプロバイダーのデータポリシーの対象となります。未発表のデータ、患者情報、または公開制限中の情報をプロンプトに記述しないでください。

AI 生成のベストプラクティス

科学図に効果的なプロンプト：

✓ 良いプロンプト（具体的で詳細）：

• 「スクリーニング（n=500）から無作為化を経て最終解析に至る参加者の流れを示すCONSORTフローチャート」
• 「左側にエンコーダースタック、右側にデコーダースタックを配置し、マルチヘッドアテンションとクロスアテンションの接続を示したTransformerニューラルネットワークのアーキテクチャ」
• 「生物学的シグナル伝達カスケード：EGFR受容体 → RAS → RAF → MEK → ERK → 核。リン酸化の段階にラベルを付ける」
• 「IoTシステムのブロック図：センサー → マイクロコントローラー → WiFiモジュール → クラウドサーバー → モバイルアプリ」

✗ 曖昧なプロンプトは避けてください：

• 「フローチャートを作成」（一般的すぎます）
• 「ニューラルネットワーク」（どの種類ですか？ どのコンポーネントですか？）
• 「経路図」（どの経路ですか？ どの分子ですか？）

含めるべき主な要素：

• 種類：フローチャート、アーキテクチャ図、経路図、回路図など
• コンポーネント：含める具体的な要素
• 流れ／方向：要素の接続方法（左から右、上から下）
• ラベル：含める主要な注釈やテキスト
• スタイル：具体的な視覚要件

科学的品質のガイドライン（自動的に適用）：

• 白または明るい背景ですっきりとしたデザイン
• 読みやすさを高める高いコントラスト
• 明瞭で読みやすいラベル（最小10pt）
• プロフェッショナルなタイポグラフィ（サンセリフフォント）
• 色覚多様性に配慮した色（Okabe-Itoパレット）
• 混雑を防ぐ適切な間隔
• 必要に応じたスケールバー、凡例、軸

このスキルを使う場面

次の場合にこのスキルを使用してください：

• ニューラルネットワークのアーキテクチャ図（Transformer、CNN、RNNなど）の作成
• システムアーキテクチャ図やデータフロー図の図示
• 研究デザインの方法論を示すフローチャート（CONSORT、PRISMA）の作成
• アルゴリズムのワークフローや処理パイプラインの可視化
• 回路図や電気回路図の作成
• 生物学的経路や分子間相互作用の図示
• ネットワークトポロジーや階層構造の生成
• 概念フレームワークや理論モデルの図示
• 技術論文用のブロック図の設計

このスキルの使い方

図について自然な言葉で説明するだけです。 Nano Banana 2が自動的に生成します：

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

これだけです！ AIが次の処理を行います：

• ✓ レイアウトと構成
• ✓ ラベルと注釈
• ✓ 色とスタイル
• ✓ 品質レビューと改善
• ✓ そのまま出版に使える出力

あらゆる種類の図に対応します：

• フローチャート（CONSORT、PRISMAなど）
• ニューラルネットワークのアーキテクチャ
• 生物学的経路
• 回路図
• システムアーキテクチャ
• ブロック図
• あらゆる科学的な可視化

コーディング、テンプレート、手動での描画は不要です。

---

AI 生成モード（Nano Banana 2 + Gemini 3.6 Flash Review）

スマートな反復的改善、高度な使い方、例

生成・レビュー・改善のループ、Python APIとコマンドラインオプション、プロンプトエンジニアリングのガイダンス、および4つの実例（CONSORTフローチャート、ニューラルネットワークのアーキテクチャ、生物学的経路、システムアーキテクチャ）については、references/iterative_refinement.mdを参照してください。

レビューに合格するとすぐにループが停止するため、通常、シンプルな図のコストは1回の反復分です。複雑な図だけが全予算を使用します。

コマンドラインの使い方

科学的な模式図を生成するための主なエントリーポイント：

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

# Custom iterations (max 2)
python scripts/generate_schematic.py "complex diagram" -o diagram.png --iterations 2

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

注： Nano Banana 2 AI生成システムには、反復的改善プロセスに自動品質レビューが含まれています。各反復では、科学的正確性、明瞭さ、アクセシビリティが評価されます。

ベストプラクティスのまとめ

デザインの原則 — プロンプトで指定してください

1. 複雑さより明瞭さ - 簡素化し、不要な要素を取り除きます
2. 一貫したスタイル - 論文内の図全体で同じ視覚的表現を指定します
3. 色覚多様性への配慮 - 岡部伊藤パレットと冗長なエンコーディングを指定します
4. 適切なタイポグラフィ - サンセリフフォントと、十分に大きなラベルを使用します
5. 論理的な流れ - 方向（左から右、上から下）を明確に指定します

ジェネレーターはこれらをすべてデフォルトで適用しますが、組み込みのガイドラインだけに頼るより、図に合わせて自分の言葉で指定したほうが効果的です。

このパイプラインでできないこと

1. ベクター形式での出力 - PNG のみです。PDF、SVG、EPS は生成されません
2. 解像度の制御 - 画像モデルが決定するため、DPI フラグはありません
3. 色空間 - RGB のみです。CMYK 印刷ワークフローでは、後続の工程で変換してください
4. 線幅や文字サイズの厳密な指定 - プロンプトで指定してから、目視で確認してください

ベクター形式の図版や 300+ dpi の TIFF が必要なジャーナルでは、生成後に PNG を変換し、実際に印刷されるサイズで結果を確認してください。

統合ガイドライン

1. LaTeX に含める - 生成した画像には \includegraphics{} を使用します
2. キャプションを詳しく書く - すべての要素と略語を説明します
3. 本文で参照する - 説明の流れの中で図を解説します
4. 一貫性を保つ - 論文内のすべての図で同じスタイルを使用します
5. バージョン管理 - プロンプトと生成画像をリポジトリに保存します

よくある問題のトラブルシューティング

生成は確率的で、反復回数は最大 2 回に制限されているため、結果を実際に変える手段はプロンプト、文書の種類、再実行です。このスキルには後処理の工程も品質チェック用ライブラリもありません。確認できるものは、生成された PNG と <name>_review_log.json に限られます。

図が正しくありません

テキストが重なっている、要素が詰まりすぎている、矢印が対象に届いていない

• プロンプトでレイアウトを指定します：「縦方向のフロー。各行にボックスを 1 つ配置し、段階間に十分な間隔を設ける」
• 接続を指定します：「RAF から MEK への矢印にリン酸化とラベル付けする」のように書き、「カスケードを示す」とだけ書くのは避けます
• 再実行します。同じプロンプトでも 2 回の実行結果は異なり、レイアウトの失敗は単に運が悪かっただけの場合もあります

内容が科学的に誤っている、または要素が欠けている

• 要素、個数、ラベルを明示的に列挙します。モデルがそれらを推測することはありません
• レビューログの critique フィールドを確認します。通常、レビュアーは欠けていると判断したものを記載します

ラベルのテキストが誤っている、または図番号が画像に埋め込まれている

• プロンプトでは「Figure 1:」のようなキャプションをすでに禁止しています。それでも表示された場合は、再実行してください
• 画像モデルで最もよくある失敗は、ラベルのスペルミスです。使用前にすべてのラベルを確認してください

スコアがおかしいようです

図の出来に対してスコアが低すぎる

• 再実行する前に批評を確認してください。レビュアーの指摘は、妥当で具体的なことがよくあります
• 反復するかどうかを決めるのはスコアではなくしきい値です。--doc-type journal では 8.5 が求められます

スコアがしきい値に達しないまま実行が終了する

• 反復回数の上限に達しています。--iterations 2 が最大値です。最後の画像は保持され、実際のスコアとともに報告されます

ログに "score": null と "reviewed": false がある

• レビュー呼び出しに失敗したか、利用できない形式の応答が返されました。画像は問題なく保持されていますが、品質は測定されていません。"review_error" を確認し、自分で画像を確認してから再実行してください

セットアップ

Error: OPENROUTER_API_KEY not found

• export OPENROUTER_API_KEY='sk-or-v1-...' を実行するか、.env ファイルに追加するか、--api-key を渡します

Error: requests library not found

• uv pip install requests

API エラーが発生する

• -v を指定して実行すると、リクエスト、モデルのスラッグ、エラー本文全体を確認できます

リソースと参考資料

詳細なリファレンス

特定のトピックについて詳しく知りたい場合は、次のファイルを参照してください。

• references/iterative_refinement.md - 生成・レビュー・改善のループ、Python API、すべてのコマンドラインオプション、プロンプトエンジニアリングのガイダンス、4つの実例
• references/best_practices.md - プロンプトの作成時や結果の評価時に活用できる、出版基準とアクセシビリティのガイドライン

外部リソース

出版基準

• Nature の図表ガイドライン：https://www.nature.com/nature/for-authors/final-submission
• Science の図表ガイドライン：https://www.science.org/content/page/instructions-preparing-initial-manuscript
• CONSORT 図：https://www.consort-statement.org/consort-statement/flow-diagram

他のスキルとの連携

このスキルは、次のスキルと相乗的に機能します。

• Scientific Writing - 図は図表作成のベストプラクティスに従います
• Scientific Visualization - カラーパレットとスタイルを共有します
• LaTeX Posters - ポスター発表用の図を生成します
• Research Grants - 研究助成金の申請書用の方法論図を作成します
• Peer Review - 図の明瞭さとアクセシビリティを評価します

クイックリファレンスチェックリスト

図を提出する前に、次の項目を確認してください。

レビューログを読む（自動チェックはこれだけです）

• <name>_review_log.json が存在し、最終イテレーションで "reviewed" が true になっている
• "final_score" が null ではなく実数で、ドキュメントの種類に応じたしきい値を満たしている
• "critique" を読む — 合格スコアでも、レビュー担当者が指摘した未解決の問題が記載されています
• 複数のバージョンが生成された場合は、_v1 と _v2 を比較し、より良い方を残す

画像を自分で確認する

• すべてのラベルの綴りが正しい — 画像モデルはテキストを誤記することがあり、これを検出する自動チェックはありません
• テキストが重なったり、切れたりしていない
• すべての矢印が、つなぐべき要素同士を結んでいる
• 科学的内容が正しい：構成要素と方向が正しく、捏造がない
• 単位と数値が、指定した内容と一致している

アクセシビリティ（目視、または外部チェッカーで確認）

• 色覚多様性に配慮したパレットで、色だけに依存しない表現になっている
• グレースケールに変換しても読みやすい
• 隣接する要素間に十分なコントラストがある

出版物との適合性

• 原稿内の他の図とスタイルが一貫している
• 実際に印刷される段幅でも判読できる
• PNG が受け付けられない場合は、ジャーナル指定の形式に変換されている
• キャプションが作成され、すべての略語が定義されている
• 原稿本文で参照されている

バージョン管理

• プロンプトが記録されている（レビューログにそのまま保存されています）
• スコアを監査できるよう、画像と一緒にレビューログがコミットされている
• 図を再生成するコマンドが記録されている

最終統合チェック

• コンパイル済み原稿で図が正しく表示される
• 相互参照が正しく機能する（\ref{} が正しい図を指している）
• 図番号が本文中の引用と一致している
• キャプションが図に対して正しいページに表示されている
• 図に関連するコンパイル警告やエラーがない

環境設定

# Required
export OPENROUTER_API_KEY='your_api_key_here'

# Get key at: https://openrouter.ai/keys

はじめに

最も簡単な使い方：

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

---

このスキルを使って、複雑な科学的概念を効果的に伝える、明瞭でアクセシブルな出版品質の図を作成しましょう。AI を活用した反復改善ワークフローにより、図がプロフェッショナルな基準を満たすようにできます。

関連スキル

• infographics：Nano Banana Pro の画像生成を使い、自然言語のプロンプトからインフォグラフィックを生成します。Perplexity Sonar による調査もオプションで利用できます。fa…
• generate-image：OpenRouter Image API を通じて、AI モデル（Gemini、Seedream、Recraft、GPT-Image、Riverflow）で画像を生成または編集します。
• academic-plotting：研究コンテキストに基づいて、機械学習論文向けの出版品質の図を生成します。