mcpField
A
alterlab-scientific-schematics

alterlab-scientific-schematics

github.com/alterlab-ieu设计与 UI7871 次安装5 周前更新
代码仓库

关于 alterlab-scientific-schematics

alterlab-scientific-schematics 面向需要制作论文、海报或演示图示的研究人员。它根据自然语言描述生成图像,并用 Gemini 3.1 Pro Preview 评估质量,再据此迭代完善。

主要功能

  1. 01根据文字描述生成图示
  2. 02按文档类型阈值评估质量
  3. 03依据评审意见完善图像
  4. 04保存带版本的图像和评审日志
  5. 05支持多种科学图示类型

适用场景

  1. 01制作 CONSORT 参与者流程图
  2. 02绘制神经网络架构
  3. 03展示生物通路
  4. 04为论文或演示准备示意图

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/alterlab-ieu/alterlab-academic-skills --skill alterlab-scientific-schematics

安装后在 Claude Code 中输入/alterlab-scientific-schematics确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

evals/
evals.json
references/
ai_generation_guide.md
best_practices.md
diagram_types.md
generation_examples.md
QUICK_REFERENCE.md
README.md
submission_checklist.md
troubleshooting.md
scripts/
example_usage.sh
generate_schematic_ai.py
generate_schematic.py

详细介绍

科学示意图和图表

概述

科学示意图和图表能将复杂概念转化为清晰的视觉呈现,以用于出版。此技能使用 Nano Banana 2 AI 生成图表,并由 Gemini 3.1 Pro Preview 进行质量审查。

工作原理:

  • 用自然语言描述图表
  • Nano Banana 2 自动生成可用于出版的高质量图像
  • Gemini 3.1 Pro Preview 根据文档类型对应的阈值审查质量
  • 智能迭代:只有质量低于阈值时才重新生成
  • 几分钟内即可获得可用于出版的成品
  • 无需编写代码、使用模板或手动绘图

不同文档类型的质量阈值:

文档类型阈值说明
journal8.5/10Nature、Science、同行评审期刊
conference8.0/10会议论文
thesis8.0/10博士论文、学位论文
grant8.0/10基金申请
preprint7.5/10arXiv、bioRxiv 等
report7.5/10技术报告
poster7.0/10学术海报
presentation6.5/10幻灯片、演讲
default7.5/10通用

只需描述你想要的内容,Nano Banana 2 就会为你创建图表。 所有图表都会存储在 figures/ 子文件夹中,并在论文/海报中引用。

快速开始:生成任意图表

只需描述内容,即可创建任意科学图表。Nano Banana 2 会通过智能迭代自动完成所有工作:

# 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

幕后流程:

  1. 生成 1:Nano Banana 2 按照科学图表的最佳实践创建初始图像
  2. 审查 1:Gemini 3.1 Pro Preview 根据文档类型阈值评估质量
  3. 决策:如果质量 >= 阈值 → 完成(无需继续迭代!)
  4. 若低于阈值:根据评审意见改进提示词,然后重新生成
  5. 重复:直到质量达到阈值,或达到最大迭代次数

智能迭代的优势:

  • ✅ 首次生成效果足够好时,可节省 API 调用
  • ✅ 对期刊论文采用更高的质量标准
  • ✅ 加快演示文稿/海报的交付速度
  • ✅ 为每种使用场景提供适当的质量

输出:带版本号的图像,以及详细的审查日志,其中包含质量分数、评审意见和提前停止信息。如果审查调用失败,图像仍会保留;日志会记录 "review_skipped": true,并将分数设为 null,而不是凭空编造分数。

提交前请自行检查内容。 图像模型会绘制每个标签和数字,因此即使提示词正确,也可能拼错术语或更改计数(例如 CONSORT 中的 n=);而审查模型评估的是清晰度和布局,并不会核对数值是否与记录一致。图表放入稿件前,请将每个计数、标签和箭头方向与数据和方案逐一核对。

配置

设置你的 OpenRouter API 密钥(或者,如果已安装 python-dotenv,则将 OPENROUTER_API_KEY=... 写入 .env 文件):

export OPENROUTER_API_KEY='your_api_key_here'

在此获取 API 密钥:https://openrouter.ai/keys

默认模型(已于 2026-09-23 在 OpenRouter 上验证):生成使用 google/gemini-3.1-flash-image(Nano Banana 2),审查使用 google/gemini-3.1-pro-preview。使用 ALTERLAB_IMAGE_MODEL / ALTERLAB_REVIEW_MODEL 可覆盖默认模型。

数据与隐私

此技能的生成脚本(scripts/generate_schematic_ai.py)会通过网络将你的图表说明/提示词发送给第三方 API(OpenRouter),用于图像生成和质量审查。你的文本提示词及其中包含的任何详细信息都会离开你的设备,并由外部提供商处理。请勿在图表说明中包含机密、临床、可识别患者身份或尚未公开的专有内容。请以通用方式描述图表,并在需要时于本地添加敏感标签。

AI 生成最佳实践

好的提示词应具体说明图表的类型、组件、流程/方向、 标签和风格。模糊的提示词(“制作流程图”“神经网络”)效果不佳。 系统会自动应用科学质量指南(干净的背景、标签字号 ≥10pt、无衬线字体、Okabe-Ito 配色、 适当的间距)。优劣提示词示例和完整指南列表位于 references/ai_generation_guide.md。

何时使用此技能

以下情况应使用此技能:

  • 创建神经网络架构图(Transformer、CNN、RNN 等)
  • 绘制系统架构图和数据流图
  • 绘制研究设计方法流程图(CONSORT、PRISMA)
  • 可视化算法工作流和处理管线
  • 创建电路图和电气原理图
  • 描绘生物通路和分子相互作用
  • 生成网络拓扑和层级结构
  • 绘制概念框架和理论模型
  • 为技术论文设计框图
不适用的情况
场景改用
应在 README 或 Markdown 文档中保持为可编辑文本的图表(可在 GitHub 上渲染,可在 git 中查看差异)alterlab-mermaid
照片、插图、艺术作品或幻灯片/海报的主视觉图alterlab-generate-image
面向大众展示统计数据、时间线或比较信息的信息图alterlab-infographics
测量数据图(散点图、柱状图、折线图、热力图)alterlab-matplotlib / alterlab-scientific-viz
根据真实节点/边数据计算布局的网络图alterlab-networkx

如何使用此技能

只需用自然语言描述你的图表。 Nano Banana 2 会自动生成:

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

就是这么简单! AI 会处理:

  • ✓ 布局和构图
  • ✓ 标签和注释
  • ✓ 颜色和样式
  • ✓ 质量检查和润色
  • ✓ 可直接用于出版的输出

适用于所有图表类型:

  • 流程图(CONSORT、PRISMA 等)
  • 神经网络架构
  • 生物通路
  • 电路图
  • 系统架构
  • 框图
  • 任何科学可视化

无需编写代码、使用模板或手动绘图。


AI 生成模式(Nano Banana 2 + Gemini 3.1 Pro Preview 审核)

AI 生成系统采用智能迭代:Nano Banana 2 生成图像,Gemini 3.1 Pro Preview 对图像进行评分(从科学准确性、清晰度、标签质量、布局和专业程度等方面按 0-10 分评估),系统在评分达到文档类型对应的 阈值后会提前停止;否则,系统会根据评审意见改进提示词并重新生成(最多迭代 2 次)。 每次运行都会生成一份 JSON 审核日志,记录每轮迭代的评分、评审意见和提前停止信息。

详细内容包括迭代流程图、审核标准、审核输出示例、决策表、JSON 日志架构、ScientificSchematicGenerator Python API、所有命令行选项和提示词工程技巧,详见 references/ai_generation_guide.md。

references/generation_examples.md 中提供了可复制并修改后使用的调用示例,涵盖 CONSORT 流程图、Transformer 架构、生物通路和系统框图。


命令行用法

生成科学示意图的主要入口:

# 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

注意: Nano Banana 2 AI 生成系统会在迭代优化过程中自动进行质量审核。每轮迭代都会评估科学准确性、清晰度和可访问性。

最佳实践摘要

设计时应优先清晰,而非复杂,保持样式一致,确保色盲人士也能识别(Okabe-Ito 配色、冗余编码),使用字号 ≥7-8 pt 的无衬线字体,并输出矢量格式(PDF/SVG;栅格图像需达到 300+ DPI)。通过 \includegraphics{} 集成到 LaTeX 中,充分撰写图注,在正文中引用,并对提示词和输出进行版本控制。完整的设计、技术与集成检查清单,以及提交前验证清单,请参阅 references/submission_checklist.md。

常见问题排查

有关 AI 生成问题(元素重叠、连接不佳)、图像质量问题、质量检查失败以及无障碍问题(灰度对比度、文字过小)的解决方法,请参阅 references/troubleshooting.md。大多数问题都可以通过让提示词更具体或调高 --iterations 2 来解决。

资源与参考资料

详细参考资料

如需了解特定主题的完整信息,请加载以下文件:

  • references/ai_generation_guide.md - 智能迭代工作流、评审标准、Python API、CLI 选项、提示词工程
  • references/generation_examples.md - CLI 调用示例(CONSORT、Transformer、通路、系统图)
  • references/troubleshooting.md - 生成、质量检查和无障碍问题的解决方法
  • references/submission_checklist.md - 最佳实践摘要和提交前验证清单
  • references/diagram_types.md - 科学图表类型目录及示例
  • references/best_practices.md - 出版标准和无障碍指南
外部资源

Python 库

出版标准

与其他技能集成

此技能可与以下技能协同使用:

  • alterlab-scientific-writing - 图表遵循图示最佳实践
  • alterlab-scientific-viz - 共用调色板和样式
  • alterlab-latex-posters - 为海报演示生成图表
  • alterlab-research-grants - 为提案生成方法示意图
  • alterlab-peer-review - 评估图表的清晰度和无障碍性

快速参考清单

提交图表前,请按照 references/submission_checklist.md 中的完整清单逐项检查(视觉质量、无障碍性、排版、出版标准、必要的质量验证、文档与版本控制,以及最终集成)。

环境设置

# Required
export OPENROUTER_API_KEY='your_api_key_here'

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

入门

最简单的用法:

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

使用此技能创建清晰、无障碍且达到出版质量的图表,有效传达复杂的科学概念。通过 AI 驱动并逐步完善的工作流,确保图表符合专业标准。

评论

支持 Markdown