mcpField
I
image-description

image-description

github.com/mercatorproj文档处理854 次安装3 周前更新
代码仓库

关于 image-description

Image Description 是面向学位论文和期刊论文作者的文本处理技能。它根据用户提供的研究背景,将插图信息融入论文论证作为佐证,并润色为符合学术语言与格式的描述。

主要功能

  1. 01分析研究主题与核心论点
  2. 02明确图片在论文中的作用
  3. 03提取并整合图片信息
  4. 04构建论述为主线的描述
  5. 05润色学术语言与格式

适用场景

  1. 01描述研究区域地图
  2. 02说明算法流程图
  3. 03讨论图表呈现的结果
  4. 04将系统示意图融入论文

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/mercatorproj/vibe-thesis-skills --skill image-description

安装后在 Claude Code 中输入/image-description确认已加载。

附带文件LICENSEREADME.md

详细介绍

来自项目 README

Image Description

Overview

本技能为学位论文或期刊论文中的插图提供符合规范的叙述方式,采用「正文为核心,图片为佐证」的学术写作原则:将图示信息融入论证链条,作为支持论点的证据,并与全篇逻辑一致。具体学科主题(如交通、医学、材料等)由用户给定,技能不假设某一固定课题。

Workflow

图片描述工作流程
  1. 研究主题分析:理解论文研究主题和核心论点
  2. 图片功能定位:明确图片在论文中的作用和佐证目的
  3. 内容提取整合:提取图片关键信息,与正文内容整合
  4. 叙述框架构建:以正文论述为主线,图片信息为支撑
  5. 学术语言润色:确保描述符合学术规范和论文风格

Image Types and Integration Patterns

1. 地图类图片
  • 研究区域地图:作为研究背景的佐证,融入区域概况叙述中
  • 空间分析/场量图:作为模型或观测结果的实证,支持空间分布结论
  • 路径或方案图:作为算法或决策结果的展示,验证方法有效性
  • 调度或网络图:作为优化方案的可视化,支持策略论证
2. 流程图类图片
  • 算法流程图:作为算法设计的说明,融入算法原理叙述中
  • 数据处理流程图:作为数据处理方法的展示,支持数据可靠性论证
  • 求解流程图:作为模型求解过程的说明,支持求解方法合理性
  • 验证流程图:作为实验设计的展示,支持验证方法科学性
3. 数据图表类图片
  • 性能对比图:作为算法或模型性能的实证,支持比较性论点
  • 优化结果图:作为优化效果的展示,验证目标函数改进
  • 敏感性分析图:作为参数影响的分析,支持模型鲁棒性论证
  • 成本或资源图:作为成本构成的展示,支持可行性分析
4. 概念示意图类图片
  • 模型架构图:作为模型设计的说明,融入模型构建叙述中
  • 系统概念图:作为系统设计的展示,支持系统架构合理性
  • 算法原理图:作为算法原理的说明,支持算法创新点论证
  • 问题定义图:作为问题边界的展示,支持研究范围合理性

Academic Language Standards

学术语言规范
  1. 正文为主:以论文论述为主线,图片信息为佐证材料
  2. 逻辑连贯:描述与论文整体逻辑保持一致,自然融入叙述
  3. 论点支撑:图片信息直接支持论文论点,强化论述说服力
  4. 科学准确:使用准确的学术术语,避免模糊表达
  5. 简洁明了:语言简洁,重点突出,避免冗余信息
  6. 客观中立:保持学术客观性,避免主观评价
  7. 格式规范:符合学位论文或目标期刊的图片引用和描述格式

Usage

使用方法

当用户需要描述论文中的图片时,请按照以下步骤操作:

  1. 提供研究背景:简述图片所在章节的研究内容和核心论点
  2. 说明图片作用:指出图片在论文中的佐证目的和预期作用
  3. 描述图片内容:提供图片的类型和主要内容概述
  4. 技能将根据上述信息生成以正文为核心、图片为佐证的学术描述

Examples

示例一:算法流程图描述(通用)

为说明本文提出的优化流程,图 X-X 给出了从输入数据到输出结果的计算步骤。流程首先完成输入校验与预处理,随后在迭代环节中更新决策变量直至满足收敛准则,最后输出可行解及对应指标。该流程与第 X 节中的形式化描述一致,便于读者对照算法伪代码理解实现顺序。

示例二:数据图表描述(通用)

图 X-X 对比了若干基线方法与本文方法在主要评价指标上的差异。横轴为实验条件或实例编号,纵轴为归一化后的目标值或误差。可见在多数设置下,本文方法较对比方法具有更优的均值与更小的离散程度;误差线(若图中给出)表明结果具有一定稳定性。该结果与第 X 节的理论分析相呼应,为后续讨论提供了实证支撑。

(具体数值、方法名与图号由用户按真实论文替换,勿虚构。)

Notes

注意事项
  1. 正文为主原则:始终以论文论述为主线,图片信息作为佐证材料融入叙述
  2. 论点支撑:确保图片描述直接支持论文论点,强化论述说服力
  3. 逻辑连贯:描述应与论文整体逻辑保持一致,自然融入叙述流程
  4. 信息准确:图片描述应与图片内容严格对应,避免虚构信息
  5. 重点突出:对于复杂图片,重点描述与论文论点相关的关键信息
  6. 格式规范:符合学位论文或期刊的图片引用格式,包括图号、图名和描述
  7. 学术客观:使用第三人称与规范术语,避免主观评价

Resources

此技能为纯文本处理技能,不需要额外的脚本或资源文件。所有功能均基于大语言模型的语言能力,专注于文本内容的学术处理和优化。

评论

支持 Markdown