nature-figure

Nature 图表制作 — 路由器

路由协议

对于新任务，加载下面的核心资源和匹配资源。在后续任务中复用已加载的指导；仅在任务需要时加载更多内容。

0. 检查图形摘要和 AI 示意图路由

对于每一个使用 AI 的图形摘要规划、生成、修订或审计任务，请先阅读 references/ai-graphical-abstract-workflow.md。 该文件负责信息/受众简报、构图与配色工作流、政策门禁、人工科学审查、披露边界和出处要求。Nature Careers 的文章是实践建议，而非投稿许可；请针对确切的目标期刊核实当前官方政策。

如果请求仅涉及规划或审计，除非用户还要求渲染或修改数据驱动的图表，否则不要询问 Python 还是 R。

如果用户明确要求使用 OpenRouter、GPT Image 2、图像生成 API 或类似措辞来生成稿件示意图、图形摘要、机制图、概念插图或论文示意图，请不要询问“Python 还是 R？”。这是一条非绘图的 AI 示意图路由。

对于此路由：

1. 阅读 manifest.yaml 和 always_load 文件。
2. 阅读 references/ai-graphical-abstract-workflow.md。
3. 阅读 references/openrouter-image-generation.md。
4. 当用户希望进行真实的 API 调用或获得可复现的载荷时，使用 scripts/generate_openrouter_schematic.py。
5. 将输出视为草稿示意图/图形摘要，而非定量数据面板。不要编造实验数值、作者标识、机构标记或没有依据的机制。将内部可用性与投稿资格区分开来。

如果用户想要的是手工构建、可编辑的矢量示意图（架构、流水线、Agent 或模型框图，或机制流程），而非 AI 生成的图像，请不要询问“Python 还是 R？”。阅读 references/vector-schematic-workflow.md 和 references/vector-schematic-style-rules.md，在绘制前与用户确认简报，并在交付前对 SVG 运行 scripts/audit_svg_schematic.py。此路由从不绘制数据。

只有在绘图、制图、数据可视化或稿件图表组装任务（且并非明确的 OpenRouter AI 图像生成请求）中，才继续进入 Python/R 后端门禁。

1. 加载清单和核心层

阅读 manifest.yaml。它声明了 backend 轴、允许的值，以及每个值映射到的文件路径。

同时阅读 always_load 下列出的每个文件（static/core/contract.md 和 static/core/stance.md）。这些文件包含图表契约、后端门禁、缺失运行时规则、隐私规则，以及适用于每个图表任务的默认操作立场。

2. 确定绘图后端

后端选择仅适用于渲染或编辑绘图代码。复用同一任务及其后续追问中已确定的选择；不要仅因新消息未提及语言就再次询问。只读图表审查和与后端无关的数据检查可不经此选择直接进行。若后端仍未确定，保留一次性的 Python/R 询问，并仅暂停依赖后端的绘图步骤。明确的审批要求和后端排他性仍然有效。

在查阅已保存的默认值之前，先从当前任务中确定绘图后端。按以下顺序决定 backend 值：

1. 若当前请求明确选择 Python 或 R，则使用该后端，并通过 scripts/nature_figure_backend.py set python 或 scripts/nature_figure_backend.py set r 保存。
2. 若请求提供了明确针对某一语言的输入文件/工作流，则使用该后端并保存。
3. 否则，复用此任务中已确定的 Python/R 选择。若不存在，则运行 scripts/nature_figure_backend.py get，并使用返回的 python 或 r 偏好。
4. 若既无任务选择也无已保存的偏好，则仅提出一个简洁问题 —— Python 还是 R？我会将此记为你的默认值。 —— 并仅暂停依赖后端的绘图步骤。用户回答后，先保存答案再继续。

• python — matplotlib / seaborn。
• r — ggplot2 / patchwork / ComplexHeatmap。

不要猜测，也不要仅凭美观选择后端。只有在用户明确要求你选择时才推荐后端；此时使用 references/backend-selection.md，说明理由，保存所选后端，然后继续。一旦选定，该后端对所有绘制、预览、导出和视觉 QA 均排他（见 core/contract.md）。此关卡不适用于上述显式的 OpenRouter AI 示意图路线。

3. 加载匹配的后端片段

后端确定后，读取映射的片段（static/fragments/backend/python.md 或 static/fragments/backend/r.md）。它包含仅限后端的执行规则以及出版级快速入门（rcParams/主题和导出辅助工具）。不要加载另一后端的片段。

4. 使用已加载的材料构建图表

按以下顺序应用已加载的材料：

1. 图表契约（core/contract.md）—— 在编写任何代码之前，写出核心结论、映射证据链、分类原型、设定期刊/导出契约。
2. 多面板证据架构 —— 在规划、重构或审查带标签的多面板图表时，加载 references/multipanel-evidence-architecture.md。让图表回答一个 Results 级的科学问题；为各面板分配不同的推断角色，而不仅仅是不同的指标。当图表顺序必须遵循稿件论证时，还要加载 ../nature-shared/core/nature-results-discussion.md。
3. 默认立场（core/stance.md）—— 原型优先的构图、主视觉面板、克制的配色、将统计/诚信作为图表的一部分。
4. 后端片段 —— 排他的 Python 或 R 快速入门及执行规则。
5. 模板适配 —— 在复用内置原创示例、有许可的外部材料或用户提供的绘图代码时，在映射数据或更改脚本之前加载 references/asset-adaptation.md。
6. 渲染 QA 与交付预检 —— 加载 references/qa-contract.md，对每个多面板图表运行渲染时面板对齐关卡，对绘图源运行 scripts/validate_figure.py，对导出的 PDF 运行 scripts/audit_pdf_text.py，并对同一最终 PDF 运行 scripts/audit_figure_collisions.py。然后以最终物理尺寸检查每个面板和整幅图表。自动化检查不能取代逐面板的不确定性、显著性、间距和歧义审查。 对于每个包含两个或更多可比较面板的图，必须在导出前测量最终渲染的绘图区矩形，并保留对齐 JSON。Python 图必须在最终布局绘制后调用 scripts/audit_panel_alignment.py 中的 require_matplotlib_panel_alignment()。R/patchwork 图必须 source scripts/panel_alignment.R，在最终导出尺寸下写入 patchwork 布局清单，并运行同一个后端中立的 JSON 审计器。对于共享边缘、宽度、高度、面板标签锚点和重复间距，使用 1.5 pt 的默认物理容差。FIX BEFORE DELIVERY 或退出码 1 会阻止导出；NOT AUDITABLE 或退出码 2 会阻止任何对齐已通过的声明。三个或四个等网格跨度面板组成的水平行，其最终绘图区宽度必须相等，高度和间距也必须相等；有意采用不等宽设计时，需要记录 panel-width 豁免。结构化的不等跨度网格——包括两个堆叠面板位于一个跨两行的面板旁边，无论在哪一列——必须从共享网格起始/终止边界推断并自动检查。嵌套网格、自由定位的主视觉面板、插图和色条，只能通过明确的可比较分组或带有原因的已记录豁免来排除。不要为了隐藏一个有意例外而放宽全局容差。

在每次生成或修改 Python/R 科学图之后，导出最终 PDF 并再次运行碰撞审计；在任何对数据几何、文本、字体、图例、注释、坐标轴、误差棒、面板尺寸或布局的更改之后，这都是强制要求，而不仅是在最终提交时。使用：

python skills/nature-figure/scripts/audit_figure_collisions.py figure.pdf \
  --json-out figure.collision-audit.json \
  --overlay-pdf figure.collision-audit.pdf

• FIX BEFORE DELIVERY 或退出码 1：修复该图，使用所选绘图后端重新导出，并重新运行所有渲染 QA。
• REVIEW REQUIRED：在最终物理尺寸下检查每一条 WARN；记录有意叠加为何可接受。当 WARN 必须阻止时使用 --strict。
• NOT AUDITABLE 或退出码 2：报告依赖/PDF 阻塞项，并且不要声称已完成碰撞验证。当 PyMuPDF 缺失时，安装 requirements.txt。

碰撞审计读取 Python 和 R 输出的 PDF 几何。它不会重绘科学图，也不授权跨后端绘图。其可选的带标记 PDF 仅是 QA 诊断产物，绝不能替代所选后端的源文件或提交文件。

当目标是旗舰期刊 Nature 时，还要加载 references/nature-article-requirements.md。它区分了初审文件与原则上接受的主文和 Extended Data 生产合同，并负责旗舰图例限制。

当目标是 Nature Machine Intelligence 时，改为加载 ../nature-shared/journal-formats/nature-machine-intelligence.md。应用其合并的六项主展示预算、十项 Extended Data 上限、初审与生产的边界、300-dpi/180-mm 生产检查以及源数据合同。NMI 当前在线页面并未规定独立的每图例数字，但其 2018 年官方简要指南设定了历史建议上限：每个完整图例少于 300 个英文单词。统计整个图例，而不是每个面板；目标是 150–250 词，并保持在 300 以下，除非在线提交系统或编辑给出更新的指示。不要引入旗舰 Nature 的限制。

图表服务于科学逻辑；美学润色从属于让核心结论清晰、可辩护且可审查。

5. 仅在需要时查阅参考资料

references/ 下的文件是深入参考资料，而非默认读取内容。请根据清单中的 references.on_demand 表按需打开它们——例如 references/figure-contract.md 用于构建契约，references/multipanel-evidence-architecture.md 用于将单个 Results 层面的问题转化为互补的 panel 角色以及一个逐步升级论断的图序，references/asset-adaptation.md 用于安全地复用绘图模板，references/template-catalog.md 用于经过验证的 Python CSV 模板，references/api.md 用于 Python 调色板以及数值/布局安全辅助函数，references/r-workflow.md 用于 R，references/design-theory.md 用于颜色/排版/导出依据，references/common-patterns.md 和 references/chart-types.md 用于布局/图表配方，references/nature-2026-observations.md 用于真实的 Nature 页面原型，references/qa-contract.md 用于最终交付前，references/nature-article-requirements.md 用于旗舰 Nature 的确切阶段与上传规则，../nature-shared/journal-formats/nature-machine-intelligence.md 用于 NMI 的确切图表规则，references/ai-graphical-abstract-workflow.md 用于 AI 辅助的图形摘要规划、策略门控、人工验证和来源追溯，以及 references/tutorials.md / references/demos.md 用于完整示例。

不要从 Nature Communications 语料库或本技能中的视觉风格示例推断旗舰 Nature 或 NMI 的要求。