nature-figure

自然风格图形制作 — 路由器

此技能分为两个层：

• static/ 下的静态层，存放有版本管理、可复用的内容片段（图形约定和默认立场，以及 Python 和 R 各自的后端快速入门）。
• 动态层（此文件和 manifest.yaml），用于检测绘图后端，并仅加载当前任务所需的片段。大型设计、API、模式和 QA 材料存放在按需加载的参考资料中。

不要凭记忆或依据此路由器应用图形逻辑。务必按照下文说明从磁盘加载片段。

路由协议

每次调用此技能时，都要遵循以下步骤。

0. 检查 OpenRouter AI 示意图路线

如果用户明确要求使用 OpenRouter、GPT Image 2、图像生成 API 或类似方式生成论文示意图、图形摘要、机制图、概念插图或论文示意图，不要询问“Python 还是 R？”。这是非绘图类 AI 示意图路线。

对于此路线：

1. 阅读 manifest.yaml 和 always_load 文件。
2. 阅读 references/openrouter-image-generation.md。
3. 如果用户需要实际调用 API 或可复现的请求载荷，请使用 scripts/generate_openrouter_schematic.py。
4. 将输出视为示意图／图形摘要草稿，而不是定量数据面板。不要编造实验数值、作者标识、机构标志或缺乏依据的机制。

只有当任务涉及绘图、制图、数据可视化或论文图组装，且并非明确要求使用 OpenRouter 生成 AI 图像时，才继续进行 Python/R 后端确认。

1. 加载清单和核心层

阅读 manifest.yaml。其中声明了 backend 轴、允许的值，以及各值对应的文件路径。

还要阅读 always_load 下列出的所有文件（static/core/contract.md 和 static/core/stance.md）。这些文件包含图形约定、后端确认、运行时缺失规则、隐私规则，以及适用于所有图形任务的默认操作立场。

2. 确定后端 — 阻断式关卡

后端选择会阻断绘图任务，但不应永远打扰同一位用户。按以下顺序确定 backend 值：

1. 如果当前请求明确选择了 Python 或 R，就使用该后端，并通过 scripts/nature_figure_backend.py set python 或 scripts/nature_figure_backend.py set r 保存选择。
2. 如果请求提供了明显针对特定语言的输入文件／工作流，就使用对应后端并保存选择。
3. 否则运行 scripts/nature_figure_backend.py get。如果返回 python 或 r，就使用已保存的偏好。
4. 如果不存在已保存的偏好，只询问一个简短问题 — Python 还是 R？我会记住并将其设为你的默认选项。 — 然后停止。用户回答后，先保存答案，再继续。

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

不要仅凭美观程度猜测或选择后端。只有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，保存选定的后端，然后继续。选定后，所有绘图、预览、导出和视觉 QA 都必须独占使用该后端（参见 static/core/contract.md）。上述明确的 OpenRouter AI 示意图路线不受此关卡限制。

3. 加载匹配的后端片段

确定后端后，阅读对应的片段（static/fragments/backend/python.md 或 static/fragments/backend/r.md）。其中包含仅使用该后端的执行规则和出版级快速入门（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. 图表规范（static/core/contract.md）——在编写任何代码之前，写出核心结论、梳理证据链、判定图表类型，并设定期刊和导出规范。
2. 默认立场（static/core/stance.md）——优先按图表类型构图，设置主图面板，采用克制的配色，并将统计信息与完整性作为图表的一部分。
3. 后端片段——仅使用 Python 或 R 快速入门及其执行规则。

图表应服务于科学逻辑；美化应服从于让核心结论清晰、可信且便于审查。

5. 仅在需要时查阅参考资料

references/ 下的文件是深入参考资料，并非默认必读内容。请根据清单中的 references.on_demand 表按需查阅。例如，构建规范时查阅 references/figure-contract.md，了解 Python 配色与辅助函数时查阅 references/api.md，使用 R 时查阅 references/r-workflow.md，了解配色、字体和导出理由时查阅 references/design-theory.md，查找布局或图表方案时查阅 references/common-patterns.md 和 references/chart-types.md，查看真实的 Nature 页面图表类型时查阅 references/nature-2026-observations.md，最终交付前查阅 references/qa-contract.md，了解以面板为先的构建流程（将每个面板作为独立单元绘制，以 1:1 比例审查，再组合成复合图）以及如何将图表作为可审计的套件交付（目录布局、规范版本、源数据可追溯性）时查阅 references/figure-delivery-bundle.md，查阅完整示例时查看 references/tutorials.md / references/demos.md，当图表呈现的是证据链而非单一主张时查阅 references/multipanel-evidence-architecture.md，目标期刊为旗舰刊物 Nature 时查阅 references/nature-article-requirements.md，重新使用他人的绘图脚本之前查阅 references/asset-adaptation.md，使用 AI 辅助制作图形摘要时查阅 references/ai-graphical-abstract-workflow.md。

6. 交付前运行审计工具

scripts/ 中包含无需依赖项的预检和审计工具，可将 references/qa-contract.md 中的文本规则付诸执行：渲染前对源文件运行 validate_figure.py，然后对导出文件运行 audit_pdf_text.py、audit_figure_collisions.py 和 audit_panel_alignment.py。这些工具共用一套退出码约定：0 表示通过，1 表示失败，2 表示用法或 I/O 错误，3 表示因缺少依赖项而未运行，4 表示无法审计。**2、3 和 4 均不代表通过。**工具无法执行检查时会明确说明；将此视为成功会导致交付未经检查的图表。figure_source_data.py 会加载定量面板所用的表格，并记录使用了哪些行以及排除了哪些行；figure_safety.py 会拒绝无法诚实计算的插值或标签位置。请参阅 manifest.yaml 中的 qa_tooling 部分，了解各工具的适用时机。

为什么采用这种拆分

• 静态层经过版本控制，便于审核。后端门槛现在明确写在清单中，而不再隐藏在说明文字里。
• 动态层让每次调用的开销都很低：只有所选后端的快速入门内容会进入上下文，只有在某个步骤需要时才会加载 2,600 多行参考资料。
• 路由器本身刻意保持简短。添加范围时，请更新片段和参考资料，而不是修改此文件。
• 对于图表的规划（每张图表对应一项主张、面板职责、正文图与补充图），请使用仓库的 figure-planner 技能；对于单个独立绘图的正确性和可读性规则，请使用配套的 figure-style 技能。本技能涵盖图表的制作。

---

来源：改编自 github.com/Yuan1z0825/nature-skills（技能 nature-figure，Apache-2.0）。为保持此仓库精简，已移除约 30 MB 的演示/图库/图表图集资源包；该资源包保留在上游仓库中。除资源引用和配套技能交叉引用外，本技能的参考层还包含针对比例体系和导出设置的本地修正，其审计脚本则修复了依据本仓库自身图表测定出的缺陷。仓库根目录中的 ATTRIBUTION.md 保存了当前逐文件清单，并由 tests/test_license_shipping.py 检查。