关于 nature-figure
面向研究者和科学传播者的科学绘图技能,帮助制作以证据为基础的图表。它强调清晰的视觉论证、忠实呈现数据、选择绘图后端及验证导出结果。
主要功能
- 01定义图表主张与证据链
- 02根据项目情况选择绘图后端
- 03整理数据、统计量与不确定性
- 04导出矢量和栅格图表
- 05验证源文件与渲染结果
适用场景
- 01根据给定证据制作图形摘要
- 02规划多面板科学图表
- 03将模板适配到兼容数据
- 04检查图表完整性与可读性
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ mubuky/ nature-skills --skill nature-figure安装后在 Claude Code 中输入/nature-figure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。
.gitignoremanifest.yamlREADME_EN.mdREADME.mdagents/openai.yamlassets/README.mdevals/evals.jsonreferences/api.mdasset-adaptation.mdbackend-selection.mdchart-types.mdcommon-patterns.mddemos.mddesign-theory.mdfigure-contract.mdfigure-legend-conventions.mdnature-2026-observations.mdqa-contract.mdr-template-index.mdr-workflow.mdtemplate-catalog.mdtutorials.mdscripts/nature_figure_backend.pyplot_templates.pyvalidate_figure.pystatic/core/contract.mdstance.mdstatic/fragments/backend/python.mdr.md详细介绍
Nature 科学图表
基于提供的证据构建视觉论证。图形摘要或示意图仍是草稿视觉内容,不得虚构机制或结果。
流程
阅读 manifest.yaml 及其核心约定。按以下顺序选择后端:
- 用户明确指定的选择;
- 现有源文件、项目依赖项或已确立的项目后端;
- 已保存的用户偏好;
- 仅当 Python 和 R 都可行,且选择会显著影响集成或可维护性时才询问。
如果用户要求你做选择,请使用 references/backend-selection.md 并继续操作。 绘图、布局语义和导出均以一个后端作为唯一可信来源。中立查看器、图像/PDF/SVG 检查工具和确定性验证工具可用于质量保证,但不能因此成为第二个绘图后端。只有当用户明确要求将某个后端设为今后的默认选项时,才保存后端偏好。
图表约定
编写代码前,先定义:
- 一句话结论及目标读者;
- 证据链及每个面板的作用;
- 源数据字段、转换、统计量和不确定性;
- 目标期刊的尺寸、格式、字体和无障碍要求;
- 审稿人可能产生的误读及诚信风险。
仅加载所选后端片段,以及图表类型、图表、模板改编或导出所需的参考资料。优先使用来源记录完整的图表图集/图库示例或用户代码;不要复制外部论文中的图表。
构建与验证
- 选择图表类型,并确定清晰的主面板。
- 先映射数据和统计量,再进行样式设计。保留缺失情况、样本量、单位和不确定性。
- 使用克制的层次、字体排版和色彩;当区分信息很重要时,验证灰度显示效果和色觉适用性。
- 按语义改编模板,绝不可通过重新标注来呈现不兼容的数据。
- 在任务的输出目录下导出所需的矢量/栅格文件。
- 将
SKILL_DIR解析为包含此SKILL.md的目录,加载 references/qa-contract.md,运行python3 "$SKILL_DIR/scripts/validate_figure.py" SOURCE,并使用适当的中立查看器,以最终尺寸检查渲染输出。
诚信与完成标准
不得虚构数值、机制、标签、机构标志或统计显著性。不得隐藏数据,也不得为了改善外观而改动分析。只有当源文件与导出文件一致、标签和图例清晰可读、面板声明有证据支持,并且在交付内容属于可检查的范围时,已通过最终尺寸的视觉质量检查,才算完成;否则应明确说明未进行视觉质量检查。
评论
支持 Markdown