科学示意图智能生成Skill：一句自然语言描述，几分钟产出可投期刊的科学图表
- 双模型协作：由 Nano Banana Pro 负责生成图像、Gemini 3 Pro 负责质量审查，形成「生成—审查—按需重生成」的闭环，而不是一次性生成后成败由运气决定。
- 按文档类型设阈值：期刊 8.5 分、会议与学位论文 8.0 分、海报 7.0 分、演示 6.5 分，标准高的场景多迭代，标准低的场景快速交付，避免不必要的 API 调用。
- 零绘图门槛：不需要学 TikZ、不需要拖拽画布、不需要调色板，用自然语言写清「类型 + 组件 + 流向 + 标签 + 样式」即可。
- 产出可追溯：所有图表落在
figures/子目录，并附带含质量分数、批评意见、提前停止原因的 JSON 审查日志，方便复现与版本管理。 - 覆盖主流科研图型：神经网络架构、系统框图、CONSORT/PRISMA 流程图、生物信号通路、电路图、网络拓扑等。
1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？
技能基本信息
| 项目 | 内容 |
|---|---|
| 中文名 | 科学示意图智能生成Skill |
| 英文名 | scientific-schematics |
| 技能ID | 13078 |
| 核心描述 | 使用 Nano Banana Pro AI 智能迭代优化创建出版质量的科学示意图，使用 Gemini 3 Pro 进行质量审查，仅当质量低于文档类型阈值时才重新生成 |
| 允许工具 | 读取、写入、编辑、Bash |
| 擅长领域 | 神经网络架构、系统图、流程图、生物通路、复杂科学可视化 |
它解决什么问题
写论文、做汇报的人几乎都遇到过同一类麻烦：图画得不难看，但不够「出版级」；用 TikZ 或代码画图，调一个箭头位置能耗掉半天；用普通绘图软件画出来的图，字号、留白、配色又常常过不了期刊的审美门槛。更现实的问题是，同一篇论文里五张图往往风格不统一，返修时还要一张张重画。
这个技能的思路是把「绘图」这件事交给模型：你用自然语言描述清楚要画什么，它负责布局、配色、标注、排版，并且自己给自己打分，分数不达标才重画。对开发者来说，这意味着科研绘图环节从「手工活」变成了「可脚本化、可批量、可复现」的流水线步骤。
一键安装的思路与步骤
所谓「一键安装」，本质是把技能包放进你的 AI 编程/智能体工作环境，让它能调用 scripts/generate_schematic.py 这类脚本入口。由于技能详情中未给出具体的市场链接与安装命令，以下步骤中的安装入口请以官方说明为准。
第一步：准备运行环境
- 需要一个可以加载 AI 技能的工作环境（例如支持技能机制的智能体或命令行助手），具体支持的宿主环境以官方说明为准。
- 需要可用的 Python 运行环境，因为技能的核心入口是
scripts/generate_schematic.py脚本。 - 技能允许的工具为读取、写入、编辑、Bash，说明它需要对工作目录有读写权限，以便把图写入
figures/子目录。
第二步：安装技能本体
- 在你的技能管理入口中搜索技能英文名
scientific-schematics或技能ID13078并安装；具体安装方式（技能市场、技能包导入、目录拷贝等）以官方说明为准。 - 安装后确认技能目录下存在
scripts/generate_schematic.py以及references/diagram_types.md、references/best_practices.md等参考文件。
第三步：配置模型调用密钥
技能通过 OpenRouter 调用 Nano Banana Pro 与 Gemini 3 Pro，官方给出的配置方式为：
export OPENROUTER_API_KEY='您的API密钥'
技能详情中标注的密钥获取地址为 https://openrouter.ai/keys 。密钥的计费方式、额度与可用模型请以 OpenRouter 官方说明为准。
第四步：验证是否生效
跑一条最小示例，观察是否在 figures/ 下产出图片：
python scripts/generate_schematic.py "三层前馈神经网络框图，输入层、隐藏层、输出层，箭头从左到右" -o figures/test.png
验证要点有三个：
- 终端是否正常返回，且
figures/test.png文件生成； - 是否同时产出包含
final_score、iterations、early_stop等字段的 JSON 审查日志； - 加上
-v详细模式后，能否看到生成与审查的调用过程。
三项都正常，说明安装与鉴权都已打通。
2. 该技能的主要功能和特点
- 自然语言即绘图指令：不需要模板、不需要手动画、不需要写绘图代码，一句描述就能启动生成，AI 自动完成布局与构图、标签与注释、颜色与样式、质量审查与优化。
- 生成与审查双模型分工：Nano Banana Pro 负责出图，Gemini 3 Pro 负责按五个维度打分——科学准确性、清晰度与可读性、标签质量、布局与构图、专业外观，每项 0–2 分，合计 10 分。
- 智能迭代，达标即停：这是它和「一次生成一堆图让你挑」的工具最大的区别。评审判定分数 ≥ 阈值就立即结束，不再浪费调用；只有低于阈值时，才从批评意见中提取具体问题、增强提示词、重新生成。
- 按文档类型分级质量门槛：同一个描述，投期刊和做 PPT 的质量要求本就不同，技能把这条经验固化成了阈值表。
| 文档类型 | 阈值 | 说明 |
|---|---|---|
| 期刊 | 8.5/10 | Nature、Science 等同行评审期刊 |
| 会议 | 8.0/10 | 会议论文 |
| 学位论文 | 8.0/10 | 论文、学位论文 |
| 资助申请 | 8.0/10 | 资助提案 |
| 预印本 | 7.5/10 | arXiv、bioRxiv 等 |
| 报告 | 7.5/10 | 技术报告 |
| 海报 | 7.0/10 | 学术海报 |
| 演示 | 6.5/10 | 幻灯片、演讲 |
| 默认 | 7.5/10 | 通用目的 |
- 内置科学绘图规范：干净的浅色背景、高对比度、标签最小 10pt、无衬线字体、色盲友好的 Okabe-Ito 调色板、合理留白、按需添加比例尺/图例/坐标轴。
- 两条「禁止」写进规范：图中不得出现「图1:」「Fig. 1」这类图号（编号应由文档或 LaTeX 添加）；图中不得出现「左面板」「右面板」「字体规格」这类生成指令的元信息。这两条恰好是通用文生图模型最容易翻车的地方。
- 版本化产物 + 审查日志：每次迭代都保留
diagram_v1.png这类版本文件，审查日志记录用户提示、文档类型、阈值、每次迭代的分数与批评、是否提前停止及停止原因，方便回溯「这张图为什么是现在这个样子」。 - 两种调用方式：命令行适合批量和脚本化，Python API（
ScientificSchematicGenerator）适合嵌进自己的生成流程，还能读取final_score、final_image与逐次迭代详情。 - 可扩展的参考资料：
references/diagram_types.md提供图表类型目录与示例，references/best_practices.md提供出版标准与可访问性指南，需要深入时可随时加载。
和普通绘图工具的差别，可以概括成一句话：普通工具给你笔和画布，这个技能给你一个「会自己检查作业」的绘图员。
3. 如何使用该技能？
第一步：明确你要的是哪一类图
技能覆盖流程图（CONSORT、PRISMA 等）、神经网络架构、生物通路、电路图、系统架构、框图，以及各类科学可视化。先想清楚图型，再写描述，成功率会高很多。
第二步：按「五要素」写提示词
官方建议的有效提示包含：类型、组件、流程/方向、标签、样式。对比一下：
- ❌ 模糊：「做一个流程图」「画个神经网络」「通路图」
- ✅ 具体：「CONSORT 流程图展示参与者从筛选（n=500）到最终分析的流程」
- ✅ 具体：「Transformer 神经网络架构，左侧编码器堆栈，右侧解码器堆栈，展示多头注意力和交叉注意力连接」
- ✅ 具体：「生物信号级联：EGFR 受体 → RAS → RAF → MEK → ERK → 细胞核，标记磷酸化步骤」
第三步：选择文档类型与迭代次数
# 期刊论文（最高质量阈值 8.5/10）
python scripts/generate_schematic.py "CONSORT参与者流程图，包含500个筛选、150个排除、350个随机化" -o figures/consort.png --doc-type journal
# 演示用（较低阈值 6.5/10，更快）
python scripts/generate_schematic.py "Transformer编码器-解码器架构，展示多头注意力" -o figures/transformer.png --doc-type presentation
# 海报用（中等阈值 7.0/10）
python scripts/generate_schematic.py "从EGFR到基因转录的MAPK信号通路" -o figures/mapk_pathway.png --doc-type poster
# 显式指定最大迭代次数（最大 2）
python scripts/generate_schematic.py "复杂电路图，包含运放、电阻和电容" -o figures/circuit.png --iterations 2 --doc-type journal
常用参数一览：-o 指定输出路径，--doc-type 选择阈值档位，--iterations 设置最大迭代次数（1–2），-v 打开详细输出，--api-key 可在命令行临时传入密钥。
第四步：读审查日志，而不是只看图
运行结束后先看 JSON 审查日志：
{
"user_prompt": "CONSORT参与者流程图...",
"doc_type": "poster",
"quality_threshold": 7.0,
"final_score": 7.5,
"early_stop": true,
"early_stop_reason": "分数7.5满足海报的阈值7.0"
}
如果看到 early_stop: true，说明首轮就达标，这是好事；如果两轮都没过阈值，日志里的批评意见就是下一版提示词的修改指南。
第五步：嵌入 Python 流程（可选）
from scripts.generate_schematic_ai import ScientificSchematicGenerator
generator = ScientificSchematicGenerator(
api_key="您的openrouter密钥",
verbose=True
)
results = generator.generate_iterative(
user_prompt="Transformer架构图",
output_path="figures/transformer.png",
iterations=2
)
print(f"最终分数: {results['final_score']}/10")
print(f"最终图像: {results['final_image']}")
第六步：写进文档
把生成的图放进论文时，遵循官方最佳实践：LaTeX 中用 \includegraphics{} 引入，标题写全（定义所有缩写），正文叙述中引用并解释流程，同一篇论文保持风格一致，并把提示词与生成图一起纳入版本控制。
提示工程小技巧
- 指定布局：「垂直流程，从上到下」「左侧编码器、右侧解码器」「顺时针的圆形通路图」。
- 带定量细节：「输入层 784 节点、隐藏层 128 节点、输出 10 节点」「n=500 筛选、n=150 排除、n=350 随机化」。
- 指定视觉风格：「简洁框图、干净线条」「技术示意图，使用工程符号」。
- 点名标签：「所有箭头标记激活/抑制」「每个框包含层维度」。
- 提颜色要求：「色盲友好配色」「灰度兼容」「蓝色为输入、绿色为处理、红色为输出」。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 科学示意图智能生成Skill（scientific-schematics） | 面向出版级科研图表的 AI 生成技能 | 自然语言生成图 + Gemini 3 Pro 五维评分 + 按文档类型阈值智能迭代 | 需可加载技能的宿主环境、Python 与 OpenRouter 密钥，配置一次即可 | 期刊/会议论文配图、海报、汇报、基金申请书 | 优势：零绘图门槛、自带质量闭环与审查日志、内置可访问性规范；不足：依赖外部模型 API，结果为位图（PNG）形式，复杂电路仍需多轮调提示 |
| TikZ / PGFPlots 手写 | LaTeX 生态的矢量绘图编程方案 | 代码级精确控制，矢量输出，与论文编译无缝集成 | 门槛高，需掌握 TikZ 语法与坐标系统 | 需要严格矢量、与 LaTeX 深度绑定的严肃排版 | 优势：精度高、可版本化、期刊友好；不足：学习曲线陡峭，一张复杂架构图可能耗费数小时 |
| Draw.io / Visio / Figma 等通用绘图工具 | 图形化拖拽绘图 | 手动布局、形状库、导出多种格式 | 门槛低，但审美与排版依赖个人 | 一般示意图、汇报图、非严格出版场景 | 优势：所见即所得、改动灵活；不足：风格一致性靠人维持，缺少质量评估，批量生成几乎不可能 |
| Matplotlib / Graphviz 等代码绘图库 | 程序化生成统计图与结构图 | 数据驱动绘图，可脚本化复现 | 中等偏高，需要写代码 | 数据图表、网络拓扑、自动生成的批量图 | 优势：可复现、可批处理；不足：分子通路、神经网络架构这类「概念图」表达力有限，版式仍需大量手工调整 |
| 通用文生图模型 | 通用图像生成 | 一句话出图，风格多样 | 极低 | 插画、概念图、非严谨示意 | 优势：上手最快；不足：常出现图号、伪文字、左右面板指令外泄等「元信息污染」，缺乏科学准确性与可访问性校验 |
横向看下来，这个技能的差异点集中在两处：一是把「质量评估」做成了流程的一部分（评审维度明确、阈值按场景分档、达标即停），二是把科研绘图的隐性规范（色盲友好、字号下限、禁止图号、禁止元指令）写进了生成约束里。这两点恰恰是手写代码和通用文生图各自的短板。
5. 该技能的典型应用场景与实际体验情况
场景一：期刊论文里的神经网络架构图
角色与痛点：做深度学习研究的博士生，论文要投同行评审期刊，方法章节必须有一张清晰的 Transformer 架构图。用鼠标画不精确，用代码画又要反复对齐模块。
使用方式：用一段结构化描述写清编码器堆栈、解码器堆栈、多头自注意力、交叉注意力虚线连接、编码器浅蓝、解码器浅红，指定 --doc-type journal 与 --iterations 2。
实际体验：这类描述清晰的需求是技能的强项，因为「左侧编码器、右侧解码器、虚线表示跨栈连接」都是它熟悉的表达。需要注意的是，模块名称一定要在提示里写全，比如「添加与归一化」不要简写成「Add&Norm 那层」，否则容易漏标。期刊档 8.5 分门槛相对严苛，常常会跑满两轮，这属于正常现象。
场景二：临床研究的 CONSORT / PRISMA 流程图
角色与痛点：医学研究者写 RCT 论文，CONSORT 流程图有固定套路，但每个数字、每个排除原因都要准确落位，手画时经常出现框体错位或数字遗漏。
使用方式：把筛选数、排除数及原因、随机化分组、失访人数、最终分析人数按顺序写进提示，并指定配色语义：「蓝色框表示过程步骤、橙色表示排除、绿色表示最终分析」。
实际体验：这是最能体现「智能迭代」价值的场景——首轮生成常常拿 7.5 分左右，针对海报（阈值 7.0）会直接提前停止；但对期刊（阈值 8.5），系统会依据批评意见继续优化。审查日志里会明确指出「参与者计数略小」「排除框轻微重叠」这类具体问题，这些就是下一轮提示词该补充的内容。
场景三：生物信号通路图
角色与痛点：做肿瘤信号研究的实验人员，需要把 EGFR→RAS→RAF→MEK→ERK→细胞核的级联画清楚，并标注磷酸化步骤，每一步都要标对。
使用方式：按「起点受体—逐级箭头—终点细胞核」的顺序描述，要求圆角矩形表示蛋白、每种蛋白不同颜色、顶部加膜边界线，箭头标注「磷酸化」或「激活」。
实际体验：方向性描述越明确，效果越稳定。建议明确写出「箭头向下」「最终箭头到细胞核」，否则模型可能给出横向布局。若发现标注拥挤，优先增加迭代次数，而不是把所有细节都堆进一句话。
场景四：海报与组会汇报的快速配图
角色与痛点：实验室要赶学术海报或周会 PPT，需要几张示意图，时间紧，对精度的要求低于期刊。
使用方式：指定 --doc-type poster（7.0）或 --doc-type presentation（6.5），单轮往往就能结束。
实际体验：这是「阈值分档」最直观的收益——同样的描述，做 PPT 时不追求期刊级打磨，往往一轮就通过，交付节奏明显加快。反过来说，如果拿演示档的图直接投期刊，就要有心理准备：它并没有按 8.5 分的标准被评审过。
整体上手难度评估：安装和首次运行几乎没有门槛，真正的门槛在「把需求说清楚」。会写实验方法的人，通常也能写清图表结构；而一旦养成按五要素组织提示词的习惯，返工率会显著下降。另外建议保留提示词与审查日志——论文返修时想微调一张图，有日志和原提示词在手，比凭记忆重画要轻松得多。
6. 该技能能为用户带来的价值
效率层面：把「画一张出版级示意图」从数小时的手工劳动压缩到几分钟的一次描述。更关键的是，批量场景下它可脚本化——一张图是一条命令，十张图就是十条命令加一个循环，这是手工绘图工具做不到的。
门槛层面：TikZ 的学习成本、矢量软件的操作熟练度、配色与排版的经验，这三道门槛被大幅削平。科研人员可以把注意力放回内容本身：图的逻辑对不对、数字准不准、叙事清不清楚。
质量层面：五维评分（科学准确性、清晰度、标签质量、布局构图、专业外观）把「这张图行不行」这种模糊判断变成了可对照的分数，再叠加按文档类型分档的阈值，让质量目标变得具体、可讨论、可验收。
成本层面：智能迭代的核心价值在于「不达标才重画」。首轮达标就提前停止，直接省下后续调用；阈值分档则避免了「做 PPT 也用期刊标准反复打磨」的浪费。具体 API 计费以 OpenRouter 官方说明为准，但调用次数的节约逻辑是清晰的。
长期价值：版本化图像 + JSON 审查日志 + 提示词入库，构成了一套可复现的绘图记录。半年后论文返修、或要把同一套图复用到新项目时，你知道每一步是怎么来的。对课题组而言，这相当于把「绘图经验」沉淀成了可传承的资产，而不是留在某个师兄的电脑里。
7. 常见问题 FAQ
Q1：这个技能到底怎么安装？我需要准备什么？
在支持技能机制的宿主环境中安装 scientific-schematics（技能ID 13078），具体安装入口以官方说明为准。安装前需准备可用的 Python 环境，以及 OpenRouter API 密钥，通过 export OPENROUTER_API_KEY='您的API密钥' 配置。装完后跑一条简单示例，确认 figures/ 下生成了图片和审查日志，即代表生效。
Q2：使用它收费吗？
技能本身依赖 Nano Banana Pro 与 Gemini 3 Pro 进行生成与审查，调用通过 OpenRouter 完成，因此会产生相应的模型调用费用。具体价格、额度和计费规则请以 OpenRouter 官方说明为准。技能本身的「智能迭代」机制会通过提前停止来减少不必要的调用。
Q3：它和 Midjourney、DALL·E 这类文生图工具有什么区别？
最大的区别在「科学严谨性」与「质量闭环」。通用文生图常常在图中画出「Fig. 1」这类假图号，或把「左面板、字体 12pt」这类生成指令泄露到画面里；本技能明确禁止图号与元指令出现在成图中，并内置色盲友好配色、字号下限等科研规范。此外它会对结果做五维打分，不达标才重画，而通用工具只负责出图，不负责验收。
Q4：生成出来的图能直接投稿吗？
技能的目标就是出版就绪的输出，期刊档按 8.5/10 的阈值把关，并提供科学准确性、标签质量、布局构图等维度的评分与批评意见。但仍建议你人工复核两点：一是数字与逻辑是否与你的研究完全一致，二是目标期刊对格式（如 PDF/EPS/TIFF、300+ DPI）的具体要求——这些排版细则最终以期刊作者指南为准。
Q5：它适合谁用？什么情况下不建议用？
最适合需要频繁产出科研配图的人：论文作者、研究生、博士后、做基金申请与学术海报的科研人员，以及需要批量生成架构图的技术写作者。如果你需要的是严格矢量、与 LaTeX 深度绑定并可精细调参的图，TikZ 这类代码方案仍更合适；如果你只是要一张风格化插画，通用文生图工具更省事。另外，把需求描述得越具体，效果越好——「画个流程图」这样的提示，任何 AI 都救不回来。