Star 历史趋势
数据来源: GitHub API · 生成自 Stargazers.cn
README.md
Academic Figure Skill
面向学术级科学图表生成Skill，可自动完成从数据解读到顶刊格式图表生成的全流程。
问题驱动 · 8 步闭环工作流 · 29 种图型 · 四轮 QA 协议 · 矢量 PDF 交付 · 统计报告
Academic Figure Skill 以"问题驱动而非模板驱动"为核心原则——每一张图从科学问题出发，通过 8 步闭环工作流（用户意图解析 → 原型分类 → 图型论证 → 环境探测 → 风格注入 → 资产检索 → 渲染生成 → 质量验证），输出可直接投稿的矢量 PDF 主文件 + 300dpi PNG 预览 + 统计报告。更多详情，请关注微信公众号：科研绘图酱。
效果预览
点击展开更多示例图表
项目介绍
Academic Figure Skill 是一个面向 AI 编程助手（Claude Code、Codex 等）的 Skill 包。其工作方式是：将 Nature / Cell / Science 系列期刊的图表制作规范（字体 Arial/Helvetica、栏宽 89mm/183mm、PDF 矢量导出、300dpi 栅格预览）和 29 种常见图型的视觉参数编码为 SKILL.md 及其引用的 16 份参考文档。当用户提供数据和科学问题后，Skill 引导 LLM 执行一个标准化的 8 步流程：澄清研究问题 → 分类图型原型 → 论证面板方案并获取用户确认 → 检测 Python/R 运行时 → 注入统一的排版和配色基线 → 扫描 assets/figures/ 中的生产脚本（匹配则原生运行，无匹配则跨类型继承视觉参数）→ 数据校验 → 4 轮 QA 自检 → 输出矢量 PDF 与统计报告。
该 Skill 不替代 Python 或 R 的绘图能力，而是提供一套结构化的约束条件（constraints）和先验知识（priors），使 LLM 在生成绘图代码时遵循 CNS 期刊的视觉标准，减少人工调整排版、配色和导出参数的工作量。在多面板合成场景中，Skill 支持 Python 脚本和 R 脚本的混合编排——R 面板通过 Cairo 设备渲染为位图，Python 的 compose.py 排版引擎按物理尺寸拼合多面板。
设计原则
| 原则 | 说明 |
|---|---|
| 一幅图一个核心信息 | 审稿人 3 秒扫读即懂；移除网格线、边框和无用图例 |
| 克制配色 > 丰富配色 | 2-4 个语义主色 + 1 个强调色；禁用 matplotlib/ggplot 默认色板 |
| 面向印刷设计 | 期刊固定栏宽（单栏 89mm / 双栏 183mm），创建时即设定尺寸，不再缩放 |
| 矢量优先 | 线图/散点/柱状 → PDF/SVG；只有真正的栅格内容（热图色块/显微图）才用 ≥300dpi TIFF/PNG |
核心能力
| 能力 | 说明 |
|---|---|
| 原型分类 | 四类范式：quantitative_grid（定量网格）、schematic-led（示意引导）、image plate + quant（图像-定量融合）、asymmetric_mixed（非对称复合）——自动驱动布局与英雄面板策略 |
| 29 种图型 | 热图 / 火山图 / 柱状图 / 散点图 / 箱线图 / PCA / RDA / 雷达图 / 桑基图 / AUROC / 山脊图 / 小提琴图 / 边际密度 / 核密度 / Mantel 相关 / UpSet / 森林图 / 混淆矩阵 / 流形 / 堆叠柱散 / 配对箱线 / 标记基因点图 / 趋势线 / 3D 热图 / 频率热图 / 密度热图 / 相关矩阵 / 分组相关矩阵 / 分组小提琴——每种均有配套生产脚本（.py + .R）与预览 PNG |
| Copy-First 规则 | 生成代码前扫描 assets/figures/<type>/，匹配到生产脚本则原生运行——Python 跑 .py，R 跑 .R，不翻译、不降级质量 |
| 跨类型参数继承 | 无生产脚本时，从相近图型借用 Class A（硬参数：颜色/透明度/线宽）、Class B（比例参数：字号/尺寸）、Class C（逻辑参数：图例开关/网格开关）三类视觉参数 |
| 混合语言组合 | R 面板原生运行 → 输出 spec-correct PNG，Python 排版引擎按精确物理尺寸拼合多面板 |
| 英雄面板自动识别 | 承载核心结论的面板自动获得更大的视觉权重，支撑面板居次排列 |
| 四轮 QA 协议 | Pass 0：反模式扫描（AP-0-7）→ Pass 1：代码级合规（CL-1-7）→ Pass 2：视觉逻辑与数据完整性（VI-1-6）→ Pass 3：渲染输出验证（VV-1-5），共 30+ 项检查 |
| 数据校验门禁 | 逐面板预检——火山图需 ≥10 个显著差异基因、AUROC 曲线分离需 ≥0.15、热图须有跨行方差——不通过则拒绝渲染 |
| 统计与可复现报告 | 每张图强制附带：n 定义、中心统计量（均值/中位数）、散布度量（SD/SEM/95%CI）、检验名称、多重比较校正、source-data 溯源 |
| 期刊配色系统 | Nature 偏冷蓝、Cell 偏暖、Science 偏保守灰；色盲友好，避免红绿独对区分 |
| 审稿人模拟模式 | 从五个维度审视成品——科学清晰度、视觉层次、配色可访问性、排版可读性、整体完成度——给出 must-fix vs. suggestion 分级反馈 |
私有资产图表类型全览
图鉴中展示的示例图表基于项目私有数据资产生成，仅作为风格参考。用户请求生成同类型图表时，脚本在保留示例所确立的视觉语言（配色、字体、布局逻辑、图元层级）的前提下，依据实际数据完成适配性重构。私有资产持续更新中。更多详情，请关注微信公众号：科研绘图酱
| 图表名称 | 预览 | 图形特征 | 典型应用场景 |
|---|---|---|---|
| 3D 热图 |  | 立体柱面矩阵数值，高度+颜色双重编码 | 多因子交互效应、基因型×环境矩阵、三维强度分布 |
| AUROC 曲线图 |  | TPR-FPR 曲线，含对角参考线与 AUC 标注 | 分类模型评估、多模型 ROC 对比、阈值敏感性分析 |
| 柱状图 |  | 单变量条形高度编码，支持误差棒 | 组间均值比较、单指标排序、计数统计 |
| 相关性密度图 |  | 散点叠加二维核密度等高线 | 两变量关系强弱、密集区识别、异常点检测 |
| 相关性矩阵图 |  | 方形网格，色阶+数值双重展示成对相关系数 | 多变量相关性总览、特征筛选前共线性检查 |
| 密度热图 |  | 连续二维核密度颜色梯度铺满网格 | 大样本点云密度分布、替代过度重叠散点图 |
| 频率 3D 热图 |  | 立体柱面展示分箱频次 | 等位基因频率分布、双因子计数交叉展示 |
| 分组相关性矩阵图 |  | 按分组拆分的多个相关矩阵并列呈现 | 不同处理/环境下相关结构差异比较 |
| 分组柱状图 |  | 同一类别下并列多个子组条形 | 多处理×多指标对比、重复实验组间差异 |
| Mantel 相关性检验图 |  | 相关矩阵热图叠加连线标注 r 值与显著性 | 环境因子与群落/基因型矩阵关联、距离矩阵分析 |
| PCA 主成分分析图 |  | 样本投影至 PC 平面，附椭圆置信区间 | 群体结构分析、样本聚类趋势、降维可视化 |
| 雷达图 |  | 多轴放射排列，闭合多边形综合表现 | 多指标品种/模型综合评估、性状剖面对比 |
| 山脊图 |  | 多组密度曲线纵向错落叠放 | 多组/多时间点分布形态对比、性状分布趋势 |
| 桑基图 |  | 节点间流量宽度编码，多阶段流转 | 通路/流程转化路径、类别间流动归因分解 |
| 堆叠柱状散点复合图 |  | 堆叠柱体+叠加散点标注个体数值 | 组成结构展示同时保留原始样本点 |
| 趋势图 |  | 折线随连续变量走势，可含置信带 | 性状随环境梯度变化、时间序列走势 |
| 小提琴图 |  | 镜像密度轮廓呈现分布形状 | 组间分布形态与离散程度比较、非正态数据展示 |
系统工作流
┌─────────────────────────────────────────────────────────────┐
│ User Intent Parsing / 用户意图解析 │
└─────────────────────────────────────────────────────────────┘
Step -1 需求澄清 │ 逆向提问锚定分析目标："这份数据要回答什么问题？"
Step 0a 原型识别 │ 四类范式判定：定量网格 / 示意引导 / 图像-定量融合 / 非对称复合
Step 0b 数据解析 │ 问题驱动的结构化解析，拒绝模板化套用
Step 1 图型论证 │ 循证式选型：N 个面板对应 N 个独立科学问题
Step 2 环境探测 │ 运行时自检（Python / R 内核、依赖完整性）
Step 3 风格注入 │ 视觉基线固化：字体系统 + 配色方案 + 导出规格
Step 4 资产检索 │ 扫描 assets/figures/<type>/，逐面板匹配已有生产脚本
Step 5 渲染生成 │ Copy-First 原生运行或跨类型参数继承
Step 5.5 数据校验 │ 逐面板预判图表可用性，不通过则拒绝渲染
Step 6 质量验证 │ 四轮 QA 协议，30+ 项检查点
Step 7 成果交付 │ 矢量 PDF + 300dpi PNG + 统计报告 + QA 报告核心原则：问题驱动而非模板驱动——图型选择基于科学问题的数量与结构，视觉风格通过资产库进行继承而非从零构建。
安装与使用
academic-figure-skill 是一个以 SKILL.md 为核心的 Skill 包。完整安装需保留 references/、scripts/、assets/、install/ 等目录，Skill 依赖这些文件完成视觉基线注入、资产检索和跨平台适配。
Claude Code
如果尚未安装 Claude Code：
npm install -g @anthropic-ai/claude-code
claude克隆仓库到稳定路径并安装 Skill：
mkdir -p ~/ai-skills
cd ~/ai-skills
git clone https://github.com/TingxiYu/academic-figure-skill.git
cp -r academic-figure-skill ~/.claude/skills/安装后在 Claude Code 会话中直接描述需求即可自动触发：
请使用 academic-figure-skill 分析项目文件中的multip-traits.csv数据，并进行可视化分析。用academic-figure-skill将data.csv数据绘制为一个 Nature 风格的差异表达火山图。如需更新：
cd ~/ai-skills/academic-figure-skill
git pull
cp -r . ~/.claude/skills/academic-figure-skill/Codex
Codex 支持通过 install/codex/ 中的 manifest.yaml + instructions.md 加载 Skill。将以下目录复制到 ~/.codex/skills/academic-figure-skill/：
git clone https://github.com/TingxiYu/academic-figure-skill.git
cd academic-figure-skill
mkdir -p ~/.codex/skills/academic-figure-skill
cp -r SKILL.md references/ scripts/ assets/ install/codex/* ~/.codex/skills/academic-figure-skill/安装后在 Codex 会话中自然描述需求，Skill 会根据 manifest.yaml 中的触发规则自动激活。
也可以让 Codex 代为安装：
从 https://github.com/TingxiYu/academic-figure-skill.git 安装 Codex skill。
克隆仓库后，将 SKILL.md、references/、scripts/、assets/ 和 install/codex/ 复制到 ~/.codex/skills/academic-figure-skill/。
保持完整目录结构，不要只复制 SKILL.md。Cursor
将 Skill 规则文件复制到项目根目录，Cursor 在生成代码时会自动遵循其中的规范：
git clone https://github.com/TingxiYu/academic-figure-skill.git
cp academic-figure-skill/install/cursor/.cursorrules <your-project>/.cursorrules.cursorrules 包含了配色方案、排版基线、导出规格等核心规则。如需更新规则，重新执行上述复制命令即可。
GitHub Copilot
将 Skill 指令文件复制到项目的 .github/ 目录，Copilot 在生成代码时会加载这些上下文：
git clone https://github.com/TingxiYu/academic-figure-skill.git
mkdir -p <your-project>/.github
cp academic-figure-skill/install/copilot/copilot-instructions.md <your-project>/.github/如果已有 .github/copilot-instructions.md，建议将本 Skill 的内容追加到文件末尾。
其他 Agent
对于其他 AI 编程助手：
- 保持仓库的稳定克隆副本
- 创建一个轻量级的 subagent、slash command 或自定义 prompt wrapper，指向
SKILL.md - 确保
references/、scripts/、assets/等目录与SKILL.md保持在同一相对路径下 - 如果 Agent 有特殊的格式要求，可基于
SKILL.md调整 frontmatter 和 body 结构
项目结构
academic-figure-skill/ ← 核心 Skill 包（本目录）
├── README.md ← 项目说明文档（本文件）
├── LICENSE ← MIT 许可证
├── SKILL.md ← 技能入口：8 步闭环工作流 + 全部规则
├── references/ ← 16 份共享知识文档
│ ├── figure-contract.md ← 图表合同：核心结论 + 证据链 + 审稿风险
│ ├── color-palettes.md ← 配色系统：分类/发散/连续 + 色盲友好
│ ├── typography.md ← 字体规范：Arial/Helvetica, ≥5pt 底限
│ ├── journal-specs.md ← 期刊尺寸：单栏 89mm / 双栏 183mm
│ ├── export-specs.md ← 导出规格：PDF/SVG 矢量 + 300dpi PNG
│ ├── multipanel-layout.md ← 多面板排版：反冗余 + 英雄面板 + 叙事顺序
│ ├── directory-map.md ← 图型目录映射：中英文关键词 → 资产路径
│ ├── checklist.md ← 完整 QA 检查清单
│ ├── common-pitfalls.md ← 常见陷阱与解决方案
│ ├── revision-cases.md ← 审稿修改案例库
│ ├── journal-intel.md ← 各期刊特有情报
│ ├── figure-deconstruction.md ← 图表解构：构图灵感参考
│ ├── matplotlib.md ← Python/matplotlib/seaborn 指南
│ ├── complexheatmap.md ← R ComplexHeatmap 指南
│ ├── r-rendering.md ← R PNG 渲染规范（cairo 设备）
│ └── compose.R ← R 排版参考实现
├── scripts/ ← 编译引擎 + QA 工具 + 评估套件
│ ├── compose.py ← 多面板排版引擎
│ ├── eval_runner.py ← 全量资产审计（29 类型自动扫描）
│ ├── trigger_benchmark.py ← 触发准确率基准测试
│ ├── qa_coverage.py ← QA 检查覆盖度验证
│ ├── qa_validator.py ← 代码自动检查（AP-0~CL-7）
│ ├── check_references.py ← 引用完整性校验
│ ├── e2e_runner.py ← E2E 集成测试（A/B 场景自动评分）
│ ├── check_colors.py ← 配色合规检查
│ ├── check_dimensions.py ← 尺寸规范检查
│ ├── check_export.py ← 导出参数检查
│ ├── check_fontsize.py ← 字号合规检查
│ ├── check_figure.py ← 图表综合检查
│ ├── generate_adapters.py ← 跨平台适配文件生成
│ ├── generate_atlas.py ← 图鉴自动生成
│ └── run_ab_tests.py ← A/B 测试运行器
├── assets/
│ ├── figures/ ← 29+ 种图型生产脚本与预览
│ │ ├── 3DHeatmap/ ← 3D 热图（R/ComplexHeatmap）
│ │ ├── AUROC/ ← AUROC 曲线
│ │ ├── BarAblation/ ← 消融实验柱状图
│ │ ├── BarCategorical/ ← 分类柱状图
│ │ ├── BarComparison/ ← 模型对比柱状图
│ │ ├── BarComposition/ ← 组成柱状图
│ │ ├── BarDistribution/ ← 分布柱状图
│ │ ├── ConfusionMatrix/ ← 混淆矩阵
│ │ ├── CorrelationMatrix/ ← 相关性矩阵（ggpairs）
│ │ ├── DensityHeatmap/ ← 密度热图
│ │ ├── Frequency_3DHeatmap/ ← 频率 3D 热图
│ │ ├── GroupedBarChart/ ← 分组柱状图
│ │ ├── GroupedCorrelationMatrix/ ← 分组相关矩阵
│ │ ├── GroupedViolin/ ← 分组小提琴图
│ │ ├── KernelDensity/ ← 核密度估计
│ │ ├── LineTrend/ ← 趋势折线图
│ │ ├── Manifold/ ← 流形可视化
│ │ ├── MantelCorrelation/ ← Mantel 相关性检验
│ │ ├── MarginalDensity/ ← 边际密度图
│ │ ├── MarkerGeneDotPlot/ ← 标记基因点图
│ │ ├── PCA/ ← PCA 主成分分析
│ │ ├── PairedBoxScatter/ ← 配对箱线散点图
│ │ ├── Radar/ ← 雷达图
│ │ ├── RidgePlot/ ← 山脊密度图
│ │ ├── SankeyDiagram/ ← 桑基流图
│ │ ├── StackedBarScatter/ ← 堆叠柱状散点复合图
│ │ ├── Violin/ ← 小提琴图
│ │ ├── heatmap/ ← 聚类热图
│ │ ├── volcano/ ← 火山图
│ │ ├── basic-plots/ ← 基础图型
│ │ ├── multipanel/ ← 多面板模板
│ │ └── other/ ← 长尾图型
│ └── figure-atlas/ ← 图鉴预览 PNG 合集
└── install/ ← 跨平台适配
├── claude-code/ ← Claude Code（原生支持，开箱即用）
├── cursor/ ← Cursor IDE 适配
├── copilot/ ← GitHub Copilot 适配
└── codex/ ← Codex CLI 适配质量评估与测试
QA 四级协议
| 轮次 | 名称 | 检查项数 | 说明 |
|---|---|---|---|
| Pass 0 | 反模式扫描 (AP) | 8 | 默认色板、四边边框、图例内置、截图导出、jet 色条、无散点柱状图、默认字体、大样本未栅格化 |
| Pass 1 | 代码合规 (CL) | 7 | 排版基线、配色方案、导出规格、资产确认表、无降采样、图表尺寸、期刊规范 |
| Pass 2 | 视觉逻辑 (VI) | 6 | 数据范围、热图方差、相关性强度、PCA 分离度、分布形态、数据丢失透明度 |
| Pass 3 | 渲染验证 (VV) | 5 | PDF 生成、PNG 生成、非零文件、字体嵌入、尺寸正确 |
运行评估
# 全量资产评估
python scripts/eval_runner.py
# 单类型评估
python scripts/eval_runner.py --type Heatmap
# E2E 集成测试
python scripts/e2e_runner.py
# 触发准确率基准
python scripts/trigger_benchmark.py贡献指南
Academic Figure Skill 采用 Skill 插件架构，添加新图型只需：
- 在
assets/figures/下创建新目录<FigureType>/ - 放入生产脚本（
.py或.R）和预览 PNG - 在
references/directory-map.md中添加关键词映射 - 运行
python scripts/eval_runner.py --type <FigureType>验证通过
许可证
Apache 2.0 © 2025 Academic Figure Skill