使用Nano Banana 2 AI和智能迭代细化创建出版级科学图表。使用Gemini 3.1 Pro Preview进行质量审查。仅当质量低于文档类型的阈值时重新生成。专门研究神经网络架构、系统图、流程图、生物途径和复杂科学可视化。

科学示意图和图表

概述

科学示意图和图表将复杂概念转化为清晰的视觉表示，用于发表。此技能使用Nano Banana 2 AI进行图表生成，并使用Gemini 3.1 Pro Preview进行质量审查。

工作原理：

用自然语言描述您的图表
Nano Banana 2自动生成 publication 质量的图像
Gemini 3.1 Pro Preview根据文档类型阈值评估质量
智能迭代：仅当质量低于阈值时才会重新生成
几分钟内即可获得 publication 就绪的输出
无需编码、模板或手动绘制

按文档类型的质量阈值：

| 文档类型 | 阈值 | 描述 |

|---------|------|------|

| journal | 8.5/10 | Nature、Science、同行评审期刊 |

| conference | 8.0/10 | 会议论文 |

| thesis | 8.0/10 | 学位论文、论文 |

| grant | 8.0/10 | 资助提案 |

| preprint | 7.5/10 | arXiv、bioRxiv等 |

| report | 7.5/10 | 技术报告 |

| poster | 7.0/10 | 学术海报 |

| presentation | 6.5/10 | 幻灯片、演讲 |

| default | 7.5/10 | 通用目的 |

只需描述您想要的内容，Nano Banana 2就会创建它。 所有图表都存储在figures/子文件夹中，并在论文/海报中引用。

快速开始：生成任何图表

只需描述即可创建任何科学图表。Nano Banana 2通过智能迭代自动处理所有内容：

# 为期刊论文生成（最高质量阈值：8.5/10）
python scripts/generate_schematic.py "CONSORT参与者流程图，500人筛选，150人排除，350人随机化" -o figures/consort.png --doc-type journal

# 为演示生成（较低阈值：6.5/10 - 更快）
python scripts/generate_schematic.py "显示多头注意力的Transformer编码器-解码器架构" -o figures/transformer.png --doc-type presentation

# 为海报生成（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

# 自定义最大迭代次数（最多2次）
python scripts/generate_schematic.py "带有运算放大器、电阻器和电容器的复杂电路图表" -o figures/circuit.png --iterations 2 --doc-type journal

背后发生的事情：

生成1：Nano Banana 2创建遵循科学图表最佳实践的初始图像
审查1：Gemini 3.1 Pro Preview根据文档类型阈值评估质量
决策：如果质量 >= 阈值 → 完成（不需要更多迭代！）
如果低于阈值：基于批评改进提示，重新生成
重复：直到质量达到阈值或达到最大迭代次数

智能迭代优势：

✅ 如果第一次生成足够好，节省API调用
✅ 期刊论文的更高质量标准
✅ 演示/海报的更快周转
✅ 每个用例的适当质量

输出：版本化图像加上详细的审查日志，包含质量分数、批评和提前停止信息。

配置

设置您的OpenRouter API密钥：

export OPENROUTER_API_KEY='your_api_key_here'

在以下位置获取API密钥：https://openrouter.ai/keys

AI生成最佳实践

科学图表的有效提示：

✓ 好的提示（具体、详细）：

"CONSORT流程图，显示参与者从筛选（n=500）到随机化再到最终分析的流程"
"Transformer神经网络架构，左侧编码器堆栈，右侧解码器堆栈，显示多头注意力和交叉注意力连接"
"生物信号级联：EGFR受体 → RAS → RAF → MEK → ERK → 细胞核，标记磷酸化步骤"
"物联网系统框图：传感器 → 微控制器 → WiFi模块 → 云服务器 → 移动应用"

✗ 避免模糊提示：

"制作流程图"（过于通用）
"神经网络"（哪种类型？什么组件？）
"通路图"（哪个通路？什么分子？）

要包含的关键元素：

类型：流程图、架构图、通路、电路等
组件：要包含的特定元素
流程/方向：元素如何连接（从左到右，从上到下）
标签：要包含的关键注释或文本
风格：任何特定的视觉要求

科学质量指南（自动应用）：

干净的白色/浅色背景
高对比度以提高可读性
清晰、可读的标签（最小10pt）
专业排版（无衬线字体）
色盲友好的颜色（Okabe-Ito调色板）
适当的间距以防止拥挤
适当的比例尺、图例、坐标轴

何时使用此技能

当您需要以下操作时，应使用此技能：

创建神经网络架构图（Transformer、CNN、RNN等）
说明系统架构和数据流图
绘制研究设计的方法流程图（CONSORT、PRISMA）
可视化算法工作流程和处理管道
创建电路图表和电气示意图
描绘生物通路和分子相互作用
生成网络拓扑和层次结构
说明概念框架和理论模型
为技术论文设计框图

如何使用此技能

只需用自然语言描述您的图表。 Nano Banana 2会自动生成：

python scripts/generate_schematic.py "your diagram description" -o output.png

就是这样！ AI处理：

✓ 布局和构图
✓ 标签和注释
✓ 颜色和样式
✓ 质量审查和完善
✓ publication 就绪的输出

适用于所有图表类型：

流程图（CONSORT、PRISMA等）
神经网络架构
生物通路
电路图表
系统架构
框图
任何科学可视化

无需编码，无需模板，无需手动绘制。

AI生成模式（Nano Banana 2 + Gemini 3.1 Pro Preview审查）

智能迭代改进工作流程

AI生成系统使用智能迭代 - 仅当质量低于您的文档类型阈值时才会重新生成：

智能迭代如何工作

┌─────────────────────────────────────────────────────┐
│  1. 使用Nano Banana 2生成图像                      │
│                    ↓                                │
│  2. 使用Gemini 3.1 Pro Preview审查质量              │
│                    ↓                                │
│  3. 分数 >= 阈值？                                  │
│       是 → 完成！（提前停止）                      │
│       否 → 改进提示，转到步骤1                      │
│                    ↓                                │
│  4. 重复直到达到质量或最大迭代次数                  │
└─────────────────────────────────────────────────────┘

迭代1：初始生成

提示构建：

科学图表指南 + 用户请求

输出： diagram_v1.png

Gemini 3.1 Pro Preview质量审查

Gemini 3.1 Pro Preview从以下方面评估图表：

科学准确性（0-2分）- 正确的概念、符号、关系
清晰度和可读性（0-2分）- 易于理解，清晰的层次结构
标签质量（0-2分）- 完整、可读、一致的标签
布局和构图（0-2分）- 逻辑流程，平衡，无重叠
专业外观（0-2分）- Publication就绪质量

审查输出示例：

分数：8.0

优势：
- 从上到下的清晰流程
- 所有阶段都正确标记
- 专业排版

问题：
- 参与者计数略小
- 排除框上的轻微重叠

结论：可接受（对于海报，阈值7.0）

决策点：继续或停止？

| 如果分数... | 操作 |

|------------|------|

| >= 阈值 | 停止 - 质量对此文档类型足够好 |

| < 阈值 | 继续下一次迭代，改进提示 |

示例：

对于海报（阈值7.0）：分数7.5 → 1次迭代后完成！
对于期刊（阈值8.5）：分数7.5 → 继续改进

后续迭代（仅在需要时）

如果质量低于阈值，系统：

从Gemini 3.1 Pro Preview的审查中提取具体问题
用改进说明增强提示
使用Nano Banana 2重新生成
再次使用Gemini 3.1 Pro Preview审查
重复直到达到阈值或达到最大迭代次数

审查日志

所有迭代都保存有JSON审查日志，包括提前停止信息：

{
  "user_prompt": "CONSORT参与者流程图...",
  "doc_type": "poster",
  "quality_threshold": 7.0,
  "iterations": [
    {
      "iteration": 1,
      "image_path": "figures/consort_v1.png",
      "score": 7.5,
      "needs_improvement": false,
      "critique": "分数：7.5\n优势：..."
    }
  ],
  "final_score": 7.5,
  "early_stop": true,
  "early_stop_reason": "质量分数7.5满足海报阈值7.0"
}

注意： 使用智能迭代，如果早期达到质量，您可能只看到1次迭代而不是完整的2次！

高级AI生成用法

Python API

from scripts.generate_schematic_ai import ScientificSchematicGenerator

# 初始化生成器
generator = ScientificSchematicGenerator(
    api_key="your_openrouter_key",
    verbose=True
)

# 生成带有迭代改进（最多2次迭代）
results = generator.generate_iterative(
    user_prompt="Transformer架构图",
    output_path="figures/transformer.png",
    iterations=2
)

# 访问结果
print(f"最终分数：{results['final_score']}/10")
print(f"最终图像：{results['final_image']}")

# 审查各个迭代
for iteration in results['iterations']:
    print(f"迭代 {iteration['iteration']}：{iteration['score']}/10")
    print(f"批评：{iteration['critique']}")

命令行选项

# 基本用法（默认阈值7.5/10）
python scripts/generate_schematic.py "图表描述" -o output.png

# 指定文档类型以获得适当的质量阈值
python scripts/generate_schematic.py "图表" -o out.png --doc-type journal      # 8.5/10
python scripts/generate_schematic.py "图表" -o out.png --doc-type conference   # 8.0/10
python scripts/generate_schematic.py "图表" -o out.png --doc-type poster       # 7.0/10
python scripts/generate_schematic.py "图表" -o out.png --doc-type presentation # 6.5/10

# 自定义最大迭代次数（1-2）
python scripts/generate_schematic.py "复杂图表" -o diagram.png --iterations 2

# 详细输出（查看所有API调用和审查）
python scripts/generate_schematic.py "流程图" -o flow.png -v

# 通过标志提供API密钥
python scripts/generate_schematic.py "图表" -o out.png --api-key "sk-or-v1-..."

# 组合选项
python scripts/generate_schematic.py "神经网络" -o nn.png --doc-type journal --iterations 2 -v

提示工程技巧

1. 具体说明布局：

✓ "垂直流的流程图，从上到下"
✓ "左侧编码器，右侧解码器的架构图"
✓ "顺时针流的圆形通路图"

2. 包含定量细节：

✓ "输入层（784个节点）、隐藏层（128个节点）、输出（10个节点）的神经网络"
✓ "显示n=500筛选，n=150排除，n=350随机化的流程图"
✓ "带有1kΩ电阻、10µF电容器、5V电源的电路"

3. 指定视觉风格：

✓ "带有干净线条的简约框图"
✓ "带有蛋白质结构的详细生物通路"
✓ "带有工程符号的技术示意图"

4. 请求特定标签：

✓ "用激活/抑制标记所有箭头"
✓ "在每个框中包含层维度"
✓ "用时间戳显示时间进展"

5. 提及颜色要求：

✓ "使用色盲友好的颜色"
✓ "灰度兼容设计"
✓ "按功能编码颜色：输入为蓝色，处理为绿色，输出为红色"

AI生成示例

示例1：CONSORT流程图

python scripts/generate_schematic.py \
  "随机对照试验的CONSORT参与者流程图。\
   顶部开始为'评估资格（n=500）'。\
   显示'排除（n=150）'，原因：年龄<18（n=80），拒绝（n=50），其他（n=20）。\
   然后'随机化（n=350）'分为两个组：\
   '治疗组（n=175）'和'对照组（n=175）'。\
   每组显示'失访'（n=15和n=10）。\
   以'分析'结束（n=160和n=165）。\
   处理步骤使用蓝色框，排除使用橙色，最终分析使用绿色。" \
  -o figures/consort.png

示例2：神经网络架构

python scripts/generate_schematic.py \
  "Transformer编码器-解码器架构图。\
   左侧：编码器堆栈，包含输入嵌入、位置编码、\
   多头自注意力、添加与归一化、前馈、添加与归一化。\
   右侧：解码器堆栈，包含输出嵌入、位置编码、\
   掩码自注意力、添加与归一化、交叉注意力（接收来自编码器）、\
   添加与归一化、前馈、添加与归一化、线性与softmax。\
   用虚线显示从编码器到解码器的交叉注意力连接。\
   编码器使用浅蓝色，解码器使用浅红色。\
   清晰标记所有组件。" \
  -o figures/transformer.png --iterations 2

示例3：生物通路

python scripts/generate_schematic.py \
  "MAPK信号通路图。\
   顶部细胞膜处开始于EGFR受体。\
   向下箭头到RAS（带有GTP标签）。\
   箭头到RAF激酶。\
   箭头到MEK激酶。\
   箭头到ERK激酶。\
   最终箭头到显示基因转录的细胞核。\
   用'磷酸化'或'激活'标记每个箭头。\
   蛋白质使用圆角矩形，每个使用不同颜色。\
   顶部包含膜边界线。" \
  -o figures/mapk_pathway.png

示例4：系统架构

python scripts/generate_schematic.py \
  "物联网系统架构框图。\
   底层：传感器（温度、湿度、运动）在绿色框中。\
   中层：微控制器（ESP32）在蓝色框中。\
   连接到WiFi模块（橙色框）和显示器（紫色框）。\
   顶层：云服务器（灰色框）连接到移动应用（浅蓝色框）。\
   显示所有组件之间的数据流箭头。\
   用协议标记连接：I2C、UART、WiFi、HTTPS。" \
  -o figures/iot_architecture.png

命令行使用

生成科学示意图的主要入口点：

# 基本用法
python scripts/generate_schematic.py "图表描述" -o output.png

# 自定义迭代次数（最多2次）
python scripts/generate_schematic.py "复杂图表" -o diagram.png --iterations 2

# 详细模式
python scripts/generate_schematic.py "图表" -o out.png -v

注意： Nano Banana 2 AI生成系统在其迭代改进过程中包含自动质量审查。每次迭代都会评估科学准确性、清晰度和可访问性。

最佳实践摘要

设计原则

清晰胜于复杂 - 简化，移除不必要的元素
一致的样式 - 使用模板和样式文件
色盲可访问性 - 使用Okabe-Ito调色板，冗余编码
适当的排版 - 无衬线字体，最小7-8 pt
矢量格式 - 始终使用PDF/SVG用于发表

技术要求

分辨率 - 首选矢量，或300+ DPI的光栅
文件格式 - LaTeX使用PDF，网络使用SVG，PNG作为备选
色彩空间 - 数字使用RGB，印刷使用CMYK（必要时转换）
线宽 - 最小0.5 pt，典型1-2 pt
文本大小 - 最终大小至少7-8 pt

集成指南

包含在LaTeX中 - 使用\includegraphics{}插入生成的图像
详细说明 - 描述所有元素和缩写
在文本中引用 - 在叙述流程中解释图表
保持一致性 - 论文中所有图表使用相同样式
版本控制 - 在存储库中保留提示和生成的图像

常见问题故障排除

AI生成问题

问题：文本或元素重叠

解决方案：AI生成自动处理间距
解决方案：增加迭代次数：--iterations 2以获得更好的改进

问题：元素连接不正确

解决方案：使您的提示更具体地说明连接和布局
解决方案：增加迭代次数以获得更好的改进

图像质量问题

问题：导出质量差

解决方案：AI生成自动生成高质量图像
解决方案：增加迭代次数以获得更好的结果：--iterations 2

问题：生成后元素重叠

解决方案：AI生成自动处理间距
解决方案：增加迭代次数：--iterations 2以获得更好的改进
解决方案：使您的提示更具体地说明布局和间距要求

质量检查问题

问题：假阳性重叠检测

解决方案：调整阈值：detect_overlaps(image_path, threshold=0.98)
解决方案：手动审查视觉报告中的标记区域

问题：生成的图像质量低

解决方案：AI生成默认生成高质量图像
解决方案：增加迭代次数以获得更好的结果：--iterations 2

问题：色盲模拟显示对比度差

解决方案：在代码中明确切换到Okabe-Ito调色板
解决方案：添加冗余编码（形状、图案、线条样式）
解决方案：增加颜色饱和度和亮度差异

问题：检测到高严重性重叠

解决方案：查看overlap_report.json获取精确位置
解决方案：增加这些特定区域的间距
解决方案：使用调整后的参数重新运行并再次验证

问题：视觉报告生成失败

解决方案：检查Pillow和matplotlib安装
解决方案：确保图像文件可读：Image.open(path).verify()
解决方案：检查报告生成的足够磁盘空间

可访问性问题

问题：灰度中颜色无法区分

解决方案：运行可访问性检查器：verify_accessibility(image_path)
解决方案：添加图案、形状或线条样式以增加冗余
解决方案：增加相邻元素之间的对比度

问题：打印时文本太小

解决方案：运行分辨率验证器：validate_resolution(image_path)
解决方案：以最终大小设计，使用最小7-8 pt字体
解决方案：在分辨率报告中检查物理尺寸

问题：可访问性检查一致失败

解决方案：查看accessibility_report.json获取具体失败原因
解决方案：将颜色对比度至少增加20%
解决方案：在最终确定前使用实际灰度转换进行测试

资源和参考

详细参考

加载这些文件以获取特定主题的综合信息：

`references/best_practices.md` - 发表标准和可访问性指南

外部资源

Python库

Schemdraw文档：https://schemdraw.readthedocs.io/
NetworkX文档：https://networkx.org/documentation/
Matplotlib文档：https://matplotlib.org/

发表标准

Nature图表指南：https://www.nature.com/nature/for-authors/final-submission
Science图表指南：https://www.science.org/content/page/instructions-preparing-initial-manuscript
CONSORT图表：http://www.consort-statement.org/consort-statement/flow-diagram

与其他技能集成

此技能与以下技能协同工作：

科学写作 - 图表遵循图表最佳实践
科学可视化 - 共享调色板和样式
LaTeX海报 - 为海报演示生成图表
研究资助 - 提案的方法学图表
同行评审 - 评估图表清晰度和可访问性

快速参考清单

提交图表前，验证：

视觉质量

[ ] 高质量图像格式（AI生成的PNG）
[ ] 无重叠元素（AI自动处理）
[ ] 所有组件之间有足够的间距（AI优化）
[ ] 干净、专业的对齐
[ ] 所有箭头正确连接到预期目标

可访问性

[ ] 使用色盲安全调色板（Okabe-Ito）
[ ] 在灰度下工作（使用可访问性检查器测试）
[ ] 元素之间有足够的对比度（已验证）
[ ] 适当的冗余编码（形状 + 颜色）
[ ] 色盲模拟通过所有检查

排版和可读性

[ ] 最终大小的文本最小7-8 pt
[ ] 所有元素都清晰完整地标记
[ ] 一致的字体系列和大小
[ ] 无文本重叠或截断
[ ] 适用时包含单位

发表标准

[ ] 与手稿中其他图表一致的样式
[ ] 全面的说明，定义所有缩写
[ ] 在手稿文本中适当引用
[ ] 满足期刊特定的尺寸要求
[ ] 以期刊要求的格式导出（PDF/EPS/TIFF）

质量验证（必需）

[ ] 运行run_quality_checks()并获得PASS状态
[ ] 审查重叠检测报告（零高严重性重叠）
[ ] 通过可访问性验证（灰度和色盲）
[ ] 以目标DPI验证分辨率（打印300+）
[ ] 生成并审查视觉质量报告
[ ] 所有质量报告与图表文件一起保存

文档和版本控制

[ ] 保存源文件（.tex, .py）以便将来修订
[ ] 质量报告存档在quality_reports/目录中
[ ] 记录配置参数（颜色、间距、大小）
[ ] Git提交包括源、输出和质量报告
[ ] README或注释解释如何重新生成图表

最终集成检查

[ ] 图表在编译的手稿中正确显示
[ ] 交叉引用工作（\ref{}指向正确的图表）
[ ] 图表编号与文本引用匹配
[ ] 说明出现在相对于图表的正确页面上
[ ] 无与图表相关的编译警告或错误

环境设置

# 必需
export OPENROUTER_API_KEY='your_api_key_here'

# 在以下位置获取密钥：https://openrouter.ai/keys

入门

最简单的使用方式：

python scripts/generate_schematic.py "your diagram description" -o output.png

使用此技能创建清晰、可访问、 publication 质量的图表，有效传达复杂的科学概念。带有迭代改进的AI驱动工作流程确保图表满足专业标准。

科学示意图和图表