Azzygoatcoder Figure Drawing — 论文制图工作流
科研骨架的制图模块。目标是产出论文级（DAC/ICML 水准）矢量图。
第 0 步：场景判定（先定给谁看，再选路线）
科研制图分场景，先判定场景，再决定标准和工作流：
| 场景 | 触发 | 要求 | 标准 | 路线 |
|---|---|---|---|---|
| A. 内部理解 | 读别人论文精读、理解复杂架构、和 agent 对齐 | 中文可读、结构清晰、快速、可迭代 | 结构 9/10 就够，设计 7.5 可接受 | 直接画矢量，不用 gpt-image-2 |
| B1. 对外·结构化图 | 自己的论文里的架构/流程/pipeline 图、投稿审稿 | 英文、严格一致、论文级 | 设计系统等价、英文逐字 | 直接画矢量（控制变量实测直绘 9.5 vs gpt-image-2 路线 7） |
| B2. 对外·示意/概念/封面 | graphical abstract、封面、需要视觉冲击的示意图 | 设计感优先 | 隐喻成立 + 论文级设计 | gpt-image-2 出设计 → 复刻英文矢量 → 一致性检查 |
| C. 快速示意 | 组会 PPT、临时说明 | 最快、看懂就行 | 能表达即可 | mermaid 或直接画 |
| D. 数据图 | 精确数据/实验结果（折线/柱状/散点/误差棒） | 数据准确、可复现、期刊样式 | 数值与数据一致 + 视觉达标 | 代码驱动（pandas/matplotlib，bin/data_plot.py） |
选路判据（关键）：结构化图（架构/流程/序列/状态/ER）一律直绘；只有「示意/概念/封面」这类需要设计冲击力的才走 gpt-image-2。完整依据见 references/prompt-design.md（2026-08-03 控制变量实验修正了早先"gpt-image-2 是设计提供者"的结论）。
例：LLSM 架构图 = 场景 A（读别人论文做理解图）→ 中文、直绘、不 gpt-image-2 是对的；同一个图改成投稿用英文版 = 场景 B1 → 仍然直绘，只是标签换英文。
场景 B 补位（2026-08-11）：对外英文结构化图，尤其 sequence/state/ER/loop/radar/swimlane 等 draw.io 不擅长的类型 → 优先走独立 skill diagram-design（27 类型编辑器级，HTML+SVG 直绘，SVG 直接进 LaTeX
\includegraphics）。draw.io 场景仍用本 skill 时，套用"编辑级别设计系统"当自查表。技术/Agent 架构图补位（2026-08-12）：Agent/多智能体/系统架构图 → fireworks-tech-graph（语义形状：LLM=双边框圆角矩形、Agent=六边形、向量库=环柱体；Agent/记忆/RAG 领域模式内建；SVG 结构校验→PNG 视觉回读→定向修订的有界验证环）。与 diagram-design（editorial 排版）和 drawio（可编辑）定位不重叠——它专攻技术语义图。
⚠️ 上面两个（diagram-design / fireworks-tech-graph）是本仓库之外的外部 skill，不随本仓库分发（见 THIRD-PARTY-NOTICES.md）。
别假设它们一定在——先跑一次探测再决定路线：
python bin/check_external.py # 报告：找到没有 / frontmatter 是否适配 DSH / 是否悬空 pwsh bin/redeploy-skills.ps1 # 修复：把找到的软链进 DSH 技能根（找不到只提示）清单在
skills.external.json。为什么需要这步：DSH 只发现~/.dsh/skills、~/.agents/skills与<项目>/.dsh/skills，而这些外部 skill 常常只装在~/.claude/skills——技能里写着 "use diagram-design"，DSH 里的模型却根本看不到它。探测不到就按本 skill 的直绘路线走， 不要调用不存在的技能。
工具不堆积原则（2026-08-12）：制图模块每个工具只占一个明确生态位（示意/概念=gpt-image-2 / editorial 图=diagram-design / 技术架构图=fireworks-tech-graph / 数据图=data_plot.py / 可编辑矢量=drawio）。新 skill 先判断：有新东西才吸收，重复轮子不安装——只把真正新增的能力/模式并进来，不平行堆工具。
核心工作流
直绘路线（场景 A / B1 / C）：第 2 步 → 第 3 步 → 第 4 步（跳过第 1、5 步——没有 gpt-image-2 原图，也就没有一致性检查的对象）。
gpt-image-2 路线（场景 B2 示意/概念/封面）：五步全走。
- gpt-image-2 生成设计（仅场景 B2）— 用 generate_image MCP（默认 provider）或详细 prompt。适合示意/机制/封面。
- prompt 用 PDCF 结构：类型 + 内容逻辑 + 风格hex + 负面限制（白底/扁平/≤3-4色组/无3D）
- 提取显式规格（透明化，防黑盒） — 用原生读图直接读（模型自带视觉，见
using-superpowers/references/dsh-tools.md），输出完整结构 JSON：所有节点/框（含逐字英文文本，绝不翻译/改写/简化）、箭头/连线（谁到谁+标签）、布局、视觉元素（图标/圆底数字等）。规格先展示给用户确认，缺什么提前指出——把"读图→写 XML"的黑盒变成可检查的显式规格 - 构造带样式 draw.io XML — 按下方 XML 约定写
.drawio（本 skill 自带规范）。严格英文逐字复刻（主流论文是英文，不翻译）。从规格构造，规格里有什么就画什么，不自行增删 - 验证（布局） — 用 drawio MCP 导出 PNG（
start_session→load_diagram→export_diagram；本机装了 draw.io CLI 也可draw.io --export --format png）→ 先用原生读图自检（自查文字/布局/结构），需要独立判断时再走vision命令 - 一致性检查（仅 gpt-image-2 路线，即场景 B2 必做） — 把【原图 gpt-image-2 产物】和【矢量图导出 PNG】同时喂给一个独立模型（
vision命令，Qwen3-VL-32B——不是作者模型，同模型自评会继承同一套盲点），显式要求："图A是原图，图B是矢量复刻。严格对比，逐条列出图B相比图A丢失/简化/改变的元素，重点关注文字省略、结构缺失、术语丢失。不要因为图B整洁就忽略差异。" 有差异 → 修
.drawio→ 重导 → 复检，直到差异最小化。 注意：独立模型会幻觉误报"缺失"（实际存在）——它报出的差异，用原生读图单图细读交叉验证再改。
论文级标准
- 3 模块分色（≤3-4 色组）+ 图例
- 逻辑递进（问题→方法→部署/应用）
- 标注完整：模块名、子系统、关键指标、阶段编号
- 一图讲清叙事，不只是静态节点
设计细节（按需加载）
- draw.io XML 约定 + 编辑级设计系统：→ references/drawio-design.md
- D 精确数据图（代码驱动）：→ references/data-plot.md
- gpt-image-2 选路 / 设计语法 / Prompt 工程 / 提上限模式：→ references/prompt-design.md
验证分工
- 布局/可读性 → 原生读图自检（目标 ≥8.5）；需要独立判断时走
vision.py独立模型打分 - 语义正确性 → review.py（可选，ARIS 对抗评审）
- 争议以项目文档为准（review 可能过度理论化）
自进化日志
每次从参考图/实践中吸收设计模式，记录于此，skill 随之进化：
| 日期 | 学习来源 | 吸收的模式 |
|---|---|---|
| 2026-08-03 | 3 张参考图（EDA方法/TurnOPD/ChipMATE） | 叙事逻辑（问题→方法→验证）、多元素整合、主题色+2-3辅助色、视觉层级、图例清晰 |
| 2026-08-03 | gpt-image-2 复刻实践 | ①透明化：先提取显式规格给用户确认 ②严格英文逐字（不翻译） ③一致性检查必做（原图+矢量同喂 vision 显式找差异）④XML HTML 转义 |
| 2026-08-03 | 用户战略 | 设计是论文差异化价值；目标=设计系统等价（配色/构图/层级），非像素复刻；分层媒介（主体矢量+少量像素） |
| 2026-08-03 | 直接画vs gpt-image-2 对比 | gpt-image-2 地位=设计质量提供者（deepseek 直接画结构9/设计7.5）；选路规则：设计价值>成本才用 gpt-image-2 |
| 2026-08-03 | 用户场景化思考 | 分场景制图：A内部理解（中文/直绘/结构够）/ B对外发表（英文/gpt-image-2设计/论文级）/ C快速示意。先判场景再选路线 |
| 2026-08-03 | LLSM 控制变量实验（直绘 vs gpt-image-2，同素材同英文，第三方盲评） | 结构化图直绘 > gpt-image-2 复刻（9.5vs7，布局9vs6）。修正：gpt-image-2 只用于示意/概念/封面；结构化图直绘。另：一致性检查模型会幻觉误报（报"缺失"实则在），需单图细读交叉验证 |
| 2026-08-03 | 制图 prompt 工程调研 | 写规格不写描述：六大要素+几何形态语义映射（数据=平行四边形/算法=矩形/决策=菱形/结论=圆角）+三色域/80-20配色+两种字号+Do not simplify强化句 |
| 2026-08-03 | 提上限模式设计 | 理解深度决定 prompt 上限（L1定位/L2结构/L3机制/L4设计洞察）。提上限=深读原文→6问框架提炼洞察→三部分 prompt（意图/结构/系统）。隐喻定稿人参与（AI 给候选，人把关上限） |
| 2026-08-03 | 提上限模式首个成功案例（CircuitFusion） | 隐喻=三棱镜分光谱（白光→三色光→全光谱），gpt-image-2 画出顶会级 graphical abstract，vision 验证隐喻+结构全对。工作流 5 阶段端到端跑通。附带：502 自动切备用端点（多端点救场） |
| 2026-08-11 | 吸收 diagram-design（5.4k⭐） | 编辑级别设计系统进 draw.io 自查：反 AI-slop 清单（禁阴影/对角连线/圆角>10px/强调>2处/图例漂移）+ 节点语义→填色描边表 + 连接线硬规则（正交直角 r=8/标签遮罩 6-10px/连接点沿边≥12px 展开/穿盒虚线例外）+ 4px 网格 + 复杂度预算≤9节点。场景 B 对外结构化图 → diagram-design skill 补位（sequence/state/ER/loop/radar，SVG 直进 LaTeX） |
| 2026-08-12 | 数据图模块落地 | D 数据图场景：数据→代码→渲染（AI 不能画数据图，值必须来自数据）；bin/data_plot.py（期刊样式 pub_style + 数据耦合 save_fig + demo 实测通过）；vision 渲染检查循环（图例/截断/溢出/配色）；投稿前升 PGFPlots 接 LaTeX。MatPlotAgent 模式参照 |
| 2026-08-12 | fireworks-tech-graph 集成 | 技术/Agent 架构图补位：语义形状（LLM 双边框/Agent 六边形/向量库环柱）+ 14 类 + 有界验证环（SVG 结构校验→PNG 视觉回读→定向修订≤2轮）。实测 CareRuler 培训 agent 架构图 vision 全过。工具不堆积原则：每个工具一个明确生态位，新东西吸收提取、重复轮子不安装 |
| 2026-08-13 | 开源 repo 配图 dogfooding（claude-useful-skills） | README/文档图是场景 B 之外的缺口（对外但非论文、术语英文受众可中文）：结构化图仍走直绘 + 编辑设计系统，标签英文（术语保留英文）。导出走 drawio MCP（start_session→load_diagram→export_diagram 出 PNG），本机 draw.io CLI 未装；.drawio 入库作可编辑源 + .png 引用。实测 2 张图（验证环 9.5 / 论文一条龙 9/10）vision 全过 |
| 2026-08-13 | diagram-design dogfooding（dev-workflow push 权限 flowchart） | 3 个摩擦：①first-run style-guide gate 对无品牌项目偏重（默认 rust 色，只能 proceed-default）②4px 网格（字号整除 4）与 typography 规范（9px sublabel / 7-8px eyebrow）自相矛盾 ③flowchart 形状即语义，底置图例冗余。另：SVG 用 rsvg-convert 光栅化后字体回落但可读（vision 9/10） |
| 2026-09-12 | 与自身 reference 的矛盾修复 | 场景表 B 行此前写「gpt-image-2 出设计」且工作流第 1、5 步标"必做"，与 prompt-design.md 的实测结论（结构化图直绘更好，gpt-image-2 仅对示意/概念/封面有价值）以及本文件 2026-08-03 日志行直接冲突——日志记了修正、表格没改。现拆为 B1 对外·结构化图（直绘）/ B2 对外·示意·概念·封面（gpt-image-2），并明确两条路线各走哪几步（第 5 步一致性检查只在 B2 成立，因为 A/B1/C 没有原图可比）；补 diagram-design / fireworks-tech-graph 属仓库外可选、未装则走直绘 |
工具
- 生图：
generate_imageMCP（OpenAI 兼容，provider 由 env 配置） - 读图：原生读图（模型自带视觉）为首选；
vision.py（Qwen3-VL-32B）用于独立模型复核 - 导出：drawio MCP（
start_session→load_diagram→export_diagram出 PNG）；draw.io CLI（draw.io --export --format png，本机未装，以 MCP 为准） - 评审：
review.py（可选） - 数据图：
bin/data_plot.py（pandas/matplotlib 期刊样式 + 数据耦合保存 + 演示）