wshuyi Research to Diagram
深度调研主题并自动生成知识关系图谱PDF。从研究到可视化的一站式工具。
Description
这个 Skill 接收用户提供的研究主题，自动进行深度网络调研、信息收集、知识整理、结构设计，最终生成专业的可视化关系图谱PDF。与 structure-to-pdf 不同，本 Skill 专注于主动研究和知识挖掘，而非被动的数据转换。
核心特性
- 自动调研：使用 WebSearch 进行多轮深度调研
- 智能整理：自动提取、分类、结构化信息
- 专业设计：根据主题特点选择最佳可视化方案
- 多种输出：支持 Graphviz、PlantUML、Mermaid 等工具
- 高质量PDF：生成矢量图形，可无限缩放
Trigger Conditions
当用户想要：
- 研究某个复杂主题的知识结构（如"红楼梦人物关系"）
- 生成人物关系图、概念图谱、知识图谱
- 理解某个领域的组织架构、技术架构
- 可视化复杂的关系网络
- 需要从零开始研究并可视化某个主题
关键词：
- "调研...并做图"
- "研究...的关系"
- "深度分析...并可视化"
- "生成...知识图谱"
- "画...关系图"（无现成数据）
Workflow
1. 任务规划（TodoWrite）
- 深度调研主题和相关知识
- 设计图谱结构和层次
- 创建可视化图表
- 生成PDF文档
2. 深度调研阶段
- 多轮 WebSearch：从不同角度收集信息
- 主题概述和背景
- 核心要素和人物/概念
- 关系和联系
- 层次和分类
- 信息源记录：保存所有参考资料链接
- 知识提取：识别关键实体和关系
3. 结构设计阶段
根据主题类型选择最佳结构：
人物关系图：
- 家族谱系：多层次树状结构
- 社会网络：网状关系图
- 组织架构：层次化布局
概念图谱：
- 知识分类：树状或思维导图
- 概念关系：有向图
- 流程图：线性或分支流程
技术架构：
- 系统组件：模块化布局
- 依赖关系：层次或网络图
- 数据流向：流程图
4. 可视化实现
优先使用 Graphviz (DOT 语言)：
digraph G {
// 全局样式
graph [rankdir=TB bgcolor="#fdfdf5" fontname="Arial Unicode MS"]
node [shape=box style="rounded,filled" fillcolor="#e8f4f8"]
edge [fontname="Arial Unicode MS"]
// 使用 subgraph cluster 分组
subgraph cluster_group1 {
label="分组名称"
node1 [label="节点1"]
node2 [label="节点2"]
}
// 定义关系
node1 -> node2 [label="关系类型" color=red]
}
备选工具：
- PlantUML：UML 图、时序图
- Mermaid：简单流程图、时序图
5. PDF 生成
dot -Tpdf diagram.dot -o output.pdf
6. 文档整理
可选生成说明文档，包含：
- 研究主题概述
- 图谱说明
- 参考资料来源（Sources）
- 使用说明
设计原则
视觉设计
- 颜色编码：使用不同颜色区分类别
- 形状区分：不同类型实体用不同形状
- 层次清晰：使用 subgraph cluster 分组
- 关系标注：边的颜色、样式、标签表达关系类型
- 中文支持：使用 "Arial Unicode MS" 或系统中文字体
信息层次
- 标题层：主标题
- 分组层：主要类别/家族
- 实体层：具体人物/概念
- 关系层：连接和标注
- 图例层：说明符号含义
布局策略
- rankdir=TB：自上而下（家族树、组织架构）
- rankdir=LR：从左到右（流程图、时间线）
- rankdir=BT：自下而上（依赖图）
- splines=ortho：正交边（清晰的组织图）
- splines=curved：曲线边（美观的关系网）
输出文件
默认保存位置：~/Downloads/ 或用户指定目录
生成文件：
<topic>_relations.dot- Graphviz 源文件<topic>_relations.pdf- 最终PDF图谱<topic>_sources.md- 参考资料（可选）
使用示例
示例 1：文学作品人物关系
用户：深度调查《三国演义》里人物之间的关系，然后做个结构图 PDF
Skill 执行：
- 调研三国主要人物、阵营、关系
- 设计：魏蜀吴三大阵营 + 人物层次 + 联盟/对抗关系
- 使用 Graphviz 创建多层次关系图
- 生成 PDF
示例 2：技术概念图谱
用户：研究 Kubernetes 架构并生成可视化图谱
Skill 执行：
- 调研 K8s 核心组件、架构层次
- 设计：控制平面/数据平面/插件生态
- 生成技术架构图
- 输出 PDF
示例 3：历史事件关系
用户：分析二战主要国家和联盟关系，做成图表
Skill 执行：
- 调研参战国家、阵营、关键时间节点
- 设计：轴心国/同盟国/中立国关系网
- 生成带时间线的关系图
- 输出 PDF
与 structure-to-pdf 的区别
| 特性 | research-to-diagram | structure-to-pdf |
|---|---|---|
| 输入 | 仅主题/研究问题 | 现成的结构化数据 |
| 调研 | ✅ 自动深度调研 | ❌ 无需调研 |
| 知识整理 | ✅ 自动提取和结构化 | ❌ 直接使用用户数据 |
| 应用场景 | 知识探索、研究可视化 | 快速数据转换 |
| 时间 | 较长（需调研） | 快速 |
何时使用本 Skill：
- ✅ 没有现成数据，需要从零研究
- ✅ 想要深度了解某个主题的知识结构
- ✅ 需要权威来源支持的可视化
何时使用 structure-to-pdf：
- ✅ 已有结构化数据
- ✅ 需要快速转换为图表
- ✅ 数据格式简单清晰
依赖工具
必需：
- Graphviz:
brew install graphviz(macOS) - WebSearch: Claude Code 内置
可选：
- PlantUML:
brew install plantuml - Mermaid CLI:
npm install -g @mermaid-js/mermaid-cli
配置选项
用户可以通过参数自定义：
--tool: 指定可视化工具 (graphviz/plantuml/mermaid)--layout: 指定布局方向 (TB/LR/BT/RL)--output: 指定输出目录--depth: 调研深度 (quick/medium/deep)--sources: 是否生成参考资料文档
最佳实践
- 明确主题范围：主题越具体，图谱越清晰
- 合理分组：使用 cluster 将相关实体分组
- 控制复杂度：单个图谱不超过 50 个节点
- 渐进细化：先生成总览图，再深入细节
- 颜色一致：同类实体使用相同配色
- 标注来源：在 PDF 底部或单独文档标注参考资料
常见图谱类型模板
人物关系图模板
- 家族/组织用 cluster 分组
- 人物用 box/ellipse，重要人物用特殊形状
- 血缘关系用实线，婚姻用红色，其他用虚线
- 添加图例说明符号含义
概念图谱模板
- 顶层概念在上方
- 子概念逐层展开
- is-a 关系用实线，has-a 用虚线
- 使用颜色区分不同类别
技术架构图模板
- 分层架构用 rankdir=TB
- 组件用矩形，服务用圆角矩形
- 依赖关系用箭头
- 关键路径用粗线或特殊颜色
故障排除
中文显示乱码：
graph [fontname="Arial Unicode MS"]
node [fontname="Arial Unicode MS"]
edge [fontname="Arial Unicode MS"]
图谱过于复杂：
- 使用
concentrate=true合并相同边 - 分割成多个子图
- 使用不同的 rankdir
布局不理想：
- 调整
ranksep和nodesep - 使用
rank=same强制节点同层 - 尝试不同的
splines设置
版本历史
- v1.0 (2026-01-02): 初始版本
- 基于《红楼梦》人物关系图谱项目总结
- 支持 Graphviz 自动生成
- 集成 WebSearch 深度调研
- TodoWrite 任务管理