zimoliao 绘图工具（Text → IR → Diagram）
Capability Routing
当前 Agent 原生能力优先，但必须先做能力检查：按所需输出格式和可复现性路由，不按 Agent 品牌路由。若当前会话实际提供 Mermaid、DOT、SVG 或图片生成能力，就由当前使用的 Agent 原生能力完成普通流程图、架构图、关系图和演示示意图。只有需要从 ScholarAIO 论文库提取结构、保存 IR、批量复现或生成可继续编辑的 drawio 文件时，才调用 scholaraio diagram。不要为普通绘图安装额外 Python 绘图库。
draw skill 的核心工作流是两步式：先将文字描述或论文内容转换为统一的中间表示（IR），再将 IR 渲染为多种可编辑格式。
后端选择速查表
| 需求 | 推荐后端 | 输出格式 | 特点 |
|---|---|---|---|
| 快速画流程图/架构图，零依赖预览 | Mermaid | .mermaid / 嵌入 Markdown |
文本即代码，常见 Markdown 宿主可直接渲染 |
| 论文插图，LaTeX Beamer 直插 | Graphviz SVG | .svg + .dot 源码 |
矢量图，可版本控制，<?xml> 级精确 |
| 在线协作/精调布局 | drawio | .drawio XML |
导入 diagrams.net 后手动拖拽调整 |
| 自定义实验示意图、信息图 | 当前 Agent 直接生成 SVG/图片 | .svg / .png |
普通场景零新增 Python 依赖 |
| 程序化批处理、版本控制 | Graphviz DOT | .dot |
纯文本，Diff 友好，任何平台可编译 |
工作流架构
┌─────────────┐ extract_diagram_ir() ┌────────────┐
│ 文字描述 │ ────────────────────────────> │ IR │
│ 或论文全文 │ │ {nodes, │
└─────────────┘ │ edges, │
│ layout} │
└─────┬──────┘
│ render_ir(fmt)
┌─────────────────────────────────────┼─────────────────────────────────────┐
▼ ▼ ▼
┌──────────┐ ┌──────────┐ ┌──────────┐
│ Mermaid │ │ SVG │ │ drawio │
│ flowchart│ │ (Graphviz│ │ XML │
└──────────┘ └──────────┘ └──────────┘
- IR（Intermediate Representation）：标准化 JSON，包含
title、nodes[]、edges[]、layout_hint - 提取：可由 LLM 从论文 Method/Architecture 章节自动提取，也可由用户直接提供文字描述后调用 LLM 生成 IR
- 渲染：通过
render_ir(ir, fmt)分发到注册的后端，完全解耦
使用方式
方式 1：从论文自动生成（调用 diagram CLI）
# 提取论文中的模型架构，渲染为 SVG
scholaraio diagram <paper-id> --type model_arch --format svg
# 只提取 IR，保存 JSON 供后续二次渲染
scholaraio diagram <paper-id> --type model_arch --dump-ir
# 从已有 IR 渲染为 drawio
scholaraio diagram --from-ir workspace/_system/figures/xxx.ir.json --format drawio
# 启用 Critic-Agent 闭环迭代自审（自动检查完整性、准确性、一致性并修正）
scholaraio diagram <paper-id> --type model_arch --format svg --critic
# 指定 Critic 最大迭代轮次（默认 3 轮）
scholaraio diagram <paper-id> --type model_arch --format svg --critic --critic-rounds 2
方式 2：从文字描述生成 IR 再渲染
当用户给出一段文字描述（如研究流程、实验设计）时：
- 调用 LLM 将描述转换为 IR JSON
- 使用
render_ir()或scholaraio diagram --from-ir生成目标格式
方式 3：Mermaid 零依赖渲染
若用户只需要快速预览流程图，直接在 Markdown 中写 Mermaid 语法即可：
```mermaid
flowchart TD
A[文献调研] --> B[问题定义]
B --> C[方法设计]
C --> D[实验实施]
支持 Mermaid 的当前 Agent 宿主可直接预览，无需任何 Python 渲染依赖。
## 各后端详细用法
### Graphviz DOT / SVG
需要系统安装 Graphviz 的 `dot`；如要插入 Beamer SVG，也要安装 Inkscape。可先用
`scholaraio setup check` 查看 `Graphviz dot` 与 `Inkscape` 状态。
```bash
# Ubuntu/Debian
sudo apt-get install graphviz inkscape
# macOS
brew install graphviz
brew install --cask inkscape
# conda 环境只需要 DOT/SVG 渲染时
conda install -c conda-forge graphviz
# 验证
dot -V
inkscape --version
生成 SVG（同时保留 .dot 源码）：
scholaraio diagram <paper-id> --format svg -o workspace/_system/figures/
完整 Graphviz DOT/SVG 工作流见 docs/writing-guide/graphviz-guide.md。
LaTeX Beamer 插入代码（需 -shell-escape + Inkscape）：
\begin{frame}
\centering
\includesvg[width=0.8\columnwidth]{workspace/_system/figures/diagram_xxx.svg}
\end{frame}
drawio XML
scholaraio diagram <paper-id> --format drawio -o workspace/_system/figures/
用浏览器打开 https://app.diagrams.net 后选择 File → Open from → Device 导入编辑。
Mermaid
scholaraio diagram <paper-id> --format mermaid -o workspace/_system/figures/
输出 .mermaid 文件，可直接嵌入 Markdown 或用 mmdc 本地渲染为 PNG/SVG。
执行逻辑
判断输入来源：
- 用户提供了论文 ID → 调用
scholaraio diagram提取 + 渲染 - 用户提供了文字描述 → LLM 生成 IR →
render_ir() - 用户已有 Mermaid 代码 → 直接嵌入 Markdown 或转 IR 后多格式输出
- 用户提供了论文 ID → 调用
选择后端：参照上方「后端选择速查表」，根据用户的最终使用场景推荐格式
输出到
workspace/_system/figures/：workspace/_system/figures/ ├── diagram_xxx.svg ├── diagram_xxx.dot ├── diagram_xxx.drawio └── diagram_xxx.mermaid提示嵌入方式：SVG → Beamer
\includesvg；drawio → diagrams.net 导入；Mermaid → Markdown 嵌入
示例
用户说："画一个我的研究流程图" → 若已有论文：提取 Method → IR → SVG → 若无论文：根据描述生成 IR → Mermaid flowchart
用户说："帮我画一个实验装置示意图" → 当前 Agent 直接生成可编辑 SVG；只在用户明确需要照片式或插画式结果时使用宿主图片生成能力
用户说："把这个 Mermaid 代码转成 SVG"
→ 解析为 IR → render_ir(ir, "svg")
用户说："把这篇论文的模型架构画成可编辑的图"
→ scholaraio diagram <paper-id> --type model_arch --format drawio