Academic Figure Skills

Academic paper figure skills for Claude Code, Cursor, Codex & Gemini CLI.
AI 驱动的学术论文配图技能包：仓库分析 → 配图规划 → 色盲友好配色 → JSON 配图规范 / 现代 pastel 提示词。

7 skills · palette SSOT · classic / pastel · Install: npx skills add Azhi-ss/academic-figure-skills -g --all

快速开始（30 秒）

# 全局安装全部技能（推荐）
npx skills add Azhi-ss/academic-figure-skills -g --all

然后对 agent 说：

1. "帮我分析这个 ML 代码仓库"
2. "用 Okabe-Ito 配色，生成总体框架图"
   或 "ICLR 那种现代柔彩风格画一张 token 流图"

先看有哪些 skill（不安装）：

npx skills add Azhi-ss/academic-figure-skills -l

示例配图

以下为使用本技能包生成提示词后创建的学术配图示例：

Claude Opus 4.6 提示词 + Gemini NanoBanana2Flash

豆包 2.0 Pro 提示词 + Gemini NanoBanana2Flash

GLM-5 提示词 + Gemini NanoBanana2Flash

技能列表

完整工作流

用户请求 → academic-figure-workflow（判断入口）
                                   ↓
  repo-analyzer / paper-analyzer / architecture-extractor
               / color-expert / figure-prompt(/pastel)
                                   ↓
                        结构化 handoff artifact
                                   ↓
              JSON figure spec 或 pastel 英文 prompt
                                   ↓
                    NanoBanana / Gemini / Midjourney

架构图路径：

PDF/图 → architecture-extractor → (paper-analyzer) → color-expert → prompt → 重绘

不知道从哪开始时直接说：

• 帮我从仓库到配图走一遍
• 完整论文配图工作流
• which skill should I use first

安装

方式 1：npx skills（推荐）

仓库已公开，npx skills 从 GitHub 拉取；push 到 main 即更新分发，无需 npm publish。

# 全局安装全部 7 个 skill
npx skills add Azhi-ss/academic-figure-skills -g --all

# 仅列出仓库内 skill（不安装）
npx skills add Azhi-ss/academic-figure-skills -l

# 只装其中一个
npx skills add Azhi-ss/academic-figure-skills -g -s academic-figure-prompt -y

# 更新到 main 最新
npx skills update Azhi-ss/academic-figure-skills -g -y

# 查看已安装
npx skills list -g

也可用完整 URL：

npx skills add https://github.com/Azhi-ss/academic-figure-skills -g --all

发现页（skills.sh）：搜索 academic-figure-skills 或 owner azhi-ss。

方式 2：手动（开发调试）

git clone https://github.com/Azhi-ss/academic-figure-skills.git
# 将各个 skill 目录链到 agent skills 路径，例如：
# ln -s "$PWD/academic-figure-prompt" ~/.claude/skills/academic-figure-prompt

更推荐始终用 npx skills add，避免把整个 monorepo 误拷进 skills 目录。

使用示例

# 场景 1: 从代码仓库到配图
You: 帮我分析这个 ML 代码仓库
AI:  [扫描 → 任务/栈/架构 → 快速理解文档]

You: 基于这份文档，帮我规划论文配图
AI:  [Figure Plan：类型 / 数量 / 优先级]

You: 我要投 NeurIPS，推荐什么配色？
AI:  [先定 classic vs pastel → scene 推荐色系 + hex]

You: 用 Okabe-Ito，生成总体框架图
AI:  [JSON figure spec]

# 场景 2: PDF 架构图重绘
You: 从这篇 PDF 提取架构图
AI:  [extract_pdf_figures.py → 结构分析 → 重绘参数]

You: Nature/Science 风格重绘第一张
AI:  [Palette Decision → JSON figure spec]

# 场景 3: 现代柔彩
You: ICLR 2025 那种空气感，画一张 attention token 流图
AI:  [academic-figure-prompt-pastel · P2 Cool Research]

配色方案（12 套）+ 风格选择

单一事实源：docs/palettes.md

先选风格族，再选色系：

场景配方（图类型 / venue / 领域 / 「太花了」/ 黑白印刷）见 docs/palettes.md 的 Scene → palette decision 与 Worked decision recipes。

默认：用户指定 → 场景推荐 → 安全默认（≥ 4 模块 → Nature Blue，否则 Okabe-Ito）。

文档与资源

常见问题 FAQ

Q: 怎么装到 Claude Code / Cursor？

A: npx skills add Azhi-ss/academic-figure-skills -g --all。CLI 会检测本机 agent 并写入对应 skills 目录。

Q: 更新后别人还是旧版？

A: 用户需执行 npx skills update Azhi-ss/academic-figure-skills -g -y，或重新 add。分发源是 GitHub main 最新提交。

Q: 生成的是英文还是中文？

A: 给图片模型的 JSON / prompt 用英文；对用户的说明可用中文。

Q: 默认 JSON 还是纯文本 prompt？

A: 经典路径默认 JSON figure spec（exact_* 控字）。简单数据图或用户明确要求时才用纯文本。柔彩路径是英文 prose prompt。

Q: classic 和 pastel 怎么选？

A: 框线架构 / 顶刊经典 → classic + 12 套色板。空气感面板 / token / 「ICLR 那种」→ pastel P1–P3。不要混在同一张图。详见 docs/palettes.md。

Q: 不确定配色怎么办？

A: 用户指定 → 场景推荐 → 默认安全方案。不足时会标明使用 Okabe-Ito 或 Nature Blue（≥ 4 模块）。

Q: 可以只装/只用一个技能吗？

A: 可以。-s <skill-name> 单装；使用时每个 skill 独立，workflow 仅在需要路由时用。

Q: 必须按顺序跑完整流水线吗？

A: 不需要。可直接 prompt / color-expert / repo-analyzer。

许可证

MIT License

致谢

本项目受到 LINUX DO 社区的启发和支持。