PaperBanana-AIMSLab 学术配图助手 🍌

AI 驱动的学术论文配图生成工具 — 粘贴论文方法章节，自动生成高质量学术配图。

本项目最初是为支持 AIMSLab 在论文配图生成中的实际使用需求而开发，现在整理为面向更广泛科研用户的中文增强版本。项目基于开源项目 PaperBanana（论文）优化而来，重点改进国内可用性、多 API 通道容错和交互体验。

默认 API 网关已配置为 https://api.aipaibox.com，同时保留 Google Gemini 官方 endpoint、OpenAI 官方 API 和兼容网关通道。

本项目支持通过 OrcaRouter 使用统一模型网关。

项目热度统计

欢迎给项目点一个 Star，Star 数会直接显示在上方徽章中，也能帮助更多需要论文配图工具的同学发现这个项目：

⭐ Star PaperBanana-AIMSLab

最新更新

多渠道自动切换，解决国内 API 不稳定痛点

之前版本主要依赖少数 API 通道，实际使用中如果遇到国内网关超时、限流、返回空结果或临时不可用，就需要手动切换配置，批量生成时很容易中断。

现在已支持 AIPAIBOX / Google Gemini 官方 endpoint / OpenAI 官方 API / Evolink 兼容通道，并在调用层加入自动 fallback：

• 侧边栏不再要求手动选择 Provider，只需要选择文本模型和图像模型。
• 系统会根据可用 API Key 自动选择通道。
• 遇到超时、异常、返回 Error 或初始化失败时，会自动尝试下一条可用通道。
• 自动 fallback 现在按 模型@通道 粒度工作：例如 gemini-2.5-flash@aipaibox 失败后，不会阻塞 gpt-5.5@aipaibox 或 gpt-5.4@aipaibox。
• 每个模型通道组合会先完成指数退避重试，再临时暂停该组合，避免“一次失败就熔断”，也避免国内不稳定环境下反复卡住。
• 文本模型不再局限于 Gemini 系列，可使用 gpt-5.5、gpt-5.4 等 OpenAI 系列模型。

默认策略已经针对国内不稳定网络做了平衡：文本通道使用较短退避，图像通道使用更长退避；gpt-image-2 不稳定时会自动尝试 Gemini 图像模型。高级用户可以通过环境变量覆盖重试次数、退避时间和模型 fallback 顺序，但日常使用通常无需调整。

支持 OpenAI gpt-image-2

图像生成和图像精修新增 gpt-image-2 支持：

• 可在图像模型下拉框中直接选择 gpt-image-2。
• 支持纯文本生成图像。
• 支持 image-to-image 精修，上传已有图表后根据编辑指令生成新版本。
• 与自动通道切换联动：优先尝试可用网关，失败后可切换到 OpenAI 官方 API。

功能介绍

📊 生成候选配图

粘贴论文的方法章节和图注，自动生成多个候选配图供你挑选。

背后是 5 个 AI Agent 协作的流水线：

检索器 → 规划器 → 风格化器 → 可视化器 → 评审器
  │         │          │           │          │
从参考库  将文字转为  优化学术    生成图像   审查图像
找类似图  图表描述    美学风格              提出改进

评审器和可视化器会自动迭代 3 轮，逐步优化图表质量。

• 支持并行生成 1-20 个候选方案
• 支持 21:9 / 16:9 / 3:2 等宽高比
• 每个候选可查看演化时间线（每个阶段的中间结果）
• 单张下载 / ZIP 批量下载 / JSON 完整结果导出

✨ 图片精修

上传已生成的配图或任意图片，描述修改需求，生成 2K/4K 高分辨率版本。

• 支持 image-to-image 编辑（基于原图修改）
• 支持纯文字描述重新生成
• 支持放大到 2K / 4K 分辨率

💰 智能检索，省 96% API 费用

原版 PaperBanana 的参考图检索会把 200 篇论文全文塞进 prompt，单次消耗 ~80 万 tokens。我们优化为默认仅发送图注，降至 ~3 万 tokens，效果基本不变。

默认配置（5 候选 + auto）比原版省 96% 检索费用，界面上每种模式都有费用提示，不会踩坑。

🔧 多 API 支持

内置多种 API 通道，开箱即用：

在界面侧边栏选择文本模型和图像模型即可；系统会根据可用 API Key 自动选择通道，遇到超时或返回 Error 时会尝试切换到下一条可用通道。

图像模型在网关侧会自动区分端点：gpt-image-2 文本生图使用 OpenAI-compatible /v1/images/generations，带输入图精修使用 /v1/images/edits，gemini-3.1-flash-image-preview 使用 Gemini /v1beta/models/{model}:generateContent，避免不同模型误打到错误接口。

说明：本工具与 AIPAIBOX/Evolink 无任何商业关联，仅作为内置的国内可用 API 方案提供。项目采用 Provider 抽象架构（见 providers/ 目录），你可以自行集成任何兼容 OpenAI 接口的 API 服务商。

快速开始

第一步：获取 API Key

推荐 AIPAIBOX（国内直连）：在 configs/model_config.yaml 中填写 aipaibox.gemini_api_key 和 aipaibox.openai_api_key，默认地址为 https://api.aipaibox.com。如果你的网关账号仍然是一把通用 key，也可以继续填写兼容字段 aipaibox.api_key。

也可以用 Google Gemini：前往 https://aistudio.google.com/apikey 获取，并填写 api_keys.google_api_key。

如需使用 OpenAI 文本模型或 gpt-image-2，填写 api_keys.openai_api_key，并在界面下拉框选择对应模型。

如需通过中转访问 Google 或 OpenAI，可在 configs/model_config.yaml 中配置 google.base_url 或 openai.base_url。

第二步：启动程序

macOS 用户：双击 mac-start.command

Windows 用户：双击 win-start.bat

Windows 提示：如果本地没有安装 Python，建议先打开 Microsoft Store 搜索 "Python 3.12" 安装，再运行脚本，避免自动安装耗时过长。

首次启动会自动完成以下操作（约 2-3 分钟）：

1. 检测或自动安装 Python（>= 3.10）
2. 创建虚拟环境
3. 安装所有依赖
4. 启动程序并自动打开浏览器

之后每次启动只需几秒。

（可选）下载参考数据集

程序内置了「检索 Agent」，可以从参考图库中找到相似的学术配图作为生成参考，提升生成质量。如需此功能，请下载数据集：

1. 前往 PaperBananaBench 下载数据集
2. 将下载的内容放到项目的 data/PaperBananaBench/ 目录下，结构如下：

data/
└── PaperBananaBench/
    ├── diagram/
    │   ├── images/        ← 论文配图图片
    │   ├── ref.json       ← 参考数据
    │   └── test.json
    └── plot/
        ├── images/        ← 论文图表图片
        ├── ref.json
        └── test.json

不下载也能正常使用，只需在侧边栏将「检索设置」改为 none，此时跳过参考图检索，不影响其他功能。

第三步：使用

1. 在左侧边栏选择 API 提供商，填入 API Key
2. 切换到「生成候选方案」标签页
3. 粘贴论文方法章节内容 + 图注
4. 点击「生成候选方案」，等待几分钟
5. 从生成的多个候选图中挑选满意的下载

侧边栏设置说明

手动安装（可选）

如果一键脚本有问题，可以手动安装：

# 1. 确保已安装 Python 3.10+
python3 --version

# 2. 创建虚拟环境
python3 -m venv .venv
source .venv/bin/activate   # macOS/Linux
# .venv\Scripts\activate    # Windows

# 3. 安装依赖
pip install -r requirements.txt

# 4. 启动
streamlit run demo.py --server.port 8501

# 1. 使用uv
uv sync

# 2. 激活环境
source .venv/bin/activate

# 3. 启动
streamlit run demo.py --server.port 8501

浏览器打开 http://localhost:8501 即可使用。

常见问题

Q: 启动时报错找不到 Python？
A: 一键脚本会自动下载便携版 Python，请确保网络通畅。也可以手动安装 Python 3.10+ 后重试。

Q: AIPAIBOX、Gemini 和 OpenAI 有什么区别？
A: AIPAIBOX 是国内可访问的 OpenAI-compatible 网关；Gemini 是 Google 官方接口；OpenAI 是官方 OpenAI 接口，可使用 OpenAI 文本模型和 gpt-image-2。

Q: 生成一次大概花多少钱？
A: 取决于候选数量和检索模式。默认配置（5 候选 + auto 检索）约消耗 15 万文本 tokens + 5 次图像生成。比原版省 96% 检索费用。具体价格请查看 API 服务商的定价页面。

Q: 生成需要多久？
A: 5 个候选方案通常需要 10-15 分钟。单个候选约 2-3 分钟。

Q: 可以不用参考数据集吗？
A: 可以。将检索设置改为 none 即可，此时不需要 data/ 目录中的数据集。

Q: 可以在界面上换模型吗？
A: 可以。侧边栏的「文本模型」和「图像模型」支持下拉选择，也支持自定义输入。文本模型不再局限于 Gemini 系列；选择 OpenAI 文本模型或 gpt-image-2 时，系统会自动使用可用的 OpenAI/AIPAIBOX 通道。

Q: Windows 上报错 module 'time' has no attribute 'tzset'？
A: 已修复。请拉取最新代码（git pull）即可解决。

Q: 如何停止程序？
A: macOS 在终端按 Ctrl+C；Windows 关闭命令行窗口即可。

Q: 如何集成其他 API 服务商？
A: 参照 providers/base.py 定义的接口，实现 generate_text() 和 generate_image() 两个方法即可。可以参考 providers/gateway.py 的实现；providers/evolink.py 仅保留为旧导入路径兼容层。

致谢

本项目基于 PaperBanana 开源项目改造。原始论文：

Zhu, Dawei, et al. "PaperBanana: Automating Academic Illustration for AI Scientists."
arXiv preprint arXiv:2601.23265 (2026).

许可证：Apache-2.0