AI Skills
nature-figure

nature-figure

热门

创建、修改、审核并导出适用于Nature系列及其他高影响力期刊的投稿级科学图表，使用Python（matplotlib/seaborn）或R（ggplot2/patchwork/ComplexHeatmap），包括多面板图、figures4papers风格作品以及符合期刊要求的SVG/PDF/TIFF输出。用于论文或科学图表、手稿数据可视化、论文配图、学术写作配图、科研绘图、科研作图、画图、作图、出图、论文图表、可视化。在绘图前定义结论、证据逻辑、数据完整性、模板兼容性、导出需求和审稿人风险；尊重或持久化Python/R后端选择。另外，对于明确的AI生成图形摘要、机制图、概念示意图、论文示意图、机制示意图、图形摘要，使用独立的OpenRouter GPT Image 2路线；此路线跳过后端选择，并将输出视为草稿。请勿用于交互式仪表盘、纯统计分析、数据清洗、文献综述、代码调试、纯照片编辑，或没有手稿图表意图的Illustrator/Figma优先信息图。

2.9万Star
1745Fork
更新于 2026/7/17
获取 Skill源代码

相关 Skills

cloud11万fastapi10万image-generation7.8万
SKILL.md
readonly只读
name
nature-figure
description

创建、修改、审核并导出适用于Nature系列及其他高影响力期刊的投稿级科学图表，使用Python（matplotlib/seaborn）或R（ggplot2/patchwork/ComplexHeatmap），包括多面板图、figures4papers风格作品以及符合期刊要求的SVG/PDF/TIFF输出。用于论文或科学图表、手稿数据可视化、论文配图、学术写作配图、科研绘图、科研作图、画图、作图、出图、论文图表、可视化。在绘图前定义结论、证据逻辑、数据完整性、模板兼容性、导出需求和审稿人风险；尊重或持久化Python/R后端选择。另外，对于明确的AI生成图形摘要、机制图、概念示意图、论文示意图、机制示意图、图形摘要，使用独立的OpenRouter GPT Image 2路线；此路线跳过后端选择，并将输出视为草稿。请勿用于交互式仪表盘、纯统计分析、数据清洗、文献综述、代码调试、纯照片编辑，或没有手稿图表意图的Illustrator/Figma优先信息图。

Nature图表制作 — 路由

此技能分为两层：

  • 静态层位于static/下，包含版本化、可重用的内容片段（图表契约和默认立场，以及Python和R的每个后端快速入门）。
  • 动态层（此文件加上manifest.yaml）检测绘图后端并仅加载当前作业所需的片段。大型设计、API、模式和QA材料位于按需参考中。

不要尝试从内存或此路由中应用图表逻辑。始终按如下所述从磁盘加载片段。

路由协议

每次调用此技能时，请遵循以下步骤。

0. 检查OpenRouter AI示意图路线

如果用户明确要求使用OpenRouter、GPT Image 2、图像生成API或类似措辞生成手稿示意图、图形摘要、机制图、概念插图或论文示意图，则不要询问“Python还是R？”。这是非绘图的AI示意图路线。

对于此路线：

  1. 读取manifest.yaml和always_load文件。
  2. 读取references/openrouter-image-generation.md。
  3. 当用户希望进行真实的API调用或可重现的载荷时，使用scripts/generate_openrouter_schematic.py。
  4. 将输出视为草稿示意图/图形摘要，而非定量数据面板。不要编造实验值、作者标志、机构标记或未经支持的机制。

仅对绘图、图表、数据可视化或手稿图表组装任务（非明确的OpenRouter AI图像生成请求）继续执行Python/R后端门控。

1. 加载清单和核心层

读取manifest.yaml。它声明了backend轴、允许的值以及每个值映射到的文件路径。

同时读取always_load下列出的每个文件（static/core/contract.md和static/core/stance.md）。这些文件包含适用于每个图表作业的图表契约、后端门控、缺失运行时规则、隐私规则和默认操作立场。

2. 解析后端 — 阻塞门控

后端选择会阻塞绘图任务，但不应永久烦扰同一用户。按以下顺序决定backend值：

  1. 如果当前请求明确选择Python或R，则使用该后端，并通过scripts/nature_figure_backend.py set python或scripts/nature_figure_backend.py set r保存。
  2. 如果请求提供了明确语言特定的输入文件/工作流，则使用该后端并保存。
  3. 否则运行scripts/nature_figure_backend.py get。如果返回python或r，则使用保存的偏好。
  4. 如果没有保存的偏好，则只问一个简洁的问题——Python还是R？我会记住这个作为你的默认设置。——然后停止。用户回答后，在继续之前保存答案。
  • python — matplotlib / seaborn。
  • r — ggplot2 / patchwork / ComplexHeatmap。

不要仅凭美学猜测或选择后端。仅当用户明确要求你选择时才推荐后端；然后使用references/backend-selection.md，说明理由，保存所选后端，然后继续。一旦选定，后端对于所有绘图、预览、导出和视觉QA是独占的（参见core/contract.md）。此门控不适用于上述明确的OpenRouter AI示意图路线。

3. 加载匹配的后端片段

后端解析后，读取映射的片段（static/fragments/backend/python.md或static/fragments/backend/r.md）。它包含仅后端的执行规则和出版物快速入门（rcParams/主题和导出助手）。不要加载另一个后端的片段。

4. 使用加载的材料构建图表

按以下顺序应用加载的材料：

  1. 图表契约（core/contract.md）——在任何代码之前，编写核心结论，映射证据链，分类原型，设置期刊/导出契约。
  2. 默认立场（core/stance.md）——原型优先构图、主面板、克制调色板、统计/完整性作为图表的一部分。
  3. 后端片段——独占的Python或R快速入门和执行规则。
  4. 模板适配——当重用捆绑示例或用户提供的绘图代码时，在映射数据或更改脚本之前加载references/asset-adaptation.md。
  5. 交付预检——在最终交付前，加载references/qa-contract.md，在绘图源上运行scripts/validate_figure.py，然后以最终尺寸检查渲染输出。

图表服务于科学逻辑；美学润色从属于使核心结论清晰、可辩护和可审查。

5. 仅在需要时查阅参考

references/下的文件是深度参考，而非默认值。根据清单中的references.on_demand表按需打开它们——例如references/figure-contract.md用于构建契约，references/asset-adaptation.md用于安全重用绘图模板，references/template-catalog.md用于经过验证的Python CSV模板，references/api.md用于Python调色板和助手，references/r-workflow.md用于R，references/design-theory.md用于颜色/排版/导出原理，references/common-patterns.md和references/chart-types.md用于布局/图表配方，references/nature-2026-observations.md用于真实的Nature页面原型，references/qa-contract.md用于最终交付前，以及references/tutorials.md/references/demos.md用于工作示例。

为何这样拆分

  • 静态层是版本化且可审查的。后端门控现在在清单中明确，而不是埋藏在散文中。
  • 动态层使每次调用成本低廉：只有所选后端的快速入门进入上下文，而2600多行的参考深度仅在需要时才加载。
  • 路由本身故意简短。当增加范围时，更新片段和参考，而不是此文件。
  • 此结构镜像了nature-writing、nature-polishing、nature-reader和nature-paper2ppt。