你是否愿意让制作发表级示意图来解释你的研究变得容易 100 倍？我实验室的 @JinchenZhaoo 开发了一个 Claude 的 skill，它彻底改变了我的工作方式：https://lgwrightlab.github.io/schematic-figure/… 并非完全自动化，但确实非常惊艳。

自动化示意图制作 · LGW Lab Blog

Source: https://lgwrightlab.github.io/schematic-figure/ 做科研很有趣，但绘制解释研究的示意图一直让我们很头疼：我们从未受过这方面的训练，然而那张图往往是读者最先看的东西。受 X 上一些由 Opus 5.5 制作的热门视频（https://x.com/claudeai/status/2103515655760982273）的启发，我们意识到，最先进 AI 模型的艺术表现力很可能已经达到发表级示意图所需水平。于是我们为它构建了一个 skill，在 GitHub 上开源（https://github.com/lgwrightlab/schematic-figure），并建立了基准测试来评估它。结果表明，一旦配备正确的 skill，Opus 5.5 和 GPT-6 Astra 就能独立制作出接近发表质量的示意图。

下面是我们的 skill 的一些示例输出。重要的是，我们选择了发表时间晚于 Opus 5.5 训练截止日期的论文，这样模型对其图设计没有任何记忆。基于我们在物理学和机器学习方面的背景，我们认为结果非常出色！没有 skill 时，Opus 5.5 一次生成的图已经不错，但主要是扁平的方框和箭头，主要靠文字传达信息。有了 skill 后，图使用了插画式场景，很多是真正的 3D 渲染，图本身就能传达思想，而不依赖文字。如果您来自其他领域并对这些图有建议，请告诉我们。

Chaturvedi et al.，Trion Hall effect in electron–hole double layers (https://doi.org/10.1038/s41567-026-03444-8)，Nature Physics (2026)。已发表图：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)。

Peng et al.，Divergent ring opening and functionalization of N-alkyl aziridines via boryl radical fragmentation (https://doi.org/10.1038/s41557-026-02247-x)，Nature Chemistry (2026)。已发表图：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)。

Wang et al.，Scaling biodiversity-stability relationships from populations to meta-communities across trophic levels (https://doi.org/10.1038/s41467-026-75366-1)，Nature Communications (2026)。已发表图：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)。

Liu et al.，Ultrafast directional hot carrier transfer in bilayer perovskite heterojunctions (https://doi.org/10.1038/s41467-026-76790-z)，Nature Communications (2026)。已发表图：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)。

Rumeau et al.，Faster-and-tighter nitrogen cycle supports mature forest productivity under elevated CO2 (https://doi.org/10.1126/sciadv.aed2732)，Science Advances (2026)。已发表图：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)。

Isch et al.，Quantifying the prevalence and impact of overreaching causal claims in social science (https://doi.org/10.1038/s41562-026-02553-x)，Nature Human Behaviour (2026)。已发表图：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)。

He et al.，Analog neural network–based wireless receiver (https://doi.org/10.1126/sciadv.aeg7153)，Science Advances (2026)。已发表图：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)。

我们是在已发表科学论文的示意图上训练这个 skill 的，但 skill 所学到的东西可以很好地推广到完整论文之外。从一句话的简短提示到对一篇论文的技术性长描述都能很好地工作，所以你也可以用这个 skill 制作幻灯片或实验报告。下面是我们在不同领域用只有一两句话的简单提示生成的图的画廊。

No skill figure, Physics (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-holo-noskill.jpg) 无 skill Prompt：“用 3D 绘制一个离轴数字全息装置。显示倾斜的参考光束、相机、记录的全息图及其带两个边带的傅里叶频谱。”

With skill figure, Physics (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-holo-ours.jpg) 有 skill Prompt：“使用 schematic-figure skill。用 3D 绘制一个离轴数字全息装置。显示倾斜的参考光束、相机、记录的全息图及其带两个边带的傅里叶频谱。”

Blender (illustration) figure, Physics (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-holo-blender.jpg) Blender（插画风格） Prompt：“使用 schematic-figure skill。用 3D 绘制一个离轴数字全息装置。显示倾斜的参考光束、相机、记录的全息图及其带两个边带的傅里叶频谱。用 Blender 渲染该装置。”

Blender (photoreal) figure, Physics (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-holo-photo.jpg) Blender（照片级真实感） Prompt：“使用 schematic-figure skill。用 3D 绘制一个离轴数字全息装置。显示倾斜的参考光束、相机、记录的全息图及其带两个边带的傅里叶频谱。用 Blender 以照片级真实的玻璃材质渲染该装置。”

No skill figure, Chemistry (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-cv-noskill.jpg) 无 skill Prompt：“绘制循环伏安法如何测量可逆氧化还原对。显示三电极电池、三角波电位扫描、电极处的扩散层，以及由此产生的带两个峰的伏安图。”

With skill figure, Chemistry (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-cv-ours.jpg) 有 skill Prompt：“使用 schematic-figure skill。绘制循环伏安法如何测量可逆氧化还原对。显示三电极电池、三角波电位扫描、电极处的扩散层，以及由此产生的带两个峰的伏安图。”

No skill figure, Biology (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-cas9b-noskill.jpg) 无 skill Prompt：“用 3D 绘制 CRISPR-Cas9 如何切割 DNA。显示向导 RNA、PAM 位点和两个核酸酶结构域。显示每个核酸酶结构域切割哪条链，以及切割位点相对于 PAM 的位置。”

With skill figure, Biology (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-cas9b-ours.jpg) 有 skill Prompt：“使用 schematic-figure skill。用 3D 绘制 CRISPR-Cas9 如何切割 DNA。显示向导 RNA、PAM 位点和两个核酸酶结构域。显示每个核酸酶结构域切割哪条链，以及切割位点相对于 PAM 的位置。”

No skill figure, Materials (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-liion2-noskill.jpg) 无 skill Prompt：“绘制为什么快速充电会在石墨上析出锂。显示电解液中 Li+ 的浓度梯度、阳极电位降至 0 V vs Li 以下，以及金属在颗粒上形成的过程。”

With skill figure, Materials (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-liion2-ours.jpg) 有 skill Prompt：“使用 schematic-figure skill。绘制为什么快速充电会在石墨上析出锂。显示电解液中 Li+ 的浓度梯度、阳极电位降至 0 V vs Li 以下，以及金属在颗粒上形成的过程。”

No skill figure, Earth science (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-elnino-noskill.jpg) 无 skill Prompt：“绘制正常年份和厄尔尼诺年份赤道太平洋的剖面图。显示沃克环流、温跃层和暖池。”

With skill figure, Earth science (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-elnino-ours.jpg) 有 skill Prompt：“使用 schematic-figure skill。绘制正常年份和厄尔尼诺年份赤道太平洋的剖面图。显示沃克环流、温跃层和暖池。”

No skill figure, Social science (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-echo2-noskill.jpg) 无 skill Prompt：“绘制为什么一条流言可以跨越两个社区传播，而一种需要两个已采纳的邻居的行为却被困住。在同一张网络上显示这两种传播方式，并画出几个桥接个体。”

With skill figure, Social science (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-echo2-ours.jpg) 有 skill Prompt：“使用 schematic-figure skill。绘制为什么一条流言可以跨越两个社区传播，而一种需要两个已采纳的邻居的行为却被困住。在同一张网络上显示这两种传播方式，并画出几个桥接个体。”

No skill figure, Machine learning (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-flash-noskill.jpg) 无 skill Prompt：“绘制 FlashAttention 如何在不存储完整注意力矩阵的情况下计算注意力。显示 GPU 的 HBM 和片上 SRAM、在其间移动的 Q、K 和 V 分块，以及逐块更新的运行时 softmax。”

With skill figure, Machine learning (https://lgwrightlab.github.io/schematic-figure/gallery/prompt-flash-ours.jpg) 有 skill Prompt：“使用 schematic-figure skill。绘制 FlashAttention 如何在不存储完整注意力矩阵的情况下计算注意力。显示 GPU 的 HBM 和片上 SRAM、在其间移动的 Q、K 和 V 分块，以及逐块更新的运行时 softmax。”

我们需要说明两个局限。第一，我们并非这些领域的专家，所以无法为这些图的每个细节背书。第二，这些提示描述的都是已被充分研究的概念。根据我们的经验，skill 在面对新概念时表现差很多，除非它得到关于该概念的详细技术描述（更多技巧见后文）。

那么什么是 skill，你该如何使用它？如果你是 AI agent 的新手：skill 是一个文件夹，AI 模型在自身内置能力之上加载它。它包含文字指令，也可以包含代码和工具。我们的 skill 包含制作发表级图表的指令、一个绘图库、3D 组件包和自动检查。下图展示了当你让 AI 模型在没有和有我们 skill 的情况下绘制一张图时它是如何工作的。

同一请求“为这篇论文绘制图 1“，无 skill 和有 skill 的对比。有 skill 时，绘图 agent 加载一个指令文件夹（SKILL.md）、绘图代码、可选的 3D 组件包、自动检查和设计参考。与本文中的所有图一样，这张图也是由 skill 自己绘制的。 Figure 1. 同一请求“为这篇论文绘制图 1“，无 skill 和有 skill 的对比。有 skill 时，绘图 agent 加载一个指令文件夹（SKILL.md）、绘图代码、可选的 3D 组件包、自动检查和设计参考。与本文中的所有图一样，这张图也是由 skill 自己绘制的。

我们 skill 的另一个不错的特点是，结果不仅仅是一张图片。图像生成模型给你的是像素，而 skill 给你的是矢量图形格式的图（SVG 和 PDF），以及绘制它的代码。你可以随后在 Illustrator 或 Inkscape 中打开文件，自己移动标签。你也可以让 AI 只修改某一处，它只会编辑那部分。

值得注意的是，skill 并非免费午餐。有了 skill，agent 绘制一张图的时间大约增加四倍，无论是 Opus 5.5 还是 GPT-6 Astra 都是如此。但平均而言，完成一张示意图仍只需不到 20 分钟，这当然是值得的！

Opus 5.5 和 GPT-6 Astra 在 50 篇测试论文上，无 skill 和有 skill 时每张图所需分钟数。柱状条：均值。误差线：95% 置信区间。圆点：每张图各一个。 Figure 2. Opus 5.5 和 GPT-6 Astra 在 50 篇测试论文上，无 skill 和有 skill 时每张图所需分钟数。柱状条：均值。误差线：95% 置信区间。圆点：每张图各一个。

以下是一些使用 skill 的技巧。根据我们的经验，其中任何一条通常都能带来好结果：

• **给它完整的故事。**简短的请求对广为人知的概念有效。对于新的科学概念，skill 需要详细的技术描述才能很好工作。示例：

  “使用 schematic-figure skill 为我们的论文设计图 1 [附上技术描述]。”

• **给它一个可以遵循的风格。**一张示例图——来自你早期的论文或你欣赏的图——能给 skill 一个关于颜色、线条粗细和细节程度的目标。示例：

  “使用 schematic-figure skill。按照附带的我们上一篇论文中的图的颜色和线条粗细来绘制 [附上示例图]。以同样的风格绘制我们的新器件 [附上技术描述]。”

• **一次要求多个方案。**我们经常让三个 agent 并行处理同一请求。每个返回不同的设计，我们把最好的部分组合成一张图。示例：

  “使用 schematic-figure skill。用三个并行 agent 为我们的论文制作这张图的三种不同设计 [附上技术描述]，并把它们组合在一张纸上展示给我。”

如果你只是想试试这个 skill，从我们的 GitHub 仓库（https://github.com/lgwrightlab/schematic-figure）下载它，然后交给你喜欢的 AI 模型。你也可以让模型帮你安装这个 skill :)。在本文的其余部分，我们将分享我们是如何开发它的，以及在此过程中学到的一些经验教训。

我们是如何在这个规模上开发这个 skill 的？

要严谨地开发这样一个 skill 并非易事。我们收集了来自不同科学领域的 100 多篇近期发表的论文，将每篇论文中与图相关的文字遮挡掉，然后让 AI 根据剩余内容设计示意图。接着我们需要判断每个结果有多好（例如，用另一个 AI 模型作为评委），找出如何改进绘图，并迭代多次直到结果令人满意。

这一切听起来是个大工程！但事实证明，Claude Code 的内置动态工作流（https://code.claude.com/docs/en/workflows）让它变得容易得多。你只需用自然语言提示系统，例如：“帮我找 100 篇在……子领域的开放获取论文，并准备一个数据集，包含每篇论文的图和对应的技术部分文字描述，其中图信息被遮挡。“Claude 随后会设计一个分阶段的管道来为你收集数据集。同样的思路也适用于改进和评估这个 skill。下面是 Claude 构建的用于收集我们论文的工作流。

收集我们论文的工作流。一个提示变成一个脚本：七个收集 agent 并行运行，每个负责一个领域。论文被分为训练论文和测试论文。对于每篇论文，一个文字编写者从文本中移除图，一个要点编写者列出论文的主要论点。 Figure 3. 收集我们论文的工作流。一个提示变成一个脚本：七个收集 agent 并行运行，每个负责一个领域。论文被分为训练论文和测试论文。对于每篇论文，一个文字编写者从文本中移除图，一个要点编写者列出论文的主要论点。

我们如何为一张图评分？

准备好数据集后，我们需要一种快速判断生成图质量的方法。这个指标的灵感来自图灵测试：我们测试 AI agent 制作的图能否与人制作的图区分开来，方法是询问评估者（诚然，是一位 AI 评估者）这张图“看起来是否像已发表的“。评委看到一张图，估计它是一张已发表的“Fig. 1“的概率，从 0 到 100。在将其应用于我们的 skill 之前，我们先在没有使用 skill 绘制的图上进行了检验。一个好的指标应该将真实的已发表图排在远高于普通 AI 绘图的位置。

在 50 篇测试论文上运行此评估，我们发现“看起来像已发表的“这一指标能够可靠地区分 AI 生成的图和已发表的图。

“看起来像已发表的“指标，在未使用 skill 绘制的图上进行检验