前言¶

寫論文時，配圖往往比正文更耗時間：改一次座標軸或配色，就要在 Excel、GraphPad、R 之間來回導出；中文標籤亂碼、PDF 裏文字疊在一起，又是投稿前常見的返工點。若你希望 Agent 在對話裏直接讀 JSON/CSV/Excel，本地渲染出可投稿的圖，而不是隻給一段 matplotlib 示例代碼，下面介紹 SkillHub 上的 論文配圖一鍵生成（包名 @indiv-sorsor/academic-figures）。

這是什麼¶

論文配圖一鍵生成 是一個基於通用 SKILL.md 格式的 Agent Skill：通過本機 python3 腳本，把結構化數據渲染成學術圖表，全程在本地執行，數據不上傳雲端。SkillHub 頁面當前版本爲 v5.5.0，維護者爲 @indiv-sorsor。

它面向「有真實數據、要出期刊規格圖」的場景，而不是文本潤色、商業儀表盤或無數據支撐的示意圖（官方頁面明確列出的不適用項）。

核心功能¶

以下能力均來自 SkillHub 技能頁 及技能文檔中的說明。

圖表與數據輸入¶

• 支持從 JSON / CSV / Excel 讀入數據，用一條命令生成圖表。
• 官方簡介列出的圖型覆蓋科研常見類型，包括但不限於：森林圖、KM 生存曲線（含風險表）、ROC、校準曲線、決策曲線（DCA）、列線圖、RCS、亞組森林圖、火山圖、雨雲圖、山脊圖、啞鈴圖、游泳圖、腫瘤緩解瀑布圖、UpSet、PRISMA 流程圖、漏斗圖、Bland-Altman、PCA、熱圖、箱線圖、小提琴圖、組合圖、Cox 多因素迴歸森林圖等（頁面表述爲 35 種圖表）。

配色與期刊預設¶

• 9 套配色，含色盲安全 Okabe-Ito 及期刊色板。
• 9 種期刊投稿預設（頁面列舉 Nature、Lancet 等常見規範；具體寬度、字號、DPI 由 --journal 等參數套用）。
• 支持 YAML 流水線，一次命令批量出全套論文圖。

導出與質量門禁¶

• 默認 600 dpi 出版級輸出；技能文檔支持 PNG / SVG / PDF / TIFF / EPS 等格式（部分場景可一次多格式導出）。
• PDF 文字重疊門禁：導出前可用 --verify 做像素級重疊檢測，發現問題以非零退出碼攔截，避免把明顯缺陷帶進投稿包。
• 技能文檔另提供 audit_pdf.py 做 最小字號 校驗（與期刊預設中的 min text 要求配合），形成「重疊 + 字號」雙重檢查思路。
• 中文零配置：通過 CJK 字體檢測與 --cjk 等機制減少亂碼（首次運行通常需執行環境自檢腳本）。

運行方式¶

• 純本地運行，數據不出本機。
• 在 Agent 對話中可用觸發詞喚起，例如：論文配圖、科研繪圖、柱狀圖、熱力圖、散點圖、森林圖、KM 生存曲線、ROC、小提琴圖、組合圖、流程圖、SCI 配圖、期刊配圖、色盲安全等（以技能 description 爲準）。

安裝與啓用¶

安裝流程以 SkillHub 官方文檔 skillhub.md 爲準。

1. 安裝 SkillHub CLI（若尚未安裝）¶

先檢查是否已有 CLI：

command -v skillhub && skillhub --version

未安裝時，可執行完整安裝（含 CLI 與默認 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

若只需 CLI：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

2. 安裝本 Skill 到當前 Agent 的 skills 目錄¶

⚠️ 安裝時必須用 --dir 指向當前 Agent 識別的 skills 目錄，否則默認裝到 ./skills/ 可能不會被加載。

skillhub search academic-figures
skillhub install @indiv-sorsor/academic-figures --dir <你的 skills 目錄>

常用路徑示例（摘自官方安裝文檔）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或項目下的 .agents/skills/

在 Cursor 中可等價寫成：

skillhub install @indiv-sorsor/academic-figures --dir ~/.cursor/skills/

也可在對話裏讓 Agent 按官方提示安裝：

請根據 https://skillhub.cn/install/skillhub.md，安裝 @indiv-sorsor/academic-figures。

3. 本機 Python 環境（技能運行時）¶

Skill 安裝完成後，首次作圖前建議在技能目錄內運行環境自檢（技能文檔中的標準步驟）：

python3 scripts/setup_env.py

該步驟負責依賴、CJK 字體與自檢，避免後續渲染因環境缺失直接失敗。

典型用法¶

下列命令來自技能內置 gen_figure.py 文檔，可在安裝後的技能根目錄執行；路徑中的 scripts/ 相對於技能包根目錄。

嚮導與選型¶

不確定圖型時，可先讓腳本推薦或走向導：

python3 scripts/gen_figure.py --suggest -d data.json
python3 scripts/gen_figure.py --wizard

柱狀圖 + 色盲安全主題 + PDF 校驗¶

適合投稿 PDF，並在導出前跑重疊門禁：

python3 scripts/gen_figure.py -t bar -d data.json -o fig.pdf --theme okabe-ito --verify

一鍵投稿包（技能文檔中的 --pub-ready 會組合校驗、主題與多格式等選項，具體以當前版本幫助爲準）：

python3 scripts/gen_figure.py -t bar -d data.json -o fig --pub-ready

森林圖、KM、ROC¶

python3 scripts/gen_figure.py -t forest -d forest.json -o forest.pdf --theme okabe-ito
python3 scripts/gen_figure.py -t km -d survival.json -o km.png --theme okabe-ito
python3 scripts/gen_figure.py -t roc -d roc.json -o roc.png --theme okabe-ito

期刊預設（以 Nature 雙欄爲例）¶

python3 scripts/gen_figure.py -t bar -d data.json -o nat.pdf --journal nature --column double
python3 scripts/audit_pdf.py nat.pdf --min-size 5

中文熱圖¶

python3 scripts/gen_figure.py -t heatmap -d data.json -o heatmap.png --cjk \
  --cmap RdBu_r --vmin -20 --vmax 45

在 Agent 裏使用時，通常只需描述數據路徑、圖型和期刊要求；Agent 讀取 SKILL.md 後會代你拼上述命令並解釋退出碼（例如 --verify 檢測到重疊時退出碼爲 2，應修圖後再投）。

適用場景與注意¶

適合：

• 寫論文、投稿前需要把已有表格數據變成可投稿圖；
• 同一套數據要批量重出 PNG/PDF/TIFF 等多格式；
• 希望本地處理敏感臨牀或組學數據，避免上傳第三方繪圖服務。

注意：

• 需要本機可用的 Python 3 及技能依賴；無 Python 環境時，SkillHub 另有云端付費版 academic-figures-pro（與免費版本地版不同，需上傳數據），本文不展開。
• 複雜統計含義（該用 KM 還是 Cox、多重比較怎麼設）仍需研究者自行把關；技能提供的是渲染與常見統計標註能力，不是論文寫作或統計諮詢替代品。
• CSV 對部分複雜 schema（如帶 errors 的結構、雙軸、森林圖專用字段）支持有限，文檔建議改用 JSON。
• 使用 --journal 時，圖寬會被期刊預設鎖定；大圖矩陣可能觸發降採樣或超時，需按技能文檔調整 --timeout 或數據規模。

結尾¶

論文配圖一鍵生成 把「讀數據 → 選圖型 → 套期刊預設 → 導出多格式 → PDF 門禁」收成 Agent 可調用的本地流水線，適合已經具備數據、希望在 IDE 裏少折騰返工配圖的科研用戶。

• SkillHub 技能頁：https://skillhub.cn/skills/indiv-sorsor/academic-figures
• 官方 API 入口（SkillHub 用戶頁）：https://api.skillhub.cn/user_481397b5/academic-figures
• 安裝說明：https://skillhub.cn/install/skillhub.md