前言¶

写论文时，图往往比文字更费时间：既要选对图型表达实验关系，又要满足期刊对字号、线宽、配色和组图排版的要求。很多人会在 Excel 或 Origin 里先出草图，再手工改 Python 脚本，或在 matplotlib 里反复调 rcParams，过程零散且难复现。

下面介绍 SkillHub 上的「科研配图向导」——在对话里把「要画什么、数据怎么比、版式怎么排」说清楚，由 Skill 引导输出可运行的绘图骨架与排版规范，而不是从零摸索 API。

这是什么¶

「科研配图向导」（坐标 @user_af163eaa/z-diagram-scientific）是面向科研论文配图与数据曲线规划的 Agent Skill，基于通用 SKILL.md 格式，由社区发布者 user_af163eaa 维护（SkillHub 页面标注作者为「大智JiYoo」）。当前版本为 1.0.2，分类为 data-analysis，来源为 community；标签标明 requires_api_key=false，安装后无需额外 API Key。

官方定位是：规划科研论文配图与数据曲线图，输出 Python（matplotlib/plotly） 绘图骨架与排版规范，覆盖 实验曲线、示意图、组图排版；属于科研可视化指南，不替代 Origin、Illustrator 等工具的精修流程。

SkillHub 统计（以页面与抓取数据为准）：评分 100000，下载 6030 次。

核心功能¶

结合 SkillHub 简介，可核实的能力包括：

1. 配图规划：在写图之前，把数据展示目标、图型选择与版式要求对齐到论文场景，减少「画完才发现不符合期刊规范」的返工。
2. 可复现代码骨架：输出基于 matplotlib 或 plotly 的 Python 绘图代码框架，便于在本地用同一套数据重复生成图。
3. 出版向排版规范：在生成代码的同时给出排版相关约定（如尺寸、字体、线型等方向的规范说明），与「只给一段能跑但不适合投稿的图」区分开。
4. 覆盖常见科研图类：明确支持实验曲线、示意图，以及多子图/组图排版类需求。

未在官方简介中写明的能力（例如具体交互弹窗流程、某一固定图表类型的 exhaustive 列表）本文不展开，避免与 Skill 实际 SKILL.md 不一致。

安装与启用¶

安装前需本机已有 SkillHub CLI。若尚未安装，可先检查版本：

command -v skillhub && skillhub --version

未安装时，可按 SkillHub 官方安装文档执行完整安装（CLI + 默认 Skill）：

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

仅安装 CLI 时：

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

安装本 Skill 时，必须用 --dir 指向当前 Agent 的 skills 目录；默认装到 ./skills/ 可能不会被 Agent 识别。SkillHub 页面给出的安装坐标为：

skillhub install @user_af163eaa/z-diagram-scientific --dir <skills 目录>

常见客户端的 skills 目录示例（来自 SkillHub 安装文档）：

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

在 Cursor 中，可将 --dir 设为 ~/.cursor/skills/。安装完成后按你所用客户端的要求重启或刷新 Agent，使新 Skill 被加载。

典型用法¶

官方页面未附带独立的长示例仓库；典型用法是在已启用 Skill 的对话中，用自然语言描述作图目标，由 Agent 按 Skill 指引分步输出规划、代码与规范。可按下面思路复现：

1. 说明数据与比较关系：例如「三组处理、三个时间点、带误差棒的均值曲线」，或「对照组与实验组的分布对比」。
2. 说明投稿约束：目标期刊、单栏/双栏宽度、是否要求矢量图（PDF/SVG）、中英文标注习惯等。
3. 索取输出：明确要求「给出 matplotlib（或 plotly）可运行骨架 + 排版规范」，并在本地用你的 CSV/数组替换占位数据后执行脚本。

示例提示（示意，非官方固定模板）：

我有一组实验数据：3 个组别 × 5 个采样点，每个点有 mean 和 SEM。
请按科研配图向导：先建议图型，再输出 matplotlib 组图代码骨架，
并列出字号、线宽、图例位置等出版级排版要点。图宽按双栏 180 mm。

经过上面的步骤，你应得到可粘贴到项目里的 Python 骨架与排版清单，再在本地微调配色与标注即可进入定稿。

适用场景与注意¶

适合谁

• 熟悉 Python、希望论文主图用 matplotlib/plotly 流水线复现的研究者。
• 需要在写稿早期统一「图型 + 版式 + 代码结构」，而不是在排版阶段零散改图的人。

限制与注意

• Skill 自述为可视化指南，精修仍依赖 Origin、Illustrator 等工具；不要期待替代专业矢量插画或复杂 3D 渲染流程（官方简介未承诺后者）。
• 输出质量依赖你对数据字段、统计含义和期刊要求的描述是否清楚；占位数据需自行替换并校验统计正确性。
• 安装路径错误是常见坑：务必使用 --dir 指向当前 Agent 的 skills 目录。

结尾¶

「科研配图向导」把论文配图的规划、Python 绘图骨架与排版规范收拢到一次对话流程里，适合在 data-analysis 类工作流中与写稿、统计并列使用。安装与详情见 SkillHub：

• 技能页：https://www.skillhub.cn/skills/user_af163eaa/z-diagram-scientific
• 坐标页：https://api.skillhub.cn/user_af163eaa/z-diagram-scientific