前言¶

寫論文時，圖往往比文字更費時間：既要選對圖型表達實驗關係，又要滿足期刊對字號、線寬、配色和組圖排版的要求。很多人會在 Excel 或 Origin 裏先出草圖，再手工改 Python 腳本，或在 matplotlib 裏反覆調 rcParams，過程零散且難復現。

下面介紹 SkillHub 上的「科研配圖嚮導」——在對話裏把「要畫什麼、數據怎麼比、版式怎麼排」說清楚，由 Skill 引導輸出可運行的繪圖骨架與排版規範，而不是從零摸索 API。

這是什麼¶

「科研配圖嚮導」（座標 @user_af163eaa/z-diagram-scientific）是面向科研論文配圖與數據曲線規劃的 Agent Skill，基於通用 SKILL.md 格式，由社區發佈者 user_af163eaa 維護（SkillHub 頁面標註作者爲「大智JiYoo」）。當前版本爲 1.0.2，分類爲 data-analysis，來源爲 community；標籤標明 requires_api_key=false，安裝後無需額外 API Key。

官方定位是：規劃科研論文配圖與數據曲線圖，輸出 Python（matplotlib/plotly） 繪圖骨架與排版規範，覆蓋 實驗曲線、示意圖、組圖排版；屬於科研可視化指南，不替代 Origin、Illustrator 等工具的精修流程。

SkillHub 統計（以頁面與抓取數據爲準）：評分 100000，下載 6030 次。

核心功能¶

結合 SkillHub 簡介，可覈實的能力包括：

1. 配圖規劃：在寫圖之前，把數據展示目標、圖型選擇與版式要求對齊到論文場景，減少「畫完才發現不符合期刊規範」的返工。
2. 可復現代碼骨架：輸出基於 matplotlib 或 plotly 的 Python 繪圖代碼框架，便於在本地用同一套數據重複生成圖。
3. 出版向排版規範：在生成代碼的同時給出排版相關約定（如尺寸、字體、線型等方向的規範說明），與「只給一段能跑但不適合投稿的圖」區分開。
4. 覆蓋常見科研圖類：明確支持實驗曲線、示意圖，以及多子圖/組圖排版類需求。

未在官方簡介中寫明的能力（例如具體交互彈窗流程、某一固定圖表類型的 exhaustive 列表）本文不展開，避免與 Skill 實際 SKILL.md 不一致。

安裝與啓用¶

安裝前需本機已有 SkillHub CLI。若尚未安裝，可先檢查版本：

command -v skillhub && skillhub --version

未安裝時，可按 SkillHub 官方安裝文檔執行完整安裝（CLI + 默認 Skill）：

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

僅安裝 CLI 時：

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

安裝本 Skill 時，必須用 --dir 指向當前 Agent 的 skills 目錄；默認裝到 ./skills/ 可能不會被 Agent 識別。SkillHub 頁面給出的安裝座標爲：

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

常見客戶端的 skills 目錄示例（來自 SkillHub 安裝文檔）：

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

在 Cursor 中，可將 --dir 設爲 ~/.cursor/skills/。安裝完成後按你所用客戶端的要求重啓或刷新 Agent，使新 Skill 被加載。

典型用法¶

官方頁面未附帶獨立的長示例倉庫；典型用法是在已啓用 Skill 的對話中，用自然語言描述作圖目標，由 Agent 按 Skill 指引分步輸出規劃、代碼與規範。可按下面思路復現：

1. 說明數據與比較關係：例如「三組處理、三個時間點、帶誤差棒的均值曲線」，或「對照組與實驗組的分佈對比」。
2. 說明投稿約束：目標期刊、單欄/雙欄寬度、是否要求矢量圖（PDF/SVG）、中英文標註習慣等。
3. 索取輸出：明確要求「給出 matplotlib（或 plotly）可運行骨架 + 排版規範」，並在本地用你的 CSV/數組替換佔位數據後執行腳本。

示例提示（示意，非官方固定模板）：

我有一組實驗數據：3 個組別 × 5 個採樣點，每個點有 mean 和 SEM。
請按科研配圖嚮導：先建議圖型，再輸出 matplotlib 組圖代碼骨架，
並列出字號、線寬、圖例位置等出版級排版要點。圖寬按雙欄 180 mm。

經過上面的步驟，你應得到可粘貼到項目裏的 Python 骨架與排版清單，再在本地微調配色與標註即可進入定稿。

適用場景與注意¶

適合誰

• 熟悉 Python、希望論文主圖用 matplotlib/plotly 流水線復現的研究者。
• 需要在寫稿早期統一「圖型 + 版式 + 代碼結構」，而不是在排版階段零散改圖的人。

限制與注意

• Skill 自述爲可視化指南，精修仍依賴 Origin、Illustrator 等工具；不要期待替代專業矢量插畫或複雜 3D 渲染流程（官方簡介未承諾後者）。
• 輸出質量依賴你對數據字段、統計含義和期刊要求的描述是否清楚；佔位數據需自行替換並校驗統計正確性。
• 安裝路徑錯誤是常見坑：務必使用 --dir 指向當前 Agent 的 skills 目錄。

結尾¶

「科研配圖嚮導」把論文配圖的規劃、Python 繪圖骨架與排版規範收攏到一次對話流程裏，適合在 data-analysis 類工作流中與寫稿、統計並列使用。安裝與詳情見 SkillHub：

• 技能頁：https://www.skillhub.cn/skills/user_af163eaa/z-diagram-scientific
• 座標頁：https://api.skillhub.cn/user_af163eaa/z-diagram-scientific