前言¶

论文里的图，问题通常不在数据，而在规范：线宽、字号、字族、分辨率、配色、多面板对齐。手工在脚本里一条一条调，调一次改一次，换个期刊或换个模板又回到原点。也有人直接拿默认样式出图，结果审稿人一句“figure quality is below journal standards”就把图打回来了。

下面介绍一个专门处理这件事的 Skill：@user_fa89a4f1/nature-figure（名称「科研绘图」）。它面向 matplotlib，目标是把图从“能看”拉到“可投稿、可印刷”，而不是替你做探索性分析。

这是什么¶

一句话定位：一个面向学术论文、幻灯片、报告的 matplotlib 出图规范 Skill。

• 发布者：user_fa89a4f1
• 来源：community
• 版本：1.0.0
• 分类：data-analysis
• 坐标：@user_fa89a4f1/nature-figure
• 官方地址：https://api.skillhub.cn/user_fa89a4f1/nature-figure
• 页面标签：requires_api_key=false，即不需要额外配置 API Key

它解决的不是“怎么画”，而是“按什么标准画”。Skill 内部带有一套本仓库的 house style（统一字号、字族、线宽、配色、边距），以及印刷品和矢量图的导出约定，并要求与 figures4papers 的 demo 效果对齐。也就是说，同样的图，用它产出的参数和导出方式是固定的，可以跨论文复用。

核心能力¶

从官方简介看，覆盖的能力包括：

1. 柱状图（bars）与趋势图（trends）
2. 散点图（scatter）
3. 热力图（heatmaps）
4. 多面板排版（multi-panel layouts）

外加两件容易被忽略但决定能不能用的事：

• 统一的 house style：字号、字族、线宽、配色、坐标轴处理走同一套约定，避免逐图手调。
• 打印/矢量导出约定：出图直接面向印刷和投稿，处理分辨率、格式和导出路径这类问题。

这些能力都集中在 matplotlib 这条线上。Skill 明确以 figures4papers 的 demo 作为效果基准，说明它的价值在于“达到某个已定的可投稿标准”，而不是给出任意风格。

安装与启用¶

截至写作时，官方页面（api.skillhub.cn/user_fa89a4f1/nature-figure 与 skillhub.cn 上的对应页面）未给出可直接核对的安装命令或配置文件字段。因此这里只给出可核实的定位信息，不提供未经验证的命令。

已知可用的启用信息：

坐标：@user_fa89a4f1/nature-figure
版本：1.0.0
来源：community
分类：data-analysis
标签：requires_api_key=false

其中 requires_api_key=false 说明该 Skill 不需要额外申请密钥，启用流程里没有凭据这一步。安装命令请以官方页面为准，不要照抄网上的通用模板，以免拉到旧版本或同名仓库。

关于运行环境：Skill 基于通用的 SKILL.md 格式。它约束的是 matplotlib 的出图参数与导出方式，所以运行环境里需要有 matplotlib，这是前提条件，具体版本要求官方资料未写明。

典型用法¶

官方简介中给出的是能力范围，没有附上可直接运行的代码样例。下面按 Skill 覆盖的图表类型，列出使用时应走通的步骤——重点是先定规范，再画图，最后按投稿要求导出。

1. 先明确目标载体。投期刊、投会议、还是放幻灯片，三者的字号和分辨率要求不同。先确认目标，再选参数。
2. 按 house style 设置全局样式。统一字号、字族、线宽和配色，而不是在每条绘图语句里单独指定。
3. 画图。按上面列出的类型选：柱状图、趋势图、散点图、热力图，或多面板布局。多面板时先定面板之间的对齐和间距，再放内容。
4. 按打印/矢量约定导出。选择与目标载体匹配的格式和分辨率，避免导出后再缩放导致字号失真。
5. 对照 figures4papers 的 demo 检查效果。这一步是该 Skill 自带的验收标准，用来确认当前图是否达到既定水准。

以上步骤中，第 2 步和第 4 步是这个 Skill 真正省时间的地方：样式和导出路径已经固定，不需要每次重新试参数。

适用场景与边界¶

适合谁：正在给学术论文、幻灯片或正式报告出 matplotlib 图、并且对最终呈现有明确要求的人。需要统一多图风格、需要符合印刷或投稿导出规范的场景，用它比较对口。

不适合的场景，官方简介已经划得很清楚：

• 交互式仪表盘或 Web 可视化（Plotly、Altair、Bokeh）——它是静态图路线，不做交互。
• 没有明确发布目标的探索性绘图——只是看看趋势、做个 quick look，不值得走这套规范。
• 以 3D 或地理制图为主的图。
• 以 Illustrator、Figma 为先的图形化信息图工作流——它的边界在 matplotlib 和矢量导出，不在设计软件里手工排版。

容易踩的坑：把它当成通用可视化工具用。如果最终产物是交互页面，或图主要在 3D / 地图上，选别的工具更合适；硬用这里只会得到一套用不上的样式约束。另外，figures4papers 的 demo 是它的对齐基准，样式看起来会偏学术期刊风格，如果想要消费级或品牌级的视觉风格，这套约定不一定合适。

结尾¶

这个 Skill 的价值在于把“可投稿”这件事变成一套固定参数，而不是每次凭手感调。如果你的图最终要进论文、幻灯片或正式报告，且用的是 matplotlib，可以从官方地址开始看：https://api.skillhub.cn/user_fa89a4f1/nature-figure

需要提醒的是，本次写作时官方页面无法访问，页面显示的下载量为 6906 次，评分字段显示为 100000，安装计数为 0。这些数字来自抓取时的页面状态，可能随时变化，请以你实际打开页面看到的内容为准。