这个工具提供了哪些能力
点开任一能力,看清怎么用
每个能力展开后是三件事:它会给你什么、你需要准备什么、哪些必须由你把关。
常见场景:需要将论文方法描述快速转为可编辑的科研示意图时;需要从完整论文文件中自动抽方法段并生成对应图形时;需要对已有图形做多轮评审和迭代改进时
帮你通过网页一步步做出科研图:每轮生成的图和评审意见都会在页面上展示,你可以随时给出反馈、确认布局,觉得满意后再启动图像美化。
它会给你什么
- 一份网页会话记录。
- 每轮的图代码和预览图。
- 定稿的图代码和预览图。
你需要准备
- 你输入的图描述文本。
- 网页端的生成配置。
- 你的接口密钥、服务地址、所用模型以及迭代和增强的参数设置。
由你把关
- 端口被占用时是否允许结束那个进程,由你决定。
- 是否允许在浏览器里输入密钥并发给本地服务,由你决定。
- 每轮的图是继续改还是就此定稿,由你决定。
帮你把图的代码变成能看的图片:模型或你手改的图代码会先做语法检查和渲染,出错时自动尝试修复,每一轮的代码、图片和评审记录都留档可查。
它会给你什么
- 每轮的图代码文件。
- 每轮的预览图片。
- 每轮的评审记录。
你需要准备
- 图的代码文件,SVG 或 mxGraph 格式。
- 要输出哪种格式。
- 预览图要存到哪里。
由你把关
- 自动修复有没有改变图的样子和含义,由你核对。
- 定稿图片是否达到可发布水平,由你核对。
- 是否允许调用在线的 draw.io 服务,由你决定。
帮你把生成的图变好看:它可以基于预览图产出一版或多版更美观的图片,其中一种模式会先让大模型读懂图代码,再把整理好的视觉要求交给图像生成模型。
它会给你什么
- 一张美化后的图片。
- 美化图片的保存路径。
- 网页端展示的美化图片列表。
你需要准备
- 已经生成的预览图片。
- 可选的图代码。
- 美化模式的选择:不增强、用代码增强或先分析代码再增强。
由你把关
- 美化的风格是否符合论文或展示场景,由你核对。
- 美化后的图有没有丢字、改连线或变含义,由你核对。
- 是否允许把图和代码发给外部模型,由你决定。
帮你从一段文字描述起步生成科研图:给它图的内容描述、用途类型和输出格式,它会写出第一版图代码并渲染出预览图,供后续评审和修改。
它会给你什么
- 第一版图代码文件。
- 第一版预览图片。
- 一份生成结果汇总,含文件路径、最终得分、迭代次数和报错。
你需要准备
- 图的文字描述或一份 Markdown 内容。
- 图的用途类型:论文、综述、博客或教材。
- 输出格式的选择,SVG 或 mxGraph。
由你把关
- 你的描述是否足以画出想要的科研图,由你核对。
- 选的输出格式是否方便后续编辑,由你核对。
- 是否允许把论文内容发给外部模型,由你决定。
帮你直接从论文生成方法图:它先从 PDF 或文本里抽出核心方法部分,再用这段内容自动画出方法示意图的代码和预览图。
它会给你什么
- 抽出的方法段文本。
- 整理后的方法要点。
- 图代码、预览图和供后续修改的输入。
你需要准备
- 论文文件,支持 PDF、Markdown 或纯文本。
- 网页端粘贴的论文内容和类型标记。
- 用于抽取方法段的大模型服务配置。
由你把关
- 抽出的方法段是否忠于原文范围,由你核对。
- 是否允许把论文全文发给外部模型,由你决定。
- 被排除的实验和结果内容是否确实不该进图,由你核对。
帮你一轮轮把图改到满意:它根据模型评审意见和你的反馈改写图代码、重新出预览图,达到质量分数或迭代上限就自动停下来。
它会给你什么
- 改进后的图代码。
- 改进后的预览图片。
- 本轮的评审记录。
你需要准备
- 当前的图代码。
- 当前的预览图片。
- 相关的论文或方法文字。
由你把关
- 模型说的问题是否真的存在,由你核对。
- 你打的分是否会覆盖模型打的分,由你核对。
- 设的质量分数是否够用来判断何时停,由你决定。
第一次这样开始
把仓库地址直接交给 AI
先让 AI 说明环境和风险,再完成最小安装验证。开始前想清楚要用哪个能力、把对应材料备在手边——每张能力卡展开后有具体清单。
第一次直接复制
帮我安装这个库:https://github.com/ResearAI/AutoFigure 安装前先告诉我需要什么环境,安装后帮我跑通一个最小示例。
别这样用
这些判断,仍然由你负责
- 把模型评审分数等同于期刊审稿人对图形的评价
- 让图像增强模型改变图形的科学含义(文字丢失或连线关系改变)
- 把全篇论文上传到外部模型而不检查数据外发风险
技术依据
查看能力拆解、验证范围与来源
技术依据
查看能力拆解、验证范围与来源
处理机制
- 01
provider配置与凭证边界
解释 AutoFigure 如何在 SDK、backend 和 frontend 三层处理 provider、base URL、模型名、API key 和用户凭证输入。这个机制支撑生成、方法抽取、评审、图像增强和 Web 会话能力。
- 02
迭代产物状态链与停止线
解释 AutoFigure 从输入文本到图代码、预览图、评审记录、迭代历史、最终图和增强变体之间的状态链,以及哪些失败会让链路停止或降级。
已核对范围
- 静态读取 backend Flask routes、frontend context、types、start script 和 docs
- 静态确认 Web 会话保存 iteration、final XML、enhancement progress 和用户反馈
- 静态读取 SVG、mxGraph XML 校验、渲染、修复和 saveiterationresults
- 静态确认每轮代码、PNG 和 evaluation JSON 会写入输出目录
- 静态读取 README enhancement 示例、Agent enhancement 分支、ImageEnhancer 和 backend enhancement route
- 静态确认可用 none、code、code2prompt 三种输入模式生成增强图变体
- 静态读取 README、SDK agent、generator prompt、provider 调用和代码抽取逻辑
- 静态确认文本输入可生成 SVG 或 mxGraph XML,并可返回预览路径与分数
仍待核对
- 未启动 backend 或 frontend
- 未验证本地端口、CORS 和浏览器 draw.io 行为
- 未验证并发 session 的内存占用
- 未运行 CairoSVG
- 未运行 Playwright draw.io export
- 未验证复杂 mxGraph XML 的浏览器导出稳定性
- 未调用图像生成模型
- 未验证增强图是否保持科学含义
读取版本
45895304cc270181abf94bb59742648b1d949ed0许可
MIT
最近核对
内容 2026-06-16
Stars 2026-07-11
相关文章
科研之我见
用 AI 写文献综述,怎样控制幻觉和证据断裂
把文献关系、核心文献筛选、方法矩阵和四类 Gap 分开处理,让综述中的每个判断都能回到具体材料。
查看内容