Error: Invalid API key
   

   CUDA out of memory
   

   No icons detected
   

   Failed to generate SVG
   

科学绘图技能

基于 AutoFigure-Edit 的科研级科学插图生成与编辑系统，能够从长篇方法描述自动生成完全可编辑的矢量图（SVG），支持参考图风格迁移和浏览器内交互式编辑。

核心特性

🎯 从像素到矢量的跨越

• - 可编辑 SVG 输出: 不再生成静态PNG图片，而是完全可编辑的SVG文件
• 结构化组件: 每个图标、模块、连接线都是独立可编辑对象
• 矢量精度: 无限缩放不失真，完美适配学术出版要求

🎨 参考图引导的风格迁移

• - 智能风格学习: 上传一张你喜欢的风格图，AI自动学习配色、字体、图标风格
• 跨论文风格统一: 保持实验室或期刊的视觉一致性
• 无需复杂Prompt: 摆脱反复调试提示词的困扰

🖥️ 内置交互式编辑器

• - 实时编辑画布: 生成后立即进入可视化编辑界面
• 拖拽式操作: 调整布局、修改标注、替换图标
• 所见即所得: 所有修改实时预览，支持撤销/重做

🔧 五阶段生成流程

1. 1. 风格条件生图: 基于文本和参考图生成初始栅格图像
2. 分割与结构索引: 利用SAM3技术识别视觉组件并构建结构骨架
3. 资产提取: 提取透明背景的视觉资产
4. SVG模板生成与精炼: 生成结构化的SVG布局模板
5. 资产注入: 将视觉资产注入模板，形成完全可编辑的SVG

🧠 推理式渲染范式

• - 概念锚定: 从长篇方法描述提取核心实体和关系
• 评审-精炼闭环: AI Designer与AI Critic多轮迭代优化
• 美学渲染与擦除-修正: OCR识别模糊文字并用清晰矢量文字重新覆盖

先决条件

系统要求

• - Python 3.10+
• Git
• 至少8GB RAM
• 支持CUDA的GPU（可选，可加速处理）

API密钥需求

• - Google Gemini API密钥 (推荐) 或 OpenRouter API密钥
• 可选的 Bianxie API密钥
• Hugging Face Token (用于SAM3模型下载)

安装步骤

1. 自动安装（推荐）

bash

在OpenClaw环境中，只需激活技能即可自动安装

技能会检查并安装所有依赖

2. 手动安装

bash

克隆AutoFigure-Edit仓库

git clone https://github.com/ResearAI/AutoFigure-Edit.git

进入技能目录

cd /home/davidzhao/.openclaw/workspace/skills/scientific-drawing-skill

安装Python依赖

pip install -r requirements.txt

安装额外依赖

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install transformers datasets accelerate pip install opencv-python pillow scikit-image pip install lxml svgwrite svgpathtools pip install flask flask-cors

3. 环境配置

bash

复制环境配置文件

cp .env.example .env

编辑.env文件，添加你的API密钥

GEMINIAPIKEY=yourgeminiapikeyhere

OPENROUTERAPIKEY=youropenrouterapikeyhere

HFTOKEN=yourhuggingfacetokenhere

使用方法

基础生成：从文本到可编辑SVG

bash

方法1：使用技能工具

scientificdrawinggenerate --text 论文方法描述文本 --output_dir ./output

方法2：直接调用Python脚本

python autofigure2.py --methodfile papermethod.txt --outputdir ./output --apikey $GEMINIAPIKEY

风格迁移：应用参考图风格

bash

上传参考图并生成风格化插图

scientificdrawingstyle_transfer \ --text 方法描述 \ --referenceimage stylereference.png \ --outputdir ./styledoutput

交互式编辑：浏览器内编辑SVG

bash

启动本地编辑服务器

scientificdrawingedit_server --port 8080

在浏览器中打开 http://localhost:8080

上传生成的SVG文件进行可视化编辑

批量处理：多篇论文插图生成

bash

处理目录中的所有文本文件

scientificdrawingbatch \ --input_dir ./papers \ --output_dir ./figures \ --stylereference ./labstyle.png

工具函数

scientificdrawinggenerate

从文本生成可编辑的科学插图SVG。

参数:

• - --text: 论文方法描述文本（可直接提供或通过文件）
• --methodfile: 包含方法描述的文本文件路径
• --outputdir: 输出目录路径
• --apiprovider: API提供商 (gemini, openrouter, bianxie)
• --apikey: API密钥（如未在.env中设置）
• --placeholdermode: 占位符模式 (none, box, label)
• --samprompt: SAM3检测提示词，逗号分隔 (如 icon,diagram,arrow)
• --style_reference: 风格参考图路径（可选）

示例:
bash
scientificdrawinggenerate \
--text Our method consists of three modules: feature extraction, attention fusion, and classification. The feature extractor uses ResNet-50... \
--outputdir ./figureoutput \
--placeholder_mode label \
--sam_prompt icon,module,arrow,text

scientificdrawingstyle_transfer

基于参考图进行风格迁移。

参数:

• - --text: 方法描述文本
• --referenceimage: 风格参考图路径
• --outputdir: 输出目录
• --stylestrength: 风格迁移强度 (0.0-1.0)
• --preservecontent: 是否保持内容结构 (true/false)

示例:
bash
scientificdrawingstyle_transfer \
--method_file paper.txt \
--referenceimage naturestyle.png \
--outputdir ./naturestyle_figures \
--style_strength 0.7

scientificdrawingedit_server

启动交互式SVG编辑服务器。

参数:

• - --port: 服务器端口 (默认: 8080)
• --host: 绑定主机 (默认: 0.0.0.0)
• --data_dir: SVG文件存储目录

示例:
bash
scientificdrawingedit_server --port 8080

访问 http://localhost:8080 使用编辑器

scientificdrawingbatch

批量处理多篇论文。

参数:

• - --inputdir: 包含文本文件的输入目录
• --outputdir: 输出目录
• --style_reference: 统一的风格参考图（可选）
• --threads: 并行处理线程数

配置文件

技能使用以下配置文件：

config.yaml

yaml

API配置

api: default_provider: gemini gemini: model: gemini-2.0-flash-exp temperature: 0.7 openrouter: model: openai/gpt-4o temperature: 0.7

生成参数

generation: placeholder_mode: label sam_prompt: icon,diagram,arrow,chart,module merge_threshold: 0.9 optimize_iterations: 2

风格迁移

style_transfer: default_strength: 0.8 content_preservation: true

编辑器设置

editor: port: 8080 allow_upload: true maxfilesize: 50MB

环境变量 (.env)

API密钥

GEMINIAPIKEY=yourgeminiapikeyhere OPENROUTERAPIKEY=youropenrouterapikeyhere BIANXIEAPIKEY=yourbianxieapikeyhere HFTOKEN=yourhuggingfacetokenhere

模型路径

SAM3MODELPATH=./models/sam3 RMBG2MODELPATH=./models/rmbg2

缓存设置

CACHE_DIR=./cache MAXCACHESIZE=10GB

输出文件结构

每次生成会创建以下文件：

output_dir/
├── figure.png # 初始生成的栅格图
├── samed.png # SAM3分割结果
├── boxlib.json # 检测框坐标和标签
├── template.svg # SVG模板
├── optimized_template.svg