paper-banana

name	paper-banana
description	学术插图生成 - 使用 PaperBanana 多智能体框架从方法文本自动生成框架图和统计图
allowed-tools	Bash, Read, Write
user-invocable	true

Paper Banana - 学术插图生成

使用 PaperBanana 多智能体框架（Planner → Visualizer → Critic 循环）从论文方法章节文本自动生成学术插图。

前置安装

# 1. 克隆 PaperBanana
git clone https://github.com/paperbanana/PaperBanana.git ~/PaperBanana

# 2. 安装依赖
cd ~/PaperBanana
pip install -r requirements.txt

# 3. 配置模型（编辑 configs/model_config.yaml）
# 设置 OpenAI 兼容的 API base URL、API key 和模型名

核心命令

SCRIPT=~/.claude/skills/auto-research/skills/paper-banana/scripts/generate_figure.py

# 基本用法
python3 $SCRIPT \
  --content "方法文本（Markdown格式）" \
  --caption "Figure 1: 框架图标题" \
  --output ./figure.png

# 从文件读取内容
python3 $SCRIPT \
  --content @method_section.md \
  --caption "Figure 1: Pipeline overview" \
  --output ./fig1.png

# 高质量模式（完整管线 + 更多迭代）
python3 $SCRIPT \
  --content @method.md \
  --caption "Figure 2: Architecture" \
  --output ./fig2.png \
  --exp-mode demo_full \
  --critic-rounds 5

# 生成统计图
python3 $SCRIPT \
  --content "实验结果数据..." \
  --caption "Figure 3: Performance comparison" \
  --output ./fig3.png \
  --task plot

CLI 参数

参数	默认值	说明
--content	(必填)	方法文本，支持 @filepath 从文件读取
--caption	(必填)	图表标题 / 视觉意图描述
--output	(必填)	输出图片路径（.png / .jpg）
--task	diagram	任务类型：diagram（框架图）或 plot（统计图）
--aspect-ratio	16:9	宽高比
--exp-mode	demo_planner_critic	管线模式
--retrieval-setting	none	参考检索策略
--critic-rounds	3	最大 Critic 迭代轮数
--image-model-name	(配置文件)	覆盖图像生成模型
--paperbanana-dir	~/PaperBanana	PaperBanana 项目路径

管线模式对比

模式	流程	适用场景
demo_planner_critic	Planner → Visualizer → Critic × N	快速生成，推荐默认
demo_full	Retriever → Planner → Stylist → Visualizer → Critic × N	更精美，含风格优化

输出格式

脚本输出 JSON 到 stdout：

{
  "status": "success",
  "output": "/absolute/path/to/figure.png",
  "format": "PNG",
  "size": "1920x1080",
  "exp_mode": "demo_planner_critic",
  "task": "diagram"
}

失败时：

{
  "status": "error",
  "message": "错误描述"
}

与 drawio 的区别

维度	paper-banana	drawio
输出类型	位图（PNG/JPG），AI 生成	矢量图（XML），手动/规则生成
适用场景	论文方法图、框架图、示意图	流程图、ER图、架构图
可编辑性	不可编辑（位图）	完全可编辑（XML）
视觉质量	高（AI风格化）	中（工程图风格）
生成速度	慢（多轮 AI 调用）	快（直接生成 XML）