Skip to main content

qinyan-nature-figures

面向 Nature Portfolio 与高影响力期刊的证据驱动科研绘图技能。用于从原始或汇总数据设计单图与多面板 figure、选择合适图形语法、编写 Python/R 绘图代码、重绘现有图件、生成机制示意图草案、撰写图注并导出可编辑 SVG/PDF 与高分辨率 TIFF/PNG;同时检查数据完整性、颜色可访问性、统计标注和最终尺寸可读性。触发场景包括 Nature 绘图、科研作图、论文配图、scientific figure、publication plot、multi-panel figure、graphical abstract、机制图、图形摘要和 figure audit。

Ir a la instalación

Datos de origen

Repositorio
LeonChaoX/qinyan-academic-skills
Última actividad en el origen
20 de julio de 2026 a las 08:49
Idioma detectado de SKILL.md
chino
Estrellas
910
Forks
76

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.

Explorador de archivos
6 archivos

Mostrando SKILL.md

SKILL.md
Instrucciones de origen · Vista previa de solo lectura
name
qinyan-nature-figures
description
面向 Nature Portfolio 与高影响力期刊的证据驱动科研绘图技能。用于从原始或汇总数据设计单图与多面板 figure、选择合适图形语法、编写 Python/R 绘图代码、重绘现有图件、生成机制示意图草案、撰写图注并导出可编辑 SVG/PDF 与高分辨率 TIFF/PNG;同时检查数据完整性、颜色可访问性、统计标注和最终尺寸可读性。触发场景包括 Nature 绘图、科研作图、论文配图、scientific figure、publication plot、multi-panel figure、graphical abstract、机制图、图形摘要和 figure audit。
# 沁言 Nature 科研绘图 先定义图要证明什么,再决定画什么。期刊级图件是证据结构、视觉层级、数据诚信和可复现导出的共同产物。 ## 路由 - **定量图件**:使用 Python(matplotlib/seaborn)或 R(ggplot2/patchwork/ComplexHeatmap)。 - **机制图或图形摘要**:先建立概念与关系清单,再使用矢量工具或可用的图像生成能力制作草案;不得用 AI 图替代定量证据。 - **已有图件审查**:同时检查图源代码、最终导出和最终版面尺寸,不能只看屏幕截图。 优先服从用户现有语言与项目栈。用户未指定且不存在项目约束时,默认使用 Python,并在交付中说明;只有选择会显著影响复现或协作时才询问。 ## 图件契约 绘图前写出: 1. `Conclusion`:读者看完图后应能复述的一句话。 2. `Evidence hierarchy`:主证据、支持证据、对照与边界。 3. `Panel map`:每个面板的任务、数据和与其他面板的关系。 4. `Data contract`:变量、单位、独立样本、缺失、排除和变换规则。 5. `Statistics contract`:估计量、误差、检验、校正、`n` 与配对/重复结构。 6. `Export contract`:栏宽、目标尺寸、字体、矢量/栅格、分辨率和 source data。 详细模板读取 [references/figure-contract.md](references/figure-contract.md)。 ## 执行流程 1. **审计数据。** 保留输入行数、排除规则、变换和聚合前后计数;不得静默删除异常或缺失值。 2. **选择图形。** 根据科学问题、变量类型和实验层级选图,不按“看起来像顶刊”选图。读取 [references/chart-selection.md](references/chart-selection.md)。 3. **规划版面。** 先安排主面板与阅读顺序,再写绘图代码;面板数量服务论证,不追求填满页面。 4. **编码与导出。** 固定随机种子、字体、尺寸、颜色、排序和导出参数;保留可运行源码。 5. **写图注。** 说明样本、`n`、中心量、误差、检验、校正、符号和缩写,使图注可独立理解。 6. **自动预检。** 执行 `python scripts/figure_preflight.py <source.py|source.R> --artifact <figure.svg> ...`。 7. **视觉核验。** 在最终印刷尺寸检查标签、图例、线宽、遮挡、色盲可辨识、面板一致性和缩放后的栅格清晰度。 8. **交付溯源包。** 提供源码、导出文件、source data、参数说明、排除记录和剩余风险。 视觉与导出标准读取 [references/visual-standards.md](references/visual-standards.md)。 ## 默认交付 ```text Figure contract - Conclusion: - Evidence hierarchy: - Panel map: - Data/statistics contract: - Export contract: Artifacts - source: - vector: - raster: - source data: Integrity log - input rows: - exclusions: - transformations: - output rows: Preflight and visual QA - passed: - warnings: - author checks: ``` ## 质量门槛 - 图形类型与数据结构、实验单位和统计推断一致。 - 主图尽量展示观测分布或个体点,而非只显示柱高与星号。 - 颜色不作为唯一编码;使用色盲可辨且语义稳定的配色。 - 面板标签、字体、线宽、单位和小数精度一致。 - 矢量文本保持可编辑;照片或显微图按目标尺寸满足分辨率要求。 - 所有排除、平滑、截断、归一化和聚合均可追溯。 - 图注与正文使用相同 `n`、检验、误差和比较方向。 - 机制示意图明确区分已证实关系、推测路径和视觉隐喻。 ## 资料路由 | 任务 | 读取 | |---|---| | 结论、证据层级、面板、数据与导出契约 | `references/figure-contract.md` | | 按变量和科学问题选择图形 | `references/chart-selection.md` | | 字体、颜色、尺寸、矢量/栅格、图注和最终 QA | `references/visual-standards.md` |
Ver en GitHub