paperbanana

name	paperbanana
description	学术论文配图自动生成——输入方法描述文本和图注，通过 Retriever→Planner→Stylist→Visualizer→Critic 五代理流水线生成发表级配图。需本地安装 PaperBanana（https://github.com/dwzhu-pku/PaperBanana）。
version	1.0.0
author	jinglong92
license	MIT
requires	["file_write","shell_exec"]
upstream	https://github.com/dwzhu-pku/PaperBanana
upstream_license	Apache-2.0

PaperBanana

为学术论文自动生成发表级配图（方法架构图 / 统计图）。

触发条件

• 用户说"帮我画论文配图" / "生成方法架构图" / "帮我出一张 figure"
• 用户提供论文方法段落 + 图注（caption），希望生成配图
• 用户说"paperbanana" / "用 PaperBanana 生成"

前置检查（执行前必须确认）

1. 安装检查

ls ~/PaperBanana/app.py 2>/dev/null && echo "installed" || echo "not installed"

若未安装，提示用户：

git clone https://github.com/dwzhu-pku/PaperBanana.git ~/PaperBanana
cd ~/PaperBanana && uv venv && source .venv/bin/activate
uv python install 3.12 && uv pip install -r requirements.txt
cp configs/model_config.template.yaml configs/model_config.yaml
# 然后编辑 configs/model_config.yaml，填入 google_api_key 或 openrouter_api_key

2. API Key 检查

确认 ~/PaperBanana/configs/model_config.yaml 中至少有一个 API key（google_api_key 或 openrouter_api_key）。 不得把 API key 输出到对话中。

执行流程

Step 1：收集输入

需要用户提供：

• 方法描述文本（Method section，建议 200-500 字）
• 图注（Figure caption，1-2 句话说明图的目的）
• 可选：候选数量（默认 5）、宽高比（默认 16:9）、pipeline 模式（conceptual / statistical）

Step 2：生成命令

cd ~/PaperBanana && source .venv/bin/activate
python run_pipeline.py \
  --method_text "<方法描述文本>" \
  --caption "<图注>" \
  --num_candidates 5 \
  --mode conceptual

或使用 Streamlit UI（更直观）：

cd ~/PaperBanana && source .venv/bin/activate && streamlit run streamlit_app.py

Step 3：输出结果

• 生成图片保存在 ~/PaperBanana/outputs/ 目录
• 告知用户输出路径和候选数量
• 若需要高清放大（2K/4K），告知用户使用 Gradio app 的 upscaling 功能

五代理流水线说明（供用户理解）

代理	职责
Retriever	从参考集中检索风格最相近的示例图
Planner	将方法文本转化为详细的图形描述
Stylist	按学术审美标准优化描述（配色、布局、字体风格）
Visualizer	调用图像生成模型（Gemini / OpenRouter）生成图片
Critic	评审生成结果，反馈给 Visualizer 迭代改进（多轮）

已知限制

• 需要 Google Gemini API key 或 OpenRouter API key（不支持 Codex/OpenAI 直接生成图片）
• 参考集目前主要覆盖 CS 领域，其他领域效果可能较弱
• 统计图生成代码尚未开源（TODO）
• 首次运行需下载 PaperBananaBench 数据集（可选，不下载则跳过 Retriever）

输出约定

执行完成后告知：

• 生成的候选图片路径列表
• 使用的 pipeline 模式
• 是否触发了 Critic 迭代（几轮）
• 若失败，给出具体错误原因和修复建议