academic-figures
论文配图一键生成:一条命令从 JSON/CSV/Excel 生成顶刊级学术图表,科研绘图 与期刊配图全场景覆盖。37 种图表(森林图/KM 生存曲线(自动风险表)/竞争风险累计发生率/ROC/校准 曲线/决策曲线 DCA/列线图/RCS 非线性剂量反应/亚组分析森林图/Galbraith 径向图/火山图/雨云图/山脊图/哑铃图/游泳图(逐例时长+里程碑)/ 肿瘤缓解瀑布图/UpSet 交集/PRISMA 流程图/漏斗/BA 一致性/PCA/热图/箱线/小提琴/ 组合图/Cox 多因素回归森林图等),9 套配色(含色盲安全 Okabe-Ito 与期刊色板),9 种期刊投稿预设, YAML 流水线一条命令出全套论文图,一次渲染多格式导出(TIFF/PNG/PDF), PDF 重叠门禁,600dpi。纯本地运行,数据不出机,中文零配置。适用:写论文/ 投稿要配图、把数据变成可投稿图表、批量重出全套图。不适用:文本润色/翻译/ 改写(请用写作类工具);商业报表/仪表盘/海报装饰;无数据支撑的纯示意图。
skillhub install @user_814dbe54/academic-figures
README 文档
14,331 字<!-- ═══ 元数据归档(2026-09-13 frontmatter 规范化;2026-10-14 压缩)═══ ZCode 技能自动发现只读 frontmatter 白名单键(name/description/whentouse/ license/metadata),description 超 1024 字符被静默丢弃(v2.x 失效根因)。 移出键(信息不丢失): version: 5.7.1 date: 2026-10-21 author: docsor1212 lang: zh metadata: {clawdbot: {emoji: "📊", category: visualization}} requires: {python: ">=3.8", pip: [matplotlib, numpy, pymupdf, scipy]} -->
Academic Figures — 论文配图一键生成工具
📊 37种图表 · 9套配色(含色盲安全+期刊色板) · 零配置中文 · 600dpi出版级输出 · PDF/TIFF/SVG全支持 · 渲染看门狗+中文诊断 纯本地运行 · 数据不出本机 · Python一条命令搞定 · 内置校验+验证门禁
⚡ 三条最常用边界:投稿 PDF 加
--verify(仅 PDF 生效);--journal会锁定图宽(--width被忽略);cluster_heatmap >3000 行自动降采样到 2000 行。
一条命令,输出即验证:
python3 scripts/gen_figure.py -t bar -d data.json -o fig.pdf --theme okabe-ito --verify
# 或一键投稿包(自动加 --verify + 色盲安全主题 + pdf,png 多格式,v3.8)
python3 scripts/gen_figure.py -t bar -d data.json -o fig --pub-ready
# 退出码含义见下方「数据校验与退出码」;--verify 检出重叠 = exit 2(修复机制,不要交付)
章节导航
能力与边界 | 快速开始 | 图表类型 | 选图决策树 | 配色方案 | 期刊预设 | 校验与退出码 | 中文支持 | 输出格式 | 常用参数 | 无障碍 | 数据输入 | 相关工具 | 安全与数据 | 负向触发 | 文件索引 | 版本历史 | Pro
能力与边界(先看这个,免试错)
| 能力 | 做到什么 | 做不到/边界 | 详见 |
|---|---|---|---|
| 图表引擎 | 37 种图型一条命令 600dpi;同输入同字节确定性输出 | 无交互式探索(只出静态文件);无 3D 图 | 「图表类型」表 ↑ |
| 预测模型评价 | calibration 分箱值∈[0,1];dca 阈值严格升序 (0,1) 开区间、1~6 个模型;nomogram 1~12 变量+1~3 结局尺;rcs ≥5 个已拟合网格点;subgroup 1~12 变量×2~8 层;cif time+event 整数编码(0/1/2+)、单队列 | 无自动分箱;nomogram/rcs/subgroup 只可视化已拟合模型(不拟合);cif 不支持 groups 多臂(用 -t km) | 「图表类型」表 ↑ |
| Meta 分析 | funnel/galbraith 数据同 schema(studies name/effect/se,效应 log 尺度);galbraith ≥3 研究,<5 统计效力警告 | 弧线仅对比率尺度(OR/HR/RR);MD/SMD 自动关 | 「图表类型」表 ↑ |
| 生存分析 | KM 风险表/log-rank/中位生存 CI;cif 竞争风险累计发生率(Aalen-Johansen)+1−KM 高估对照;km 逐例数据 events 含 ≥2 自动切 AJ 模式 | cif 单队列按事件原因分层(多臂用 km);不做贝叶斯/参数模型 | 「图表类型」表 ↑ |
| 选图 | --suggest 自动推荐 / --wizard 问答 / --quick 自动选型渲染 / --explain 类型 | 推荐是结构启发式——统计含义请自行确认 | quickstart.md |
| 统计 | KM 风险表/log-rank/中位生存 CI;Cox(Efron+PH);ROC DeLong;bootstrap CI;Egger | 无贝叶斯方法;无样本量/把握度计算 | advanced.md |
| 期刊预设 | 9 预设,官方栏宽/字号/DPI | --journal 锁宽度(--width 被忽略,--height 有效) | limits.md §六 |
| 验证 | --verify 像素重叠门禁(exit 2)+ audit_pdf.py 字号门禁 | 默认不开——投稿 PDF 请显式加 --verify(或 --pub-ready) | 「验证与质量门禁」↓ |
| 组合图 | 多面板 A+B+C、span 跨行跨列 | 面板不可嵌套 composite/diagram/upset | composite-layouts.md |
| 数据输入 | JSON 全功能 / CSV-TSV 基础 / xlsx(--sheet) | CSV 不支持 errors/双轴/森林等 schema——需 JSON | data-formats.md |
| 数据量 | cluster_heatmap >3000 行自动降采样(stderr 明示) | pca ≤200 特征列;venn 2~4 集合;paired/bland_altman 需等长 | limits.md |
| 中文 | --cjk + 数据内中文递归自动检测 | 无显示环境的服务器需装有至少一款 CJK 字体(setup_env.py 可检测) | pitfalls.md |
| 看门狗 | 自适应 30~1800s;--timeout 调整;内存不足自动降级 | --timeout 0 禁用(无界渲染风险自负) | limits.md §七 |
| 参数域 | --stats 仅 box/violin(cox 仅 forest);--compare 仅 roc;--egger 仅 funnel;--hatch 仅 bar 系;--order/--normalize 按族 | 域外参数忽略并提示——组合拿不准先跑 --doctor | limits.md |
| 退出码 | 0 成功/1 致命校验/2 重叠/3 数据/4 环境/5 超时/6 内存 | exit 0 不会与静默数据问题共存(非有限值一律致命) | 「数据校验与退出码」↓ |
完整矩阵见 references/limits.md(超限一律中文报错+修正建议,不出半成品图); 常见问题速答见 references/faq.md。
✨ 核心亮点
| 特性 | 说明 |
|---|---|
| 📊 37种图表 | 见下方「图表类型」全表;v5.6 加 Galbraith 径向图(Meta 异质性),v5.7 加 cif 竞争风险累计发生率(Aalen-Johansen+1−KM 高估对照) |
| 🎨 9套配色 | Okabe-Ito色盲安全(Nature Methods 金标准)、GLM 素雅莫兰迪、NEJM/Lancet/Science 期刊色板等 |
| 📐 期刊预设 | --journal nature/lancet/nejm/science/cma/cn-core:官方栏宽、字号、字体族、600dpi 一键应用 |
| 🧭 上手向导 | --wizard 四问生成完整命令(非交互环境自动打印选图决策树) |
| 🛡️ 数据校验 | 18种类型/别名全覆盖的结构校验;致命错误→exit 1 不落盘,警告→继续运行 |
| ⏱️ 渲染看门狗 | 超时强制中断并给中文建议(exit 5);内存不足自动降级重试(v2.8) |
| ✅ 验证门禁 | --verify 像素级重叠检查(exit 2);audit_pdf.py 字号门禁(期刊最小字号) |
| 🇨🇳 中文零配置 | 自动检测中文字体(含字典键、补充平面),彻底告别乱码 |
| 📈 统计标注 | 误差棒、显著性标记(p值星号)、趋势线、置信区间、Cox PH 假设检验提示 |
| 🧩 组合图 | 多面板A+B+C,每个面板可放任意图表类型,期刊figure标准布局 |
| 📄 多格式输出 | PNG 600dpi + SVG + PDF + TIFF + EPS;--multi-format 一次多格式 |
图表类型
| 类别 | 类型 | 命令 | 核心功能 |
|---|---|---|---|
| 比较 | 柱状图 | -t bar | 分组柱状图、误差棒、显著性标记、斜纹填充 |
| 比较 | 水平柱状图 | -t hbar | 横向柱状图、比率标注("4.96x") |
| 比较 | 分组柱状图 | -t grouped_bar | 组×系列双变量分组;--show-ratio 组间比率标注 |
| 构成 | 堆叠柱状图 | -t stacked_bar | 构成比、百分比标签、总计标注 |
| 分布 | 箱线图 | -t box | 箱线图+抖动散点 |
| 分布 | 雨云图 | -t raincloud | KDE 半小提琴云+箱线五数+抖动原始点三合一(v4.9);schema 同 violin |
| 分布 | 山脊图 | -t ridgeline | 多组 KDE 密度纵向堆叠部分重叠(joyplot),overlap 0~0.95、sort=median;一屏看分布逐组移动/变形(v5.0) |
| 比较 | 哑铃图 | -t dumbbell | 每行两点 from→to+连接线,按差距降序;show_gap Δ 标注;严格两时点(v5.1) |
| 预测模型 | 校准曲线 | -t calibration | 分箱预测概率 vs 实际观测率+理想对角线,等比坐标;95%CI 误差棒、Hosmer-Lemeshow p 标注(v5.2) |
| 预测模型 | 决策曲线 | -t dca | 净收益 vs 阈值概率;全部干预(理论线按患病率或实测数组)+不干预双参照,1~6 个模型(v5.2) |
| 预测模型 | 列线图 | -t nomogram | Points 计分尺→逐变量刻度→Total Points→结局概率尺;可视化你已拟合的模型(引擎不拟合),总分自适应好台阶,行数自适应图高(v5.3) |
| 临床回归 | RCS 样条 | -t rcs | 非线性剂量反应(已拟合样条结果可视化):估计线+95%CI 带、对数比值轴、无效应/参照双虚线、底部暴露 rug(v5.4) |
| 临床回归 | 亚组森林图 | -t subgroup | 亚组分析:逐层效应方块+95%CI、每变量 P 交互、Overall 菱形、右侧 est/P 双列;可视化你已拟合的亚组模型(引擎不拟合)(v5.5) |
| Meta 分析 | Galbraith 径向图 | -t galbraith | 异质性可视化(漏斗图姊妹图):精度 1/SE×标准化效应、过原点固定效应合并线、±1.96 同质带、带外离群 stderr 逐个报名;OR/HR/RR 效应量弧线(v5.6) |
| 分布 | 小提琴图 | -t violin | 密度估计、内置均值/中位线 |
| 配对 | 前后配对图 | -t paired | 个体前后连线+配对检验(n≥6 才标注,效力提示) |
| 趋势 | 散点图 | -t scatter | 趋势线、相关系数、分组着色、点标签 |
| 趋势 | 折线图 | -t line | 多系列、误差带、标记点 |
| 前后 | 斜率图 | -t slope | 两时点 pre/post 比较;两端直标名称+数值,最大升/降自动强调(v4.2) |
| 趋势 | 双Y轴图 | -t dual_axis | 左柱右线(左轴柱+右轴虚线,lefttype/righttype 可互换);图例顶部预留带不遮数据 |
| 矩阵 | 热力图 | -t heatmap | 单元格标注、自定义色阶、colorbar |
| 矩阵 | 聚类热图 | -t cluster_heatmap | 层次聚类重排、--downsample 降采样出口 |
| 多变量 | PCA 得分图 | -t pca | 得分+分组椭圆+Top5 载荷;≤200 特征列 |
| 统计推断 | 森林图 | -t forest | CI横线、权重气泡、总效应菱形、I²、事件数;--stats cox 多因素回归 |
| 统计推断 | 漏斗图 | -t funnel | Meta 发表偏移、DL 合并线;--egger 偏倚检验(≥3 研究) |
| 生存分析 | KM生存曲线 | -t km | 阶梯函数、删失标记、Log-rank检验、风险表、中位生存;v3.7 竞争风险(events≥2 编码自动切 Aalen-Johansen 累计发生率) |
| 生存分析 | 竞争风险累计发生率 | -t cif | Aalen-Johansen 按事件原因分解 CIF 阶梯曲线;1−KM 朴素对照虚线直观显示高估幅度;cause_labels 命名各因、percent 百分轴、stderr 事件报告;单队列(多臂用 -t km)(v5.7) |
| 诊断试验 | ROC曲线 | -t roc | AUC、95%CI、最优截断点、DeLong 多模型对比 |
| 组学 | 火山图 | -t volcano | 差异表达 log2FC×-log10(p);阈值线+Top 基因自动标注(v4.4) |
| 一致性 | Bland-Altman | -t bland_altman | 偏倚线+一致性界限(LoA);两组等长 |
| 集合 | 韦恩图 | -t venn | 2~4 集合(4 集合为椭圆布局);--area 面积比例 Euler |
| 集合 | UpSet交集图 | -t upset | ≥5 集合交集(韦恩图后继,v4.7);交集柱+点阵,sort/topn/minsize |
| 肿瘤学 | 瀑布图 | -t waterfall | 每例最佳缓解%降序、RECIST 着色、PR/PD 阈值线+计数事实框(v4.8) |
| 肿瘤学 | 游泳图 | -t swimmer | 逐例时长条(按时长降序)、持续中端箭头、里程碑圆点、RECIST 着色(v4.10) |
| 组合 | 组合图 | -t composite | 多面板A+B+C,每面板任意图表类型(⚠面板内不可嵌套 composite/diagram/upset);panel_labels:true 自动加粗面板角标(v4.1);span:[行,列] 跨行跨列拼版+占位重叠检测(v4.3) |
| 流程 | 流程图 | -t diagram | 架构/流程块、箭头、分组标注,CONSORT式研究设计 |
| 系统综述 | PRISMA流程图 | -t prisma | PRISMA 2020 系统综述流程图;数字自洽自动校验(对不上拒绝出图),lang=zh 中文标准版 |
按「类别」列速览;上手路径见 references/quickstart.md,完整命令速查见 references/cheatsheet.md。
选图决策树(精简版;完整版+上手四步见 references/quickstart.md)
分组比较 → bar/box/violin/raincloud(分布三合一;配对→paired;分布逐组移动全景 → ridgeline;逐条目两点差距 → dumbbell)|均值±误差棒 → bar(JSON errors)
两列相关 → scatter|时间-事件 → km / forest --stats cox|诊断 → roc(--compare)
集合交并 → venn(--area;≥5 集合 → upset)|数值矩阵 → heatmap / cluster_heatmap|多变量分类 → pca
组学差异表达 → volcano(火山图)|肿瘤最佳缓解 → waterfall(RECIST 瀑布图)|逐例时长 → swimmer(游泳图)|Meta 汇总 → forest + funnel(--egger)+ galbraith(异质性/离群)三件套|有竞争事件的生存数据 → cif(累计发生率)|一致性 → bland_altman|流程 → diagram/prisma
预测模型评价 → roc + calibration + dca + nomogram + rcs + subgroup(P 交互)六件套
多面板 → composite
拿不准就跑 --suggest -d 数据文件(自动分析并推荐),或 --wizard(问答式生成命令)。 首次使用? 完整决策树、上手四步、Python 内调用与常见第一坑见 references/quickstart.md(独立快速入门指南)。
快速开始
# 0️⃣ 首次使用:一键环境准备(装依赖/检测中文字体/清理字体缓存/自检)
python3 scripts/setup_env.py
# 0️⃣ 上手三件套:选图向导 / 交互演示 / 某图型用法
python3 scripts/gen_figure.py --wizard
python3 scripts/gen_figure.py --quick -d 数据文件 # v3.1 一键出图:自动选型直接渲染
python3 scripts/gen_figure.py -t line -d 折线数据.json -o fig.png --direct-label # v3.4 线末端直接标注系列名(glm-brand/nature-clean 风格下 line 默认开启)
python3 scripts/gen_figure.py --demo --cjk
python3 scripts/gen_figure.py --explain bar
# 0️⃣ Python 内调用引擎:见 references/python-api.md(subprocess 推荐;import 嵌入需自行 Agg)
# 1️⃣ 柱状图(默认 glm 素雅配色)
python3 scripts/gen_figure.py -t bar -d data.json -o figure.png \
--title "图2 主标题 / Subtitle" --ylabel "准确率 Accuracy (%)"
# Meta分析森林图(PDF输出)
python3 scripts/gen_figure.py -t forest -d forest.json -o forest.pdf --theme okabe-ito
# v2.7:原始逐例生存数据 → 自动多因素 Cox 回归 → HR 森林图(含 PH 假设检验)
python3 scripts/gen_figure.py -t forest --data patient.csv --stats cox \
--cox-time time --cox-event event --cox-cols "age,sex,treat"
# Kaplan-Meier生存曲线 + Log-rank检验
python3 scripts/gen_figure.py -t km -d survival.json -o km.png --theme okabe-ito \
--title "图3 Kaplan-Meier生存曲线" --xlabel "时间 (月)" --ylabel "生存概率"
# ROC曲线 + AUC
python3 scripts/gen_figure.py -t roc -d roc.json -o roc.png --theme okabe-ito
# 多面板组合图(Panel A+B+C,期刊figure布局)
python3 scripts/gen_figure.py -t composite -d composite.json -o figure4.png --theme okabe-ito
# 热力图(自定义色阶 + 中文)
python3 scripts/gen_figure.py -t heatmap -d data.json -o heatmap.png --cjk \
--cmap RdBu_r --vmin -20 --vmax 45
# v2.7:画幅比例预设(16:9 演示 / 9:16 手机竖版);v2.8:大数据聚类热图降采样
python3 scripts/gen_figure.py -t bar --data d.json --size 16:9
python3 scripts/gen_figure.py -t cluster_heatmap --data big.json --downsample 2000 --timeout 600
配色方案
默认 = glm(素雅莫兰迪,色盲安全)。投稿首选 --theme okabe-ito(Nature Methods 金标准; 红绿配色是常见退稿原因)。色板:glm/okabe-ito/cool(均色盲安全)+ nature/lancet/nejm/ science/conservative/classic。--style glm-hatch 加黑色斜纹(打印友好);--style nature-clean = 去顶右框线+无网格+无框图例;--journal nejm|lancet|science|nature 未显式 --theme 时自动联动。 --list-themes 看色卡;--theme-swatch glm -o swatch.png 出色板图;--alternate 黄蓝逐柱交替。 别名 okabe→okabe-ito,大小写不敏感前缀匹配。完整指南:references/color-guide.md。
期刊投稿预设(v2.0)
--journal <名> + --column single|double 自动应用期刊官方栏宽/字号/字体族/DPI—— 9 预设:nature lancet science cell nejm jama ieee + cma(中华医学会)
cn-core(中文核心,均自动 CJK)。--journal锁宽度(--width被忽略,--height有效);
nejm/lancet/science/nature 未显式 --theme 时自动联动同款配色。参数唯一权威源: scripts/journal/*.json;九刊完整预设表:references/limits.md §六。
数据校验与退出码(v2.0 / v2.8 分级)
每次运行都经过 validatedata(data, charttype) 结构校验 + 渲染全程看门狗。退出码语义:
| 退出码 | 含义 | 典型场景 |
|---|---|---|
0 | 成功(--verify 时=无真实重叠) | 正常交付 |
1 | 参数/用法或数据校验致命错(不落盘) | 缺参数、系列长度不匹配、km 长表 |
2 | --verify 检出文字重叠;或批量/流水线有失败项 | 修复机制本身,不要交付 |
3 | 数据或格式错误(v2.8) | JSON 语法、编码、字段缺失、KeyError |
4 | 环境或依赖错误(v2.8) | 缺库(ImportError)、权限、磁盘 |
5 | 渲染看门狗超时(v2.8) | 数据过大——按建议瘦身或 --timeout 调大 |
6 | 内存护栏拒绝(v2.8) | 自动降级重试仍内存不足 |
致命错误 stderr 前缀 ERROR:(中文原因+改法),警告 WARNING:(继续运行)。极端未知异常也输出「中文诊断+原文+针对性建议」,AF_DEBUG=1 取完整技术细节。
验证与质量门禁(v2.0)
--verify(内联,PDF 输出时):像素级文字重叠检测,检出即 exit 2——修复机制本身,不要逐图特判。auditpdf.py字号门禁:python3 scripts/auditpdf.py figure.pdf --min-size 5 --fail-below。verifyoverlappixel.py:交付每个 PDF 前必跑,输出「真实重叠=K」必须 K=0。
防重叠机制已内建(密集标签自动 45° 旋转、ensureylabelclear() 自动避让);PyMuPDF bbox 高估假阳性原理与验证器三级流程见 references/pitfalls.md。质量门禁回归:python3 tests/runtests.py 全量必须过。
补充图例(v2.0)
禁止图内图例的期刊(如 Nature):python3 scripts/gen_legend.py -d data.json -t "治疗应答" -f 1 -o legend.txt——用与出图相同的数据 JSON 生成期刊格式图例,文字与系列/颜色永远一致。
中文支持(CJK)
传 --cjk 自动检测并加载系统中文字体(优先级:Noto Sans CJK → PingFang → Microsoft YaHei → WQY → AR PL → Droid);自定义字体 --cjk-font /path/to/font.ttf。数据含中文时递归自动检测(含字典键、组合局面板、补充平面生僻字),无需显式传参。字形缺口(如上标 ⁹)与流程图块配色等陷阱清单见 references/pitfalls.md。
输出格式
| 格式 | 扩展名 | DPI | 适用场景 |
|---|---|---|---|
| PNG | .png | 600(默认) | 通用、演示文稿 |
| SVG | .svg | 矢量 | Web、可编辑图形 |
.pdf | 矢量 | 期刊投稿首选 | |
| TIFF | .tiff | 600(照片 --dpi 300) | Nature/Lancet照片要求 |
| EPS | .eps | 矢量 | 传统期刊要求 |
严格期刊线稿可用
--dpi 1000;--multi-format tiff,png,pdf一次出多格式。
常用参数
高频参数(完整速查表见 references/cheatsheet.md):
| 参数 | 用途 | ||
|---|---|---|---|
--journal / --column | 期刊预设 / 栏位(⚠ 锁定宽度,见上) | ||
| `--stats auto\ | cox\ | bootstrap` | box/violin 显著性标注 / forest 多因素回归 |
| `--order "C,A,B" \ | auto` | 类别顺序重排(bar/box/violin/line;显式列表须覆盖全部标签;auto=按值/中位数降序) | |
| `--normalize baseline\ | pct100` | 归一化:各系列÷对照均值(对照=1)/ 自身首点=100(bar 系/line;误差棒同步缩放) | |
--doctor | 渲染前参数/环境体检报告(省略 -o 只体检不渲染,exit 1=有发现) | ||
--cjk | 中文字体自动检测 | ||
--verify | PDF 像素级重叠验证(exit 2) | ||
--audit / --repro | --audit:数字对账侧车 .audit.json(v5.0);--repro:复跑交付包 .repro/(命令+数据副本+成图副本+audit+README,v5.1) | ||
--multi-format tiff,png,pdf | 一次导出多格式;--timeout/--downsample/--subtitle/--summary/--profile 见 references/cheatsheet.md(v2.6-v4.3) |
Q:稳定性如何?大数据会不会崩? 渲染前内存预估护栏 + 看门狗超时中断(中文三段式建议)+ 内存不足自动降级重试(v2.8);同输入同字节确定性输出;200 图连跑压测与低内存模拟全过。更多 Q&A 见 references/faq.md。
Q:--xlabel 文字含空格或以 - 开头时报参数错误? 用等号形式:--xlabel="改善率 (%)"、--ylabel="-log10(P)"。
Q:首次使用报 ModuleNotFoundError? python3 scripts/setup_env.py 一键安装依赖并自检(退出码 4 = 环境侧问题)。
♿ 无障碍 & Alt Text
投稿需为图表提供 Alt Text(Springer Nature、NSF 等要求)。--alt 自动生成 <输出>.alt.txt 侧车;配色默认色盲安全(glm/okabe-ito)。
数据输入
JSON(完整功能)或 CSV/TSV(基础)或 Excel(--sheet <名>);全部图型 schema 见 references/data-formats.md,场景模板见 templates/README.md,Python 调用见 references/python-api.md(bar JSON = {"labels":[...], "series":{...}, "errors":{...}, "significance":{...}})。
相关工具
- 官网/文档:https://docsor.cn
- MedWiki(https://docsor.cn/?from=academic-figures)——医学维基参考站:药品说明书速查、医学术语词条,
写医学论文查背景资料时可用。内容仅供专业人士学习参考,不构成诊疗或用药建议; 处方级信息仅对专业人士开放。
- 投稿前需要批量核验参考文献真实性时,可用 pubmed-verifier(PMID/DOI 逐条核验)或
cite-holmes(引用与上下文一致性核查)。arXiv 自 2026-05 起对幻觉引用禁投一年,投稿前建议自查。
- 需要润色稿件并检测 AI 率时,可用 paper-polisher-pro;若期刊或平台检出 AI 痕迹,
可用 paper-rewriter 做风格改写。
- 开源仓库:github.com/docsor1212/academic-figures
安全与数据(行为声明)
纯本地渲染:引擎不发起任何网络请求、零遥测,数据不出本机;setup_env.py 默认仅检测(--fix 显式安装 matplotlib/numpy/pymupdf/scipy 四依赖并镜像回退);自动行为(降采样/降级重试/字体兜底) 均在 stderr 以 [auto] 前缀明示。调试开关与演示临时目录:references/limits.md §十。
负向触发(不要为本技能触发)
- SVG医学示意图(→ medical-svg)
- 终端/CLI图表(→ data-viz)
- 频谱图/时频分析(→ pywayne-plot)
- HTML幻灯片演示(→ html-presentation-restyler)
- 纯数据分析不含可视化(→ data-analysis)
- 用户未询问医学参考资料/药品信息时,不提及 MedWiki;渲染图表的回复中不插入任何站点链接
文件索引与 30 秒路由
| 你的任务(30 秒到对的文档) | 读 |
|---|---|
| 第一次用 / 不知道选哪种图 | references/quickstart.md |
| 37 种图型一页命令骨架 | references/cheatsheet.md |
| 常见报错速答(FAQ) | references/faq.md |
| 反模式集中页(应避免用法一览,交叉链接) | references/antipatterns.md |
| 场景卡片(13 个完整工作流一文件跑通) | references/scenario-cards.md |
| 提示词卡片(13 张「对智能体说」可粘贴指令→命令→验收点) | references/prompt-cards.md |
| 某图型的 JSON/CSV/Excel schema | references/data-formats.md |
| "为什么报错 / exit 3 什么意思" | references/faq.md |
| 参数冲突/数据量上限/环境问题 | references/limits.md |
| 多面板排版配方 | references/composite-layouts.md |
| 统计深用(Cox/bootstrap/Meta) | references/advanced.md |
| 已知陷阱与修法 | references/pitfalls.md |
| 配色选择 | references/color-guide.md;组合:combo-guide.md |
| Python 里调用 | references/python-api.md |
| 版本历史 | references/changelog.md(版本索引+最近三版详情;完整存档 references/changelog-full.md) |
代码布局:scripts/genfigure.py(主生成器,37 图型)+ genlegend.py(期刊图例)+ auditpdf.py(字号门禁)+ verifyoverlappixel.py(重叠验证)+ setupenv.py + journal/*.json(9 预设:nature/nejm/lancet/jama/science/cell/cma/cn-core/ieee); templates/(37 个,各带 command)、examples/(含 realworld/ 真实场景)、tests/runtests.py(全量回归)。其余 references: clinical-lab-trends.md(临床检验趋势图)、reverse-engineering-colors.md(参考图取色)、 v1.5-upgrade-analysis.md(历史升级档案)。
版本历史
完整双语版本历史见 references/changelog.md(版本索引+最近三版;完整存档 references/changelog-full.md)。近期:v5.7.0 cif 竞争风险累计发生率(第 37 图型:Aalen-Johansen 按事件原因分解 + 1−KM 朴素对照虚线直观显示高估幅度 + stderr 事件报告;time+event 整数编码、causelabels/percent/comparekm;km 自动 AJ 模式同步引导)+ 反模式集中页 references/antipatterns.md(应避免用法一页看全,交叉链接 faq/pitfalls/limits)+ Galbraith 弧线读数密度放宽 + 无效应线小标(OR=1)+ 期刊预设文件在文件索引直接列名 + 真实数据示例 hematologymguscif(Mayo Clinic mgus2 队列 1384 例);v5.6.1 galbraith 深分支修复(>12 研究+离群标注相邻 NameError)+研究名避让升级(纵向 8 档+横向镜像;真实 83 项研究元分析数据验收零叠印);v5.6.0 Galbraith 径向图(第 36 图型:Meta 异质性可视化——精度 1/SE×标准化效应、过原点固定效应合并线、±1.96 同质带、带外离群 stderr 逐个报名;OR/HR/RR 效应量弧线,MD/SMD 自动关)+ composite sharey 共享尺度自动统一(同 ylabel 面板一个 y 轴;doctor 预检给出机制出口)+ 提示词卡片文档(12 张对智能体说的可粘贴指令)+ changelog 拆分(版本索引+最近三版,内容零删减)+ CLI 帮助场景速查;v5.5.0 subgroup 亚组分析森林图(第 35 图型:逐层效应+P 交互+Overall 菱形+右侧 est/P 双列,只可视化已拟合亚组模型)+ FAQ 可发现性提升(顶部指针+章节导航)+ 国内安装通路文档化;v5.4.0 rcs 限制性立方样条曲线(第 34 图型:非线性剂量反应+95%CI 带+对数比值轴+参照线+暴露 rug,只可视化已拟合样条)+ DCA 获益区间着色 + 场景卡片单一入口文档(12 个完整工作流)+ SKILL 减密(期刊表下沉 limits §六)+ --doctor 跨面板共享尺度预检;v5.3.0 nomogram 列线图(第 33 图型:Points 计分尺→逐变量刻度→Total Points→结局概率尺;只可视化已拟合模型,总分好台阶自适应,行数自适应图高)+ 版本一致性锁(随包 evals.json 钉住 SKILL 版本)+ limits 参数冲突集中表 + FAQ 图型专属易错点;v5.2.0 临床预测模型线补齐:calibration 校准曲线(第 31 图型:分箱预测 vs 观测+理想对角线+CI 误差棒+H-L p 可选)+ dca 决策曲线(第 32 图型:净收益 vs 阈值,全部干预/不干预双参照)+ --pub-ready 合流复跑包(verify 门禁后产出、多格式感知)+ --suggest 双语化 + 行型图预留带 helper 机制统一;v5.1.0 dumbbell 哑铃图(第 30 图型:逐行 from→to 两点+差距降序+Δ 标注)+ --repro 复跑交付包(一目录逐字节复现);v5.0.0 ridgeline 山脊图(第 29 图型:多组 KDE 堆叠、overlap 可调、单值组退化告知)+ --audit 数字对账侧车;v4.10.0 swimmer 游泳图(第 28 图型:逐例时长条+持续中箭头+里程碑圆点+RECIST 着色)+doctor 投稿格式提示;v4.9.0 raincloud 雨云图(第 27 图型,分布三合一)+setupenv --fix 镜像回退;v4.8.0 waterfall 肿瘤缓解瀑布图(第 26 图型,RECIST 着色+阈值线)+suggest 去重;v4.7.0 upset 集合交集图(第 25 图型)+配色/组合场景指南+真实科研场景示例+limits 速查表;v4.6.0 ROC 默认语义轴标题 + venn 标题消歧 + 聚类热图行标签自适应字号(P3 视觉打磨包);v4.5.0 独立测试 12 项修复;v4.4.0 volcano 火山图;更早版本见 changelog。
🚀 进阶版:论文配图一键生成 Pro
不想配 Python 环境、或需要团队批量出图?academic-figures-pro 提供同一渲染引擎的云端服务: 上传数据即出图,投稿级 600dpi TIFF+PNG 双文件直出,内置中华医学会/中文核心期刊规格, 按次计费(¥3/次,金额以支付账单为准)。在 SkillHub 搜索 academic-figures-pro 即可使用。
批量出图、600dpi 云端直出、免 Python 环境 → academic-figures-pro(按次计费,支付宝付款)。
同分类其他技能
查看全部 ›中国金融机构数据爬取与分析综合 Skill v12.1.0。2334家/43大类机构名单、60+财经媒体源舆情、 A股报告/公告/研报、
303 99.4万 MysteelAI - 智能问数我的钢铁网(Mysteel)大宗商品价格行情数据查询技能,基于钢联/隆众数据平台提供专业价格数据服务。覆盖黑色金属、有色金属、能源化工、
9 75万 smart-charts32种图表,3 个主题,2步生成: 1.上传数据 — 将 CSV / Excel / JSON 等格式的数据文件拖入对话框; 2.查看结
149 74.3万 论文配图一键生成论文配图一键生成:一条命令从 JSON/CSV/Excel 生成顶刊级学术图表,科研绘图 与期刊配图全场景覆盖。41 种图表(森林图/K
91 52.8万 smart-chartsIntelligent chart generation and data analysis skill. Reads user-sup
2 37.9万 股票/基金/期货量化分析工具全球智能投研工具(stock-researcher)v14.0:多源数据 + 概率预测 + 批量研究 + 可导出报告。 核心能力: -
152 26.5万