图片为研知有术平台宣传图，背景为蓝色渐变，上方有平台标志及“专业的科研推进与成果支持平台”字样，中间是“让研究成为你的能力”标语。下方有四个图标，分别是微信公众号、视频号、抖音、小红书，每个图标下方对应平台名称。该图片与文档中介绍研知有术平台的内容相关，展示了平台的宣传信息及社交媒体渠道。
这张图片是Academic Figure Skill的效果预览示例，展示了该工具可生成的两类顶刊级科研图表：(a)是名为“Trial Correlation Matrix”的相关性矩阵热力图，用于呈现变量间的关联情况，色彩编码了不同的相关程度；(b)是名为“Trial Distribution Profiles”的分布曲线组图，通过不同颜色区分多组变量的分布特征，坐标轴与图例清晰展示了数据维度与分组信息。这两类示例直观体现了该工具对标顶刊图表规范，可输出符合学术标准的矢量或位图科研图表的能力。

项目地址：https://github.com/TingxiYu/academic-figure-skill

academic‑figure‑skill 是面向 Claude Code、Codex 等 AI 编程助手的科研绘图 Skill 工具包，对标 Nature、Cell、Science 顶刊图表规范，把期刊排版标准、29 种常见科研图型规则封装为技能文档与参考资料，实现从科学问题到投稿级图表的自动化工作流。

项目采用标准化 8 步闭环流程：澄清研究问题、分类图型原型、论证面板方案、探测运行环境、注入排版配色基线、调用绘图脚本、开展数据校验、四轮 QA 自检，最终输出矢量 PDF 文件、300dpi 预览图以及配套统计报告。

它不会替代 Python、R 原生绘图能力，而是提供约束条件与先验知识，引导大模型生成符合 CNS 视觉标准的绘图代码，大幅降低人工调整字体、栏宽、配色、导出参数的重复工作量。工具支持 Python 与 R 脚本混合编排，可完成多面板组合拼接，严格遵循单栏 89mm、双栏 183mm 印刷尺寸。

项目坚持 “一幅图一个核心信息” 的设计原则，删减冗余网格、边框元素，适配审稿人快速阅读习惯。可直接部署于 Cursor、Copilot 等开发环境，帮助科研人员把精力聚焦研究本身，把选图、绘图、排版、格式校验整套繁琐流程交给 AI 完成，高效产出符合顶刊投稿要求的科学图表。

项目部分内容截图：

图片为“项目介绍”部分，阐述了Academic Figure Skill的定义、工作方式、设计原则等内容。其为面向AI编程助手的Skill包，通过引导LLM生成代码实现图表制作。设计原则包括一幅图一个核心信息、克制配色丰富配色、面向印刷设计、矢量优先等，如克制配色为2 - 4个语义色+1个强调色，面向印刷设计需固定栏宽，矢量优先线图/散点/柱状等用PDF/SVG。
这张图片是学术级科研绘图生成工具的能力特性展示表格，清晰呈现该工具在绘图相关方面的核心能力。表格明确列举了类型分类、29种图型、Copy-规则、跨类型、混合语言、类图板、四轮QA、数据校验、统计与可复现性、期刊配色、单图与模式匹配等内容，每个分类对应详细的能力说明，如类型分类包含四类定量指标及自动布局功能，29种图型涵盖各类科研常用的统计绘图类型，跨类型支持生成回归图需配置特定Python和R脚本，数据校验可检测出如火山图数据差异问题，期刊配色适配不同顶刊偏好，整体直观展现该工具适配科研绘图全流程、符合学术要求的特点，与前文提及的该工具可高效产出顶刊投稿要求科学图表的内容相呼应。
图片展示了私有资产图表类型全览，包括3D热图、AUROC曲线图、柱状图等12种图表类型，每种图表对应其图形特征和典型应用场景。如3D热图可呈现多因子交互效应、基因型环境矩阵三维密度分布等；AUROC曲线图用于多模型ROC对比、阈值敏感性分析等。该图基于项目私有数据资产生成，仅作参考，用户请求生成同类型图表时需保留示例所确立的视觉语言，依据实际数据完成适配性重构。