图片展示的是研知有术平台的宣传图。背景为蓝色渐变，左上角有平台标志。中间文字为“专业的科研推进与成果支持平台，让研究成为你的能力”，下方有一个搜索框，框内文字为“研知有术”。下方有四个图标，分别是微信公众号、视频号、抖音、小红书，分别对应其图标。该图片位于介绍研知有术平台的文档开头部分，起到宣传平台形象的作用。
这是nature-figure-skill的相关展示图，对应这套面向高水平科研期刊会议的绘图工具，呈现了该工具可生成的多种科研可视化图表样式，包含散点图、组合柱状图、小提琴图、热力图等不同类型的科研绘图模板实例。图中还标注有相关说明，介绍其提供模板拖拽即用的便捷特性，适配Python、R双绘图路线，支持导出SVG、PNG、TIFF、PDF等多种格式，覆盖单图、多面板综合图等科研配图需求。

项目地址：https://github.com/jing1312/nature-figure-skill

nature-figure 是一套面向 Nature、Science、Cell、NeurIPS、ICLR 等高水平期刊和会议的科研绘图 Agent Skill，核心不是简单套用“Nature 风格”，而是从科研结论和证据逻辑出发，帮助研究者完成论文配图。它支持 Python 和 R 两条绘图路线，可以用于单图、多面板综合图以及复杂科研可视化。 

它的工作流程比较有特点：首先建立 Figure Contract（图表契约），明确这张图到底要证明什么，再梳理证据链、确定每个面板承担的任务，选择合适的图表类型和绘图后端，最后才进入具体绘制。这样可以避免论文配图中常见的“图做得很漂亮，但核心结论不清楚”或者多个面板重复表达同一组数据的问题。 

在绘图方面，它支持柱状图、折线图、热图、散点图、森林图、火山图、网络图、图像组图等多种科研图表，并提供多面板布局、字体、配色、统计标注和图例等规范。Python 主要使用 Matplotlib、Seaborn，R 则支持 ggplot2、Patchwork、ComplexHeatmap 等工具。 

最后，它强调投稿级输出和质量检查，可以生成可编辑 SVG、PDF、600 DPI TIFF 等文件，同时检查分辨率、字体、标注、统计信息和版式一致性。配套的 FigureForge 还提供可视化编辑器，可以不写代码直接调整科研图。 

简单来说，nature-figure 就是把“科研结论→证据梳理→多面板设计→绘图→QA检查→投稿文件输出”这一整套流程交给 AI 辅助完成。

项目部分内容截图：

这张图是nature-figure项目的部分内容截图，展示了该工具能生成的多种科研图型。上方呈现了雷达图、玫瑰图、极坐标三角形图等适合组学、队列与项目管理级别的复杂图型；下方则是各类生物信息图，涵盖散点矩阵图、火山图、相关性矩阵热图、生物信息题集图等，均符合Nature风格配色要求，可辅助科研人员完成投稿级的绘图工作，契合AI辅助科研绘图的功能定位。
图片展示了nature-figure进阶图鉴中新增的多种科研图类型，包括OncoPrint、瀑布图、冲积图、山脊图、Bland-Altman一致性图、免疫组成堆叠面积图、森林图、曼哈顿图等。每种图型配有对应的数据和图表，如OncoPrint展示了不同基因突变情况，瀑布图呈现了不同患者的基因突变情况，森林图展示了不同基因的表达情况等，直观呈现了科研数据。
图片展示了nature-figure生成的9个高阶图构，包括a中饼图、b中UpSet图、c中网络图、d中三元相图、e中聚类热图、f中矩形树图、g中旭日图、h中六边形密度图、i中平行坐标图。这些图构是FigureForge plus atlas新添加的高级组合，可应用于科研绘图。图片与上下文紧密相关，直观呈现了nature-figure可生成的多种科研图类型，体现了其在科研绘图方面的强大功能。
图片展示了nature-figure的出图工作流。上游工作流骨架为用户/用户需求，经图表契约、Python API后，进入布局与QA独立产出，最后交付文件。本仓库的三项落地扩展包括独立文件导出、非默认标注、定义配色。还呈现了与AI合作的流程，如图表契约、后端门禁、后端绘制等。该图与上下文紧密相关，直观呈现了nature-figure从用户需求到交付文件的完整工作流程及扩展内容。