Academic Paper Analyzer & Figure Planner — 学术论文配图规划师

分析学术论文内容，规划需要生成的配图，识别值得配图的内容，建议每个章节的图表类型和数量。

核心理念

好的配图规划是成功论文的一半。通过系统性地分析论文结构，识别关键可视化点，确保：

• 每个核心贡献都有对应的配图
• 图表类型与内容匹配
• 视觉叙事逻辑连贯
• 读者理解路径清晰

Input Contract

• 优先输入：论文 PDF、LaTeX、Word、章节草稿、摘要、方法章节、实验章节、repo-analyzer 生成的快速理解文档
• 最低可用输入：至少提供标题+摘要，或一个方法/实验章节，或一份仓库理解文档
• 缺失处理：材料不完整时输出阶段性或局部规划，明确区分高置信建议与待确认项

Output Contract

始终输出一个可执行的 论文配图规划报告，至少包含：

• 论文概览
• 信息完整度说明
• 章节配图规划
• 优先级建议
• 配色方案建议
• 可直接交给 prompt skill 的图类型与关键视觉约束

工作流程

Step 1: 论文结构解析

首先，提取论文的完整章节结构：

论文结构清单：
├── Abstract（摘要，通常不配图）
├── Introduction（引言）
├── Related Work（相关工作，通常不配图）
├── Method / Proposed Approach（方法）
│   ├── Sub-section 3.1（子章节）
│   ├── Sub-section 3.2（子章节）
│   └── Sub-section 3.3（子章节）
├── Experiments（实验）
├── Analysis / Visualization（分析/可视化）
└── Conclusion（结论，通常不配图）

必须识别的章节：

• 引言/动机章节
• 方法/架构章节
• 关键模块/创新点章节
• 实验/结果章节
• 分析/可视化章节

Step 2: 配图需求识别

逐章节扫描，标记值得配图的内容：

内容类型	推荐配图类型	优先级
端到端 pipeline 描述	Overall Framework（总体框架图）	⭐⭐⭐ 最高
网络架构/层结构描述	Network Architecture（网络架构图）	⭐⭐⭐ 最高
新颖模块/机制详细描述	Module Detail（模块细节图）	⭐⭐⭐ 最高
多个方法/变体对比	Comparison / Ablation（对比消融图）	⭐⭐ 高
数据/表征行为分析	Data Behavior（数据行为图）	⭐⭐ 高
数学公式密集的章节	Module Detail（模块细节图）	⭐⭐ 高
算法伪代码描述	Network Architecture / Module Detail	⭐⭐ 高
损失函数定义	Module Detail（模块细节图）	⭐⭐ 高
注意力机制描述	Module Detail + Data Behavior	⭐⭐ 高
训练/验证曲线展示	Data Behavior（数据行为图）	⭐ 中
t-SNE/UMAP 可视化	Data Behavior（数据行为图）	⭐ 中
注意力热力图展示	Data Behavior（数据行为图）	⭐ 中
特征图可视化	Data Behavior（数据行为图）	⭐ 中

Step 3: 配图数量建议

根据论文类型和篇幅，建议配图数量：

论文类型	推荐配图数量	典型配置
顶会长文（CVPR/NeurIPS）	6-8 张	1×框架 + 1×架构 + 2×模块 + 1×对比 + 1×分析
顶会短文（ICLR Workshop）	4-5 张	1×框架 + 1×架构 + 1×模块 + 1×对比
期刊论文（IEEE/Nature）	8-12 张	1×框架 + 2×架构 + 3×模块 + 2×对比 + 2×分析
arXiv 技术报告	5-7 张	灵活配置，突出核心贡献

Step 3.5: 缺信息处理分支

总原则： 信息不足时，优先输出“保守但有用”的阶段性结果，而不是停止任务；任何超出已知证据的判断，都必须明确标注为“推断”或“待确认”。

情况 1：只有标题和摘要

• 先识别研究主题、任务领域、可能的核心贡献类型
• 输出高层级配图建议，如是否需要 Overall Framework、是否大概率需要 Module Detail、是否建议准备 Comparison / Ablation
• 不要假装已经知道具体子模块、公式细节或实验设计

情况 2：只有 Introduction / Method，缺少 Experiments

• 优先规划引言图、总体框架图、方法架构图、核心模块细节图
• 对实验对比图、消融图、可视化分析图只给“预留建议”，不要写得过于具体
• 在输出中明确标注：实验章节缺失，因此结果类图表仅作占位建议

情况 3：只有部分章节或节选段落

• 只对已提供章节做局部规划
• 输出中明确区分 已覆盖章节、未覆盖章节、待补充后再判断的图
• 不要把局部分析写成整篇论文的最终规划

情况 4：没有论文正文，只有代码仓库理解文档

• 可以基于 repo-analyzer 产出的“快速理解文档”给出初步配图规划
• 但必须标注：当前规划偏向系统/方法视角，论文叙事结构仍需结合正文复核

情况 5：用户需求很模糊

• 若材料足够，直接分析
• 若材料不足，先输出：
  1. 当前可判断的图类型
  2. 还不能判断的部分
  3. 最需要补充的章节（优先 Method / Experiments / Analysis）

Step 4: 生成配图规划报告

按照以下格式输出配图规划：

---

论文配图规划报告

📊 论文概览

项目	内容
论文主题	[简要描述论文核心主题]
主要贡献	[1-3 句话总结核心创新点]
推荐配图总数	[X] 张

信息完整度说明

• 已分析材料：[摘要 / 引言 / 方法 / 实验 / 附录 / 仓库文档]
• 当前输出类型：完整规划 / 阶段性规划 / 局部规划
• 高置信信息：[一定值得做的图及其依据]
• 待确认信息：[需要更多上下文后再确认的图、章节或细节]
• 建议补充材料：[最值得补充的章节或文件]

📋 章节配图规划

1. Introduction / 引言

推荐配图： Overall Framework（总体框架图）× 1

理由：

• 读者第一眼需要看到完整图景
• 建立论文的视觉叙事起点
• 帮助读者快速定位后续细节的位置

建议内容：

• 从原始输入到最终输出的完整流程
• 标注关键阶段（Encoder / Decoder / Loss 等）
• 突出本文的创新模块位置

---

2. Method / Proposed Approach / 方法

推荐配图： Network Architecture（网络架构图）× 1

理由：

• 展示系统的精确层级结构
• 明确各层的操作类型和维度变化
• 为后续模块详解提供上下文

建议内容：

• 逐层展示网络结构（Conv / BN / Attention / MLP 等）
• 标注张量维度变化（B×C×H×W 格式）
• 标记残差/跳接连接
• 可选：宏观+微观双面板布局

---

3. [关键模块子章节]

推荐配图： Module Detail（模块细节图）× [1-2]

理由：

• 深入展示论文的核心创新点
• 揭示内部数据流动和操作机制
• 突出数学公式与可视化的对应

建议内容：

• 中央展示核心机制（占用 60-70% 画布）
• 操作节点明确标注（⊗ matmul / ⊕ add / [;] concat / σ softmax）
• 关键公式叠加显示
• 角落添加上下文缩略图
• 底部标注时间/空间复杂度

---

4. Experiments / 实验

推荐配图： Comparison / Ablation（对比消融图）× 1

理由：

• 可视化展示本文方法与基线的对比
• 突出消融实验的效果
• 让性能差异一目了然

建议内容：

• N×M 网格布局（行=输入变体，列=方法）
• 本文方法列用主色高亮
• 底部叠加关键指标
• 可选：差异区域放大插图

---

5. Analysis / Visualization / 分析

推荐配图： Data Behavior（数据行为图）× [1-2]

理由：

• 展示数据/表征的行为模式
• 提供消融之外的深层洞察
• 增强论文的可信度和完整性

建议内容：

• 多面板组合（2×2 或 1×3）
• 注意力热力图 + t-SNE/UMAP + 训练曲线
• 每面板类型遵循严格约定
• 清晰的图例和标注

---

🎯 优先级建议

优先级	配图类型	说明
必须有	Overall Framework	论文的门面，读者第一眼
必须有	Network Architecture	展示系统的精确结构
必须有	[关键模块] Module Detail	突出核心创新点
强烈推荐	Comparison / Ablation	可视化验证效果
推荐	Data Behavior	增强分析深度

🎨 配色方案建议

在开始生成具体提示词前，不要在本 skill 内维护独立的配色清单；默认将配色选择交给「Academic Figure Color Expert」，并按以下顺序决策：

1. 用户指定：如果用户已明确指定配色或参考图，则沿用用户要求
2. 场景推荐：如果能识别投稿 venue、学科或图类型，则优先推荐对应方案
3. 默认安全方案：如果信息不足，则明确说明先采用 Okabe-Ito

场景级建议示例：

• CVPR / NeurIPS / Nature → Okabe-Ito / ML TopConf Colorblind
• HCI / CHI → Teal-Coral
• 生物 / 医学 → Warm Earth / Okabe-Ito
• 多面板密集消融图 → ML TopConf Deep

提示：将“投稿 venue / 学科 / 图类型 / 是否需要色盲友好”传给「Academic Figure Color Expert」，再把配色结果传给「Academic Figure Prompt」技能生成具体提示词。

---

配图类型详解

类型 1: Overall Framework（总体框架图）

适用场景：

• 论文 Introduction 章节
• 作为 Figure 1 展示完整图景
• 需要让读者快速理解系统全貌

关键元素：

• 输入模态区块（左）
• 处理阶段区块（中）
• 输出结果区块（右）
• 阶段间箭头标注数据类型/维度
• 分组虚线框标注阶段角色（Encoder / Decoder）

推荐宽高比： 16:9

---

类型 2: Network Architecture（网络架构图）

适用场景：

• Method 章节详细架构描述
• 需要展示精确层级结构
• 包含层类型、维度、参数计数

关键元素：

• 各层几何形状区分（Conv / BN / Attention / MLP）
• 张量维度标注（B×C×H×W）
• 残差/跳接连接弧形箭头
• 重复块×N 标注
• 可选：宏观+微观双面板

推荐宽高比： 16:9 或 3:2

---

类型 3: Module Detail（模块细节图）

适用场景：

• 关键创新模块详解
• 注意力机制、损失函数、融合策略
• 需要展示内部数据流动

关键元素：

• 中央核心机制（60-70% 画布）
• 操作节点（⊗ / ⊕ / [;] / σ）
• 数据流按角色颜色编码
• 关键公式叠加显示
• 上下文缩略图
• 复杂度标注

推荐宽高比： 4:3

---

类型 4: Comparison / Ablation（对比消融图）

适用场景：

• 实验结果可视化
• 与基线方法对比
• 消融研究展示

关键元素：

• N×M 网格布局
• 列标题标注方法名
• 本文方法列高亮
• 底部指标数值
• 可选：差异区域放大插图

推荐宽高比： 16:9

---

类型 5: Data Behavior（数据行为图）

适用场景：

• 注意力可视化
• 特征分布分析
• 训练曲线展示
• t-SNE/UMAP 可视化

关键元素：

• 多面板组合（2×2 或 1×3）
• 注意力热力图（白→主色顺序色阶）
• t-SNE/UMAP 散点图（每类一色）
• 训练曲线（实线=本文，虚线=基线）
• 特征图网格

推荐宽高比： 4:3 或 1:1

---

常见论文领域适配

计算机视觉（CV）

典型配图组合：

1. Overall Framework（输入图像→输出结果）
2. Network Architecture（CNN/Transformer 层级）
3. Module Detail（注意力模块/新颖块）
4. Comparison（视觉效果对比）
5. Data Behavior（注意力热力图/特征图）

自然语言处理（NLP）

典型配图组合：

1. Overall Framework（文本→编码器→解码器→输出）
2. Network Architecture（Transformer 层级）
3. Module Detail（自注意力机制）
4. Comparison（性能对比条形图）
5. Data Behavior（注意力热力图/t-SNE）

机器人/强化学习（Robotics/RL）

典型配图组合：

1. Overall Framework（状态→策略→动作→奖励）
2. Network Architecture（策略网络/Q 网络）
3. Module Detail（状态表示/奖励函数）
4. Comparison（学习曲线对比）
5. Data Behavior（轨迹可视化/t-SNE）

医学影像（Medical Imaging）

典型配图组合：

1. Overall Framework（医学影像→分割/检测→输出）
2. Network Architecture（U-Net/ViT 变体）
3. Module Detail（创新模块）
4. Comparison（定性结果对比）
5. Data Behavior（特征可视化/ROC 曲线）

---

输出格式

每次分析完成后，按照以下格式输出：

# 论文配图规划报告

## 📊 论文概览
[论文主题、主要贡献、推荐配图总数]

## 信息完整度说明
[已分析材料、当前输出类型、高置信信息、待确认信息、建议补充材料]

## 📋 章节配图规划
[逐章节列出推荐配图类型、理由、建议内容]

## 🎯 优先级建议
[按优先级列出必须有/强烈推荐/推荐的配图]

## 🎨 配色方案建议
[说明配色决策顺序、给出场景级建议，或建议将配色选择交给 Academic Figure Color Expert]

---

注意事项

1. 领域自适应：根据论文具体领域（CV/NLP/Robotics/Medical）调整配图建议
2. 贡献导向：确保每个核心创新点都有对应的配图
3. 视觉叙事：配图顺序应符合读者理解论文的逻辑路径
4. 灵活调整：根据论文实际篇幅和投稿要求调整配图数量
5. 后续衔接：规划完成后，建议使用「Academic Figure Prompt」技能生成具体提示词