Use this skill whenever the user wants to analyze an academic paper, identify figure-worthy content, plan which figures to generate, suggest figure types and count per section, or says "分析论文配图需求", "论文需要哪些图", "论文配图规划", "paper figure planning", "analyze paper for figures", or "which figures does my paper need".
id academic-figure-paper-analyzer name Academic Paper Analyzer & Figure Planner version 1.0.0 description Use this skill whenever the user wants to analyze an academic paper, identify figure-worthy content, plan which figures to generate, suggest figure types and count per section, or says "分析论文配图需求", "论文需要哪些图", "论文配图规划", "paper figure planning", "analyze paper for figures", or "which figures does my paper need". stages ["research","review"] tools ["bash"] 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： 当前可判断的图类型 还不能判断的部分 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
[论文主题、主要贡献、推荐配图总数]
[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]
[逐章节列出推荐配图类型、理由、建议内容]
[按优先级列出必须有/强烈推荐/推荐的配图]
[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 领域自适应 ：根据论文具体领域（CV/NLP/Robotics/Medical）调整配图建议 贡献导向 ：确保每个核心创新点都有对应的配图 视觉叙事 ：配图顺序应符合读者理解论文的逻辑路径 灵活调整 ：根据论文实际篇幅和投稿要求调整配图数量 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