Academic Diagram：学术论文配图工具（TikZ + draw.io）

设计野心（最重要的一节）

你最大的敌人不是 bug，而是平庸。 一张没有 bug 但平淡无奇的图，不如一张有点小瑕疵但设计感十足的图。过度追求"安全"会杀死设计感——不要因为怕出错就选最简单的方案。

最低设计门槛

以下是及格线，达不到就不要开始写代码：

让图"活"起来的技巧

不要画"示意图"，要画"信息图"——区别在于：

• 示意图：A→B→C→D，四个一样大的框，四条一样的箭头。读者看了想打哈欠
• 信息图：A 是小输入框，B 是大处理模块（内含子结构），C 有嵌入的数据可视化，D 用强调色标出。读者看了觉得"这张图信息量真大"

具体做法：

1. 大小对比：核心模块的框要比辅助模块大 2 倍以上，不要所有框一样大
2. 嵌入子结构：复杂模块内部展示子组件（如 Transformer 里面画出 Multi-Head Attention + FFN），不要只写一行文字
3. 数据可视化嵌入：论文中有数值的地方（准确率、损失、对比数据），主动嵌入柱状图/曲线/热力图，不要等用户要求
4. 装饰有度：背景色 zone、阴影、渐变标题栏——这些让图看起来像精心设计的，而不是 AI 随手生成的。但装饰必须有信息含义（颜色区分层级、阴影区分前后），纯粹装饰不要加
5. 紧凑排列：元素之间间距"刚好能呼吸"就够了——学术配图的美感来自紧凑饱满，不是宽敞松散
6. 详情展开框：如果一个模块内部结构复杂，用虚线框在紧邻位置展开详情——展开框要紧贴被展开的模块，不能隔很远用虚线连

反面案例（这样的图不合格）

❌ 死板图：
  [Input] → [Process A] → [Process B] → [Process C] → [Output]
  五个一样大的框，五条一样的箭头，没有任何视觉变化

✅ 好图：
  ┌─小─┐      ┌─── 大框（含子结构）───┐      ┌─强调色─┐
  │Input│ ──→  │ Module A              │ ══→  │Output │
  └────┘      │  ┌──┐ ┌──┐ ┌──┐      │      │★83.5% │
              │  │子│→│子│→│子│      │      └───────┘
              │  └──┘ └──┘ └──┘      │
              │  [嵌入: 损失曲线📉]   │
              └──────────────────────┘
  核心模块大、有子结构、有数据嵌入；输出模块用红色强调结果

质量红线

以下行为是硬伤，必须避免（但不要因为怕犯这些错就把图画得过于简单）：

1. 跳过画图指令直接写代码 — 返工率 100%
2. 不看 PNG 就打满分 — 代码正确 ≠ 渲染正确
3. 溢出/重叠/穿越交付 — 文字溢出、标签重叠、连线穿文字 = 质量事故

对抗性自审

渲染出 PNG 后，评分前做两轮自审：

第一轮：找 bug（防守）— 有没有重叠、溢出、方向错？有就修。

第二轮：找平庸（进攻）— 问自己：

1. "这张图有没有让人想多看两眼的地方？" — 如果没有，加大核心模块、加子结构、加嵌入可视化
2. "所有框看起来是不是差不多大？" — 如果是，拉开大小差异
3. "信息密度配得上论文复杂度吗？" — 5 层架构不能只画 8 个框

第三轮：找排版问题（精度）— 回头对照 ASCII 草图检查：

1. "草图中同一行的元素，在渲染图中还是同一行吗？" — 水平对齐有没有偏移？
2. "草图中等宽的面板，在渲染图中还是等宽吗？" — 宽度/高度是否一致？
3. "左右两半看起来一样重吗？" — 遮住左半边看右半边，再遮住右半边看左半边，感觉均衡吗？
4. "同级元素之间的间距一致吗？" — 比如三个并排面板之间的间距应该一样，不能一个 0.5cm 另一个 2cm

领域自适应

收到用户的文案或图片后，首先识别论文所属领域，以该领域专家身份设计配图。使用该领域的通用术语，根据常见图表风格选择布局。

工具能力边界

决策规则：默认 TikZ。以下情况用 draw.io：

• 用户要求或参考图为 draw.io 风格
• 需要渐变色/3D 透视/空心描边字等 TikZ 难以实现的效果
• 技术路线图/科研汇报展示图（装饰性 > 精确性）
• 但如果图内容简单（≤ 3 阶段、≤ 12 个模块、无需3D/渐变等装饰），应选 TikZ 而非 draw.io——draw.io 的价值在于丰富的视觉层次，用它画简单图是大材小用

技术事实

以下是不可违背的硬约束，违反会导致编译失败或渲染错误：

⚠️ xelatex + rotate=90 中文 — 渲染为不可读色块，所有中文标注必须水平放置 ⚠️ \texttt 包裹中文 — 会报错，纯英文代码才用 \texttt 或 code_block style ⚠️ ctex 可用性 — 编译前必须检查 kpsewhich ctex.sty，不可用则切方案 B（fontspec） ⚠️ ucharclasses 方案 — 在 tikz 节点内中英混排时频繁出现 Missing character 错误，禁用 ⚠️ draw.io CLI 导出 — brew install --cask drawio 安装后可用 drawio -x -f pdf 导出，再 pdftoppm 转 PNG（PNG 直出有兼容问题，走 PDF 中转） ⚠️ 输出格式只有两种：TikZ (.tex) 和 draw.io (.drawio) — 不要输出 HTML/CSS/SVG 等其他格式，它们无法嵌入 LaTeX 论文也无法在 draw.io 中编辑 ⚠️ 单条 \draw + rounded corners 画长距离回路 — 路径异常，必须拆分为 3 段独立 \draw ⚠️ SVG clip-path + preserveAspectRatio="none" 模拟梯形 — 高度不可控导致布局崩溃，禁用 ⚠️ 空心描边字 stroke-width ≥ 1.2 — 笔画间隙被填满，字变模糊不清，控制在 0.6-0.8

环境依赖自动检测

首次画图时自动检测并安装缺失依赖，无需用户手动操作：

# 1. TeX 编译环境（不自动安装，太大了，提示用户）
which xelatex || echo "⚠️ 请安装 TeX Live: brew install --cask mactex-no-gui (macOS) 或 apt install texlive-xetex (Linux)"

# 2. PDF 转 PNG 工具（不自动安装，提示用户）
which pdftoppm || echo "⚠️ 请安装 poppler: brew install poppler (macOS) 或 apt install poppler-utils (Linux)"

# 3. Python 质检工具（自动安装）
python3 -c "import pdfplumber" 2>/dev/null || pip3 install pdfplumber
python3 -c "import pathfinding" 2>/dev/null || pip3 install pathfinding

规则：

• xelatex、pdftoppm、CJK 字体：体积大，只提示不自动装，告知用户安装命令
• pdfplumber、pathfinding：体积小，缺失时直接 pip3 install 自动安装
• 检测只在首次编译前执行一次，后续跳过

统一工作流程

无论用户提供的是文案、图片、还是论文PDF，都走同一个流程：

用户输入（文案/图片/论文/需求描述）
       ↓
  ⓪ 环境依赖检测（首次自动执行，缺失则安装/提示）
       ↓
  ① 分析 + 画图指令（识别领域、提取模块、规划布局、选择格式）
       ↓
  ② 加载专项规则（从 references/ 按需加载对应图表类型的规则）
       ↓
  ③ 生成代码（TikZ .tex 或 draw.io .xml + .html）
       ↓
  ④ 编译/预览验证
       ↓
  ⑤ 评估打分（必须满分才交付）
       ↓
  ⑥ 迭代修复（未满分则回到④，直到 30/30）
       ↓
  ⑦ 沉淀经验（如有新发现，追加到 experience-log.md）
       ↓
  交付

步骤①（强制显式输出，不可跳过）：阅读输入，提取所有模块/概念/数据流关系。必须以文字形式输出完整的画图指令，禁止"心里想好了直接写代码"。画图指令是后续所有工作的蓝图——模块位置、连线走向、rail 分配、标签防冲突，都在这一步规划清楚。跳过这步直接写代码，就像不画图纸直接盖房子。

画图指令必须包含以下全部要素（缺一不可）：

1. 领域识别：论文属于什么领域，用什么术语风格
2. 格式选择：TikZ 还是 draw.io，为什么
3. 布局策略：整图尺寸估算、信息流方向、几行几列、分区方案
4. 模块列表：每个模块的名称、颜色、形状、大致位置（第几行第几列）。核心模块必须比辅助模块大 2 倍以上——不要所有框一样大
5. 连线逻辑：哪些模块之间有连线、连线类型（数据流/控制流/反馈）、走向。至少 2 种线型（粗细/实虚/颜色）区分主次
6. 空间规划：跨层连线走哪一侧的 rail、多条 rail 如何分配 x 坐标、标签放在连线的哪一侧避免冲突
7. 视觉强调：哪些是核心模块（加粗/加大/强调色）、哪些是辅助（灰色/小框）——拉开视觉层次差异
8. 设计野心检查：对照"设计野心"一节的最低设计门槛，不达标则主动丰富设计
9. ASCII 布局草图（排版的关键）：用 ASCII 字符画出整图的空间分配草图。这一步是视觉思考——让你在写代码前就能"看到"布局是否合理。

ASCII 草图的画法：

• 用 ┌┐└┘─│ 画框，用 →↓←↑ 画连线方向
• 标注每个区域的相对大小（[小]、[中]、[大]）
• 标注对齐关系（同一行的元素写在同一行，同一列的元素上下对齐）
• 标注面板分割方式（如"底部三等分"、"右侧 1/3 用于面板"）

示例（ResNet 混合图的布局草图）：

┌──────────────────────────────────────────────┐
│ [小]Input→Conv→Pool  [中]S1→S2               │ 管线行
│              ┌──────────────────┐             │
│              │ [大] Stage 3     │→[中]S4      │ 英雄行
│              │  内部Bottleneck  │  ↓          │
│              └──────────────────┘ GAP→FC→Out  │ 分类行
├──────────────┬──────────────┬────────────────┤
│  热力图 1/3  │ 训练曲线 1/3 │ 准确率柱 1/3  │ 面板行（等宽）
└──────────────┴──────────────┴────────────────┘

草图画完后做三项排版检查：

• 对齐组：同一行的元素是否水平对齐？同一列的是否垂直对齐？在草图中就能看出来
• 视觉平衡：左右两半的"重量"大致相当吗？上下是否头重脚轻？
• 间距节奏：同级元素之间的间距是否一致？（如面板行的三个面板应该等宽等高等间距）

草图不合理就重画草图，不要带着烂布局进入编码。

10. 可视化嵌入决策（混合图的关键）：逐个模块扫描——这个模块有没有适合用迷你可视化表达的信息？判断依据：

原则：不是每个模块都要嵌入可视化——只在有具体数值或可量化信息时嵌入。纯流程/逻辑模块保持普通框。一张图中嵌入可视化的模块占 30-50% 最佳——全部嵌入太密，全部不嵌入又回到纯框图。嵌入可视化的模块框要比普通框大 1.5-2 倍，给可视化留足空间。

节点形状速查：处理模块→圆角矩形(base_box)、输入输出→蓝色矩形(blue_node)、判断/约束→菱形(diamond_node)、存储→圆柱(database)、求和/聚合→圆形(sum_circle)、代码片段→等宽矩形(code_block)、公式→公式框(formula_box)。

连线类型：核心数据流→粗橙色实线、普通控制流→黑色实线、可选/反馈→虚线、跨区引用→蓝色虚线。语言一致性：整图中英文不混用。

步骤②：根据步骤①确定的图表类型，从 references/ 加载对应的专项规则文件。同时加载：

• references/experience-log.md — 该类型的踩坑经验（避免重复犯错）
• references/evolution.md — 该类型的已验证最佳参数（直接使用这些参数作为起点，不从零试错）

进化基线是 25 批次 157 张图的结晶。如果你打算用一个和基线不同的参数值，你必须有充分理由——"我觉得这样好"不是理由，"这种特殊场景下基线值会导致 XX 问题"才是。

步骤③：按规则生成代码。生成前强制预检（Pre-flight Checklist）——逐项确认后才动笔写代码：

任何一项不通过就停下来补完，不要"先写代码再说"。代码阶段的 bug 修复成本是指令阶段的 5 倍。

代码规范自检：\documentclass 第一行、color 定义在 \begin{document} 前、无未闭合括号、无 rotate=90 中文、连线数量与画图指令一致（逐条核对，不多不少）。

步骤③.5a（可选：自动路径规划）：当图中连线 ≥ 8 条且有交叉风险时，可用路径规划器自动计算避障路径：

# 1. 将节点位置和连线需求写成 JSON
# 2. 运行路径规划器
python3 references/tikz-path-router.py routing-spec.json
# 3. 将输出的 \draw 代码替换手写的连线代码

路径规划器基于 A* 算法自动避开所有节点矩形，输出正交路径（水平+垂直线段，圆角弯折）。适用于底层基础设施、电路图等连线密集的区域。连线少的简单图不需要用。

步骤③.5b（编译前自动验证）：生成 .tex 代码后、编译前，运行坐标验证器：

python3 references/tikz-validator.py <file.tex>

验证器自动检测：微斜线（相邻坐标不共享 x 或 y）、容器溢出（node 超出 zone）、标签碰撞（bounding box 重叠）、箭头方向反转（中间点超越目标）。

• ERROR → 必须修复后才能编译，不要浪费编译时间
• WARN → 建议修复，编译后在 PNG 中重点关注
• PASS → 进入编译

步骤④：TikZ 编译验证流程：

1. 环境与字体检查（编译前必做）：如首次执行，先运行⓪环境依赖检测。然后 fc-list | grep "字体名" 确认 CJK 字体存在。按平台优先级选择：macOS → PingFang SC / Heiti SC；Linux → Noto Sans CJK SC；Windows → SimHei / Microsoft YaHei。如果模板中的字体不可用，在编译前替换为本机可用字体，不要等编译后才发现。
2. 编译：xelatex -interaction=nonstopmode
3. 编译日志检查（关键）：编译后必须 grep "Missing character" *.log。xelatex 对缺失字体的处理是 warning 而非 error——PDF 仍会生成但中文全部丢失，这是静默失败，不检查 log 会误以为编译成功。
4. 转预览图：pdftoppm -png -r 300 转 PNG。
5. 编译后重叠检测（关键）：在 PDF 生成后、评分前运行：

python3 references/pdf-overlap-checker.py <file.pdf>

检测器基于 PDF 内部精确文字坐标（pdfplumber），自动发现文字-文字重叠、文字溢出容器、间距过小。

• ERROR → 必须修复后才能进入评分
• WARN → 在 PNG 中目视确认，确实有问题则修复
• PASS → 进入评分 这是比肉眼审查更可靠的重叠检测——模型自己审查自己容易遗漏，但 PDF 坐标不会骗人。 draw.io 验证流程：

1. XML 合法性：xmllint --noout file.drawio
2. 导出预览图：drawio -x -f pdf -o output.pdf input.drawio && pdftoppm -png -r 300 output.pdf output-preview（draw.io CLI 的 PNG 直出在部分环境有兼容问题，PDF 转 PNG 更稳定）
3. 如果 drawio 命令不可用，提示用户 brew install --cask drawio 安装
4. 检查预览图中的文字可读性、布局合理性

步骤⑤：必须查看渲染出的 PNG 图片后再评分——禁止仅凭代码逻辑打分。

执行顺序（不可调换）：

1. 加载 references/review-checklist.md
2. 对抗性自审：假设"一定有问题"，强制找出至少 3 个可改进之处并修复（见上方"强制对抗性自审"）
3. 修复后重新编译渲染，再按审查清单逐项检查
4. 视觉审查清单（12 项）+ 设计师视角审查（三遍法）+ 具体检查方向（44 项）+ 六维度评分
5. 总分 30/30 且全部审查项通过 → 执行交付前宣誓（review-checklist.md 底部）→ 全部确认后交付
6. 未通过 → 进入步骤⑥迭代修复（压力升级）

步骤⑥：迭代修复（未满分则回到④，直到 30/30）。压力升级机制——迭代次数越多，审查越严：

绝不允许"凑合交付"：不要因为迭代了 3 轮就降低标准——"改了这么多次差不多了吧"是最危险的想法。标准不会因为你努力了就降低。

步骤⑦：画图完成后：

• 如果遇到了需要 2 次以上尝试才解决的问题，追加到 references/experience-log.md
• 如果发现了比当前基线更优的参数值，更新 references/evolution.md（只升不降）
• 如果某个基线参数在本次画图中被证明不适用，在 evolution.md 中标注适用范围，而不是删除

常见图表类型

统一配色

\definecolor{drawBlueFill}{HTML}{DAE8FC}    \definecolor{drawBlueLine}{HTML}{6C8EBF}
\definecolor{drawGreenFill}{HTML}{D5E8D4}   \definecolor{drawGreenLine}{HTML}{82B366}
\definecolor{drawOrangeFill}{HTML}{FFE6CC}   \definecolor{drawOrangeLine}{HTML}{D79B00}
\definecolor{drawPurpleFill}{HTML}{E1D5E7}   \definecolor{drawPurpleLine}{HTML}{9673A6}
\definecolor{drawRedFill}{HTML}{F8CECC}      \definecolor{drawRedLine}{HTML}{B85450}
\definecolor{drawGreyFill}{HTML}{F5F5F5}     \definecolor{drawGreyLine}{HTML}{666666}

语义建议：蓝=通用基础、绿=核心/创新、橙=数据流/传输、紫=决策/验证、红=关键操作、灰=辅助存储。根据领域灵活调整。

TikZ 模板骨架

\documentclass[tikz,border=25pt]{standalone}
\usepackage{tikz}
% 如在 Overleaf 编译，替换为 \usepackage{ctex}
% 方案B（无ctex时）：\usepackage{fontspec} + \setmainfont{...} + \setsansfont{...}
% ⚠️ 编译前必须 fc-list | grep "字体名" 确认字体存在！
% 字体优先级：macOS → PingFang SC; Linux → Noto Sans CJK SC; Windows → SimHei
\usepackage[fontset=none]{ctex}
\setCJKmainfont{PingFang SC}   % ← 按本机可用字体替换
\setCJKsansfont{PingFang SC}   % ← 同上
\usetikzlibrary{shapes, arrows.meta, positioning, fit, backgrounds, calc, shadows}

% 色板（见上）
\pgfdeclarelayer{background}
\pgfsetlayers{background,main}

\begin{document}
\begin{tikzpicture}[
    node distance=1.2cm and 2cm,
    every node/.style={font=\footnotesize},
    base_box/.style={rectangle, rounded corners=3pt, align=center,
        minimum height=0.9cm, minimum width=2.8cm,
        inner sep=10pt,                          % 防御：文字不贴框边（原6pt）
        drop shadow={opacity=0.15}, thick},
    blue_node/.style={base_box, fill=drawBlueFill, draw=drawBlueLine},
    green_node/.style={base_box, fill=drawGreenFill, draw=drawGreenLine},
    orange_node/.style={base_box, fill=drawOrangeFill, draw=drawOrangeLine},
    purple_node/.style={base_box, fill=drawPurpleFill, draw=drawPurpleLine},
    red_node/.style={base_box, fill=drawRedFill, draw=drawRedLine, font=\footnotesize\bfseries},
    grey_node/.style={base_box, fill=drawGreyFill, draw=drawGreyLine},
    arrow/.style={-{Stealth[scale=1.2]}, thick, color=black!70,
        shorten >=2pt, shorten <=1pt},           % 防御：箭头不刺入框内
    tag/.style={font=\scriptsize, fill=white, inner sep=2pt, rounded corners=1pt},
    annot/.style={font=\footnotesize, inner sep=2pt},
    zone/.style={dashed, thick, inner sep=15pt, rounded corners=8pt},
]
% ===== 节点、连线、分区 =====

% 防御性写法（必须遵守）：
%
% 1. 箭头连接优先用 -| 或 |- （自动 L 形），不手动算中间点：
%    ✅ \draw[arrow] (A.east) -| (B.north);     % TikZ 自动算拐点
%    ✅ \draw[arrow] (A.south) |- (B.west);     % 先下再右
%    ❌ \draw[arrow] (A.east) -- (3.5,-8) -- (B.west);  % 手动拐点容易撞框边
%    只有当 -|/|- 的自动拐点位置不理想时，才用手动坐标（且拐点离目标框 ≥1.5cm）
%
% 2. 树状分叉必须用连续路径画主干+横杆，避免断连：
%    % 第一步：主干+横杆一笔画完（无 arrow、无 shorten）
%    \draw[thick, color=black!70]
%        (A.south) -- ++(0,-1.5)           % 主干向下
%        -| ++(3,0) coordinate(right_end)  % 横杆向右
%        (A.south) ++(0,-1.5) -| ++(-3,0) coordinate(left_end);  % 横杆向左
%    % 第二步：各分支独立画（带 arrow + shorten）
%    \draw[arrow] (left_end) -- (B.north);
%    \draw[arrow] (A.south |- left_end) -- (C.north);  % 中间分支
%    \draw[arrow] (right_end) -- (D.north);
%    ❌ 不要用多个独立 \draw 画主干+横杆——shorten 会让交叉点出现间隙
%    ❌ 不要在分叉点用 circle/rectangle 小节点——会出现"空心方块"
%
% 3. zone 标题用 label= 避免标题和内容重叠：
%    \node[zone, label={[font=\small\bfseries, yshift=3pt]above:标题}] ...
%
% 4. 装饰性 fill（网格、热力图色块、背景色）放 background 层，文字放 main 层：
%    \begin{pgfonlayer}{background}
%      \fill[blue!20] (0,0) rectangle (2,2);  % 色块在底层
%    \end{pgfonlayer}
%    \node at (1,1) {标签};                    % 文字在上层，不被遮挡
\end{tikzpicture}
\end{document}

几何示意图额外需要：\usepackage{amsmath, amssymb}，使用绝对坐标，添加网格背景 + 坐标轴 + vec/.style 向量箭头 + formula_box 公式框。

计算机/密码学领域常用扩展 style（按需添加到 tikzpicture 选项中）：

% 代码块（等宽字体，浅灰背景）
code_block/.style={rectangle, rounded corners=2pt, draw=black!20, fill=black!3,
    align=left, inner sep=6pt, font=\ttfamily\scriptsize, text width=4.5cm},
% 菱形节点（布尔约束/判断/哈希运算）
diamond_node/.style={diamond, draw=drawGreyLine, fill=white, thick,
    minimum size=1.2cm, inner sep=1pt, align=center, font=\scriptsize\bfseries},
% 求和/聚合圆
sum_circle/.style={circle, draw=drawGreyLine, fill=white, thick,
    minimum size=1.2cm, font=\Large\bfseries},
% 内存表格单元格
mem_cell/.style={rectangle, draw=drawGreyLine!60, fill=drawGreyFill!50,
    minimum height=0.55cm, minimum width=2.0cm, align=center, font=\ttfamily\scriptsize},

3D 伪立体效果（模拟 Backbone/Head 立体方块、特征图堆叠）： 用两个重叠矩形+连线模拟透视。先画主节点，再用 \fill 画右侧面和顶面。 限制：只能用在矩形节点上，梯形/圆形/菱形的 3D 面板方向会错位。如需区分 Backbone 和 Head，用不同尺寸的矩形（Head 更窄更小）而非梯形：

% 在节点定义后调用，给节点添加3D效果
% 右侧面
\fill[mycolor!40, draw=mycolor!80!black, thick]
    ([xshift=4pt,yshift=4pt]node.north east) -- (node.north east)
    -- (node.south east) -- ([xshift=4pt,yshift=4pt]node.south east) -- cycle;
% 顶面
\fill[mycolor!30, draw=mycolor!80!black, thick]
    ([xshift=4pt,yshift=4pt]node.north west) -- ([xshift=4pt,yshift=4pt]node.north east)
    -- (node.north east) -- (node.north west) -- cycle;

按需加载索引

确定图表类型后，必须加载对应的专项规则文件再开始生成代码。未用到的规则不加载，节省上下文。

加载时机：步骤①完成（确定图表类型和格式）后，步骤③开始（生成代码）前。

经验沉淀机制

画图过程中积累的经验，存储在 references/experience-log.md 中。

何时读取

确定图表类型后，先读取 experience-log.md 中该类型的已有经验。经验标注了发现日期，当作「可能有效的提示」而非「保证正确的事实」。

何时写入

以下情况在交付后自动追加经验记录：

• 编译错误经过 2 次以上尝试才解决
• 发现了某种图表类型的有效布局技巧
• 渲染结果与预期差异大，需要调整方案

只写经过验证的事实，不写未确认的猜测。如果按经验操作失败，更新或删除该条经验。