Génération de figures académiques

VérifiéPrudence

Génère des diagrammes de framework et des graphiques statistiques à partir de texte de méthode en utilisant le cadre multi-agent PaperBanana, et crée des diagrammes draw.io avec images logo intégrées.

Spar Skills Guide Bot
DocumentationIntermédiaire
27/07/2026
Claude Code
#academic-figures#multi-agent#diagram-generation#paper-banana#watermark

Recommandé pour

Synthèse automatique

Génère des figures académiques (diagrammes de framework et graphiques statistiques) à partir du texte descriptif d'une méthode en utilisant le framework multi-agent PaperBanana, et crée des diagrammes draw.io portables avec filigrane de logo intégré.

Points forts

  • Automatisation de la génération de figures à partir de texte de méthode
  • Support des diagrammes de framework et des graphiques statistiques
  • Filigrane de marque intégré automatiquement
  • Fichiers draw.io portables avec images embarquées

Limites

  • Nécessite l'installation du dépôt PaperBanana et la configuration du modèle
  • Le filigrane est obligatoire et ne peut être retiré
  • La qualité dépend du modèle sous-jacent et du nombre d'itérations du critique
Quand l'utiliser

Lors de la préparation d'articles académiques nécessitant des figures cohérentes et générées automatiquement à partir de descriptions de méthodes.

Quand l'éviter

Lorsque vous avez besoin d'un contrôle manuel précis sur chaque élément de la disposition de la figure.

Analyse de sécurité

Prudence
Score qualité85/100

The skill uses Bash to clone an external GitHub repository and install its requirements, which is a moderate supply-chain risk. It runs Python scripts that generate figures via network API calls, but does not exfiltrate data or perform destructive actions. No obfuscated or harmful commands detected.

Points d'attention
  • •Clones external repository (PaperBanana) and installs dependencies, introducing supply-chain risk.
  • •Executes Python scripts that call external AI models, which could incur costs or unintended usage.
Comment cette analyse est faite

Exemples

Basic framework diagram
Generate a framework diagram from the following method text: 'We propose a novel architecture consisting of an encoder, a feature extractor, and a classifier. The encoder takes raw input and transforms it into latent features. These features are then passed to the extractor which refines them, and finally to the classifier for prediction.' with caption 'Figure 1: Overall architecture' and save as /path/to/output.png
Statistical chart from data
Generate a statistical chart showing performance comparison between our method (Ours), Baseline A, and Baseline B on accuracy metric. Data: Ours=92.5, A=88.3, B=85.1. Caption: 'Figure 2: Accuracy comparison'. Save as /path/to/chart.png
Portable draw.io diagram
Create a draw.io diagram for a pipeline with three components: Data Input, Processor, and Output. Use the logo from the imgs folder as a watermark. Save as pipeline.drawio

name: paper-banana description: Academic Figure Generation - Generate framework diagrams and statistical charts from method text using PaperBanana multi-agent framework, and create draw.io diagrams with embedded logo images allowed-tools: Bash, Read, Write user-invocable: true

Paper Banana - Academic Figure Generation

MANDATORY WATERMARK RULE: Every image generated by this skill — whether raster (PNG/JPG) via generate_figure.py or draw.io XML via generate_drawio.py — MUST embed the Paper Banana logo (paper-banana/imgs/logo.png) in one corner of the final output as a watermark. This is a non-negotiable branding requirement. When using generate_figure.py, composite the logo onto the output image before saving. When using generate_drawio.py, include an additional logo node anchored to a corner of the canvas.

Automatically generate academic figures from paper method section text using the PaperBanana multi-agent framework (Planner → Visualizer → Critic loop).

Prerequisites

# 1. Clone PaperBanana
git clone https://github.com/paperbanana/PaperBanana.git ~/PaperBanana

# 2. Install dependencies
cd ~/PaperBanana
pip install -r requirements.txt

# 3. Configure model (edit configs/model_config.yaml)
# Set OpenAI-compatible API base URL, API key, and model name

Core Commands

SCRIPT=~/.claude/skills/yjyddq/paper-banana/scripts/generate_figure.py

# Basic usage
python3 $SCRIPT \
  --content "Method text (Markdown format)" \
  --caption "Figure 1: Framework diagram title" \
  --output ./figure.png

# Read content from file
python3 $SCRIPT \
  --content @method_section.md \
  --caption "Figure 1: Pipeline overview" \
  --output ./fig1.png

# High-quality mode (full pipeline + more iterations)
python3 $SCRIPT \
  --content @method.md \
  --caption "Figure 2: Architecture" \
  --output ./fig2.png \
  --exp-mode demo_full \
  --critic-rounds 5

# Generate statistical charts
python3 $SCRIPT \
  --content "Experimental results data..." \
  --caption "Figure 3: Performance comparison" \
  --output ./fig3.png \
  --task plot

CLI Arguments

| Argument | Default | Description | |----------|---------|-------------| | --content | (required) | Method text, supports @filepath to read from file | | --caption | (required) | Figure title / visual intent description | | --output | (required) | Output image path (.png / .jpg) | | --task | diagram | Task type: diagram (framework diagram) or plot (statistical chart) | | --aspect-ratio | 16:9 | Aspect ratio | | --exp-mode | demo_planner_critic | Pipeline mode | | --retrieval-setting | none | Reference retrieval strategy | | --critic-rounds | 3 | Maximum Critic iteration rounds | | --image-model-name | (config file) | Override image generation model | | --paperbanana-dir | ~/PaperBanana | PaperBanana project path |

Pipeline Mode Comparison

| Mode | Workflow | Use Case | |------|----------|----------| | demo_planner_critic | Planner → Visualizer → Critic × N | Fast generation, recommended default | | demo_full | Retriever → Planner → Stylist → Visualizer → Critic × N | More polished, includes style optimization |

Output Format

The script outputs JSON to stdout:

{
  "status": "success",
  "output": "/absolute/path/to/figure.png",
  "format": "PNG",
  "size": "1920x1080",
  "exp_mode": "demo_planner_critic",
  "task": "diagram"
}

On failure:

{
  "status": "error",
  "message": "Error description"
}

Draw.io Diagrams with Embedded Logos

Generate draw.io (diagrams.net) XML files with logo images from imgs/ embedded as base64 data URIs. The resulting .drawio files are fully portable — no external image references needed.

Logo Directory

Place logo images (PNG/JPG/GIF/SVG/WebP) in imgs/ under the skill directory:

paper-banana/imgs/
├── logo.png
├── model_icon.png
└── database.svg

Draw.io Commands

DRAWIO_SCRIPT=~/.claude/skills/yjyddq/paper-banana/scripts/generate_drawio.py

# List available logos
python3 $DRAWIO_SCRIPT --list-logos

# Generate diagram from JSON config file
python3 $DRAWIO_SCRIPT \
  --config @diagram_config.json \
  --output ./architecture.drawio

# Inline JSON config
python3 $DRAWIO_SCRIPT \
  --config '{"nodes":[{"id":"a","label":"Planner","logo":"logo.png","x":100,"y":100},{"id":"b","label":"Visualizer","x":300,"y":100}],"edges":[{"source":"a","target":"b","label":"plan"}]}' \
  --output ./pipeline.drawio

# Custom logo directory
python3 $DRAWIO_SCRIPT \
  --config @config.json \
  --output ./diagram.drawio \
  --logo-dir /path/to/custom/logos

Config JSON Format

{
  "title": "System Architecture",
  "nodes": [
    {"id": "n1", "label": "Planner Agent", "logo": "logo.png", "x": 100, "y": 100, "width": 120, "height": 80, "logo_size": 40},
    {"id": "n2", "label": "Visualizer", "x": 300, "y": 100},
    {"id": "n3", "label": "Critic", "logo": "logo.png", "x": 500, "y": 100}
  ],
  "edges": [
    {"source": "n1", "target": "n2", "label": "plan"},
    {"source": "n2", "target": "n3", "label": "image"}
  ]
}

Node fields:

| Field | Required | Default | Description | |-------|----------|---------|-------------| | id | yes | — | Unique node identifier | | label | no | same as id | Display label | | logo | no | — | Logo filename from imgs/ directory (embedded as base64) | | x, y | no | auto-layout | Position in pixels | | width | no | 120 | Node width | | height | no | 80 | Node height | | logo_size | no | 40 | Logo image size in pixels | | style | no | — | Custom draw.io style string (overrides default) |

Edge fields:

| Field | Required | Default | Description | |-------|----------|---------|-------------| | source / from | yes | — | Source node id | | target / to | yes | — | Target node id | | label | no | "" | Edge label | | style | no | — | Custom draw.io edge style |

Draw.io CLI Arguments

| Argument | Default | Description | |----------|---------|-------------| | --config | (required) | Diagram config: JSON string or @filepath | | --output | (required) | Output .drawio file path | | --logo-dir | imgs/ (skill dir) | Directory containing logo images | | --list-logos | — | List available logos and exit |

Draw.io Output Format

{
  "status": "success",
  "output": "/absolute/path/to/diagram.drawio",
  "format": "drawio",
  "nodes": 3,
  "edges": 2,
  "logos_embedded": ["logo.png"]
}

Comparison with drawio

| Dimension | paper-banana | drawio | |-----------|-------------|--------| | Output type | Raster image (PNG/JPG), AI-generated | Vector graphic (XML), manual/rule-based | | Use case | Paper method diagrams, framework diagrams, schematic illustrations | Flowcharts, ER diagrams, architecture diagrams | | Editability | Non-editable (raster) | Fully editable (XML) | | Visual quality | High (AI-stylized) | Medium (engineering diagram style) | | Generation speed | Slow (multiple AI call rounds) | Fast (direct XML generation) |

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/academic-figure-generation-ms2s7bn6/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/academic-figure-generation-ms2s7bn6' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/academic-figure-generation-ms2s7bn6/download' --output '.skill-downloads/academic-figure-generation-ms2s7bn6/SKILL.md.part' && mv '.skill-downloads/academic-figure-generation-ms2s7bn6/SKILL.md.part' '.skill-downloads/academic-figure-generation-ms2s7bn6/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Outils déclarés par l’auteur (à vérifier dans votre agent) : Bash, Read, Write

Extrait original : Prerequisites
# 1. Clone PaperBanana
git clone https://github.com/paperbanana/PaperBanana.git ~/PaperBanana

# 2. Install dependencies
cd ~/PaperBanana
pip install -r requirements.txt

# 3. Configure model (edit configs/model_config.yaml)
# Set OpenAI-compatible API base URL, API key, and model name

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/academic-figure-generation-ms2s7bn6/SKILL.md' && test -s '.skill-downloads/academic-figure-generation-ms2s7bn6/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/paper-banana' && cp -R '.skill-downloads/academic-figure-generation-ms2s7bn6' '.claude/skills/paper-banana'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/academic-figure-generation-ms2s7bn6'

openskills read 'academic-figure-generation-ms2s7bn6'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/academic-figure-generation-ms2s7bn6/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires