paper-diagram-skill#

从论文（PDF 或纯文本）自动生成学术插图的完整工具链。

工具概览#

工具功能调用方式draw.py论文可视化主流程python draw.py [args]pdf_to_text.pyPDF → 纯文本提取python pdf_to_text.py [args]

---

工具 1：PDF → Text 提取#

将 PDF 文件转换为纯文本，供 draw.py 使用。

bash

# 基本用法
python {baseDir}/scripts/pdf_to_text.py "/path/to/paper.pdf"

# 限制页数（取前 20 页）
python {baseDir}/scripts/pdf_to_text.py "/path/to/paper.pdf" --max-pages 20

# 输出到文件
python {baseDir}/scripts/pdf_to_text.py "/path/to/paper.pdf" -o extracted.txt

支持的后端（自动选择）： pdfminer.six → PyMuPDF → pdfplumber → PyPDF2 → pypdf

注意：推荐先安装 pip install pdfminer.six，提取质量最高。

---

工具 2：论文图生成#

快速开始#

bash

# 方式 A：从 PDF 直接生成（自动提取 + 画图）
python {baseDir}/scripts/draw.py \
  --pdf-path "/path/to/paper.pdf" \
  --user-requirement "Transformer 架构图" \
  --api-url "https://api.example.com/generate" \
  --api-key "sk-your-key"

# 方式 B：扫描模式（自动识别所有可图化内容）
python {baseDir}/scripts/draw.py \
  --pdf-path "/path/to/paper.pdf" \
  --mode scan

# 方式 C：批量生成（选定的图）
python {baseDir}/scripts/draw.py \
  --pdf-path "/path/to/paper.pdf" \
  --mode scan \
  --scan-results "<base64-encoded-results>" \
  --selected-ids "1,3,5" \
  --api-url "..." --api-key "..."

# 方式 D：直接传入论文文本
python {baseDir}/scripts/draw.py \
  --paper-content "论文纯文本内容..." \
  --user-requirement "画一个算法流程图" \
  --style cvpr

核心参数#

参数说明默认值--pdf-pathPDF 文件路径（会自动提取文本）—--paper-content直接传入论文纯文本—--user-requirement用户对图片的描述—--mode``single(单图) 或 scan(全篇扫描)single``--api-url生图 API 地址环境变量--api-key生图 API 密钥环境变量--style学术风格: cvpr neurips icml nature``cvpr``--skip-check跳过自校核False--section-ref对应论文章节（如 Section 3.1）—

环境变量#

生图 API 凭证按以下优先级自动解析， 任意一个有值即可：

优先级API Key 变量API URL 变量1 (推荐)BANANA2_API_KEY``BANANA2_API_URL2ACEDATA_API_KEY``PAPER_DIAGRAM_API_URL3PAPER_DIAGRAM_API_KEY—

未设置 URL 时默认 https://api.acedata.cloud/nano-banana/images

推荐在 ~/.openclaw/openclaw.json 中配置：

json

{
  "skills": {
    "paper-diagram": {
      "env": {
        "BANANA2_API_URL": "https://api.acedata.cloud/nano-banana/images",
        "BANANA2_API_KEY": "your-api-key-here",
        "PAPER_DIAGRAM_LLM_URL": "https://your-llm-api/v1/chat/completions",
        "PAPER_DIAGRAM_LLM_KEY": "your-llm-key-here",
        "PAPER_DIAGRAM_LLM_MODEL": "gpt-4"
      }
    }
  }
}

生成的图类型#

类型说明生成方式teaser动机/概念对比图Mermaid → AI 生图architecture系统架构图Mermaid → AI 生图flowchart算法流程图Mermaid → AI 生图environment实验环境图Mermaid → AI 生图results结果对比图Matplotlib 代码绘图（精确数据）

学术风格预设#

预设场景主色调cvprCV/CG 会议蓝色系neuripsML/NLP 会议紫橙系icmlML 会议蓝红绿系natureScience/Nature 期刊柔蓝柔绿

输出#

• 图片文件：保存到 outputs/ 目录（或设置的输出目录）
• LaTeX 图注：可直接复制到论文
• Word 图注：纯文本格式
• Mermaid 拓扑：可导出用于其他绘图工具

自校核机制#

生成图前会自动对比拓扑描述与原文：

• ✅ 一致 → 直接生成
• ⚠️ 小问题 → 询问用户（接受 / 重新生成 / 手动修改）
• ❌ 严重错误 → 建议重新生成

---

推荐工作流#

text

论文 PDF
  │
  ▼
pdf_to_text.py  ──→  纯文本
  │                  │
  ▼                  ▼
draw.py (scan)   draw.py (single)
  │                  │
  ▼                  ▼
扫描报告           指定描述 → 生成单张图
  │
  ▼
用户选择 (e.g. 1,3,5)
  │
  ▼
draw.py (batch)  ──→  多张图 + LaTeX 图注

安装依赖#

bash

pip install pdfminer.six requests

可选（提升 PDF 提取质量）：

bash

pip install pymupdf pdfplumber pypdf