name: diagram-generator description: > 学术图表生成二合一 Skill: CONSORT/STROBE 流程图 + 研究框架图/架构图(SVG)。 触发条件: 用户说"/diagram flow"、"/diagram framework"， 或说"画流程图/CONSORT/STROBE"、"画框架图/架构图/模型图"。 domain: 学术管线 triggers:

• /diagram flow
• /diagram framework neighbors:
• data-profiler（上游: 提供数据字典和缺失分析）
• academic-figure-engine（并行: 处理统计数据图 KM/Forest/热图等）
• manuscript-drafter（下游: 流程图作为 Figure 1，框架图作为方法论配图）
• manuscript-reviewer（验证: Dimension 7 调用流程图的 N 交叉验证功能） allowed-tools: Read, Write, Edit, Glob, Grep, Bash, WebSearch, WebFetch

Diagram Generator — 学术图表生成（2-in-1）

合并自: flow-diagram-generator + autofigure-edit

边界声明

本 Skill 覆盖两类非数据驱动的学术图表:

与其他 Skill 的边界:

• academic-figure-engine: 负责所有统计数据图表（散点图、KM曲线、箱线图、热图等），本 Skill 只做结构/流程类
• data-profiler: 提供数据输入，本 Skill 消费数据生成图

消歧规则

子命令 1: /diagram flow — CONSORT/STROBE 流程图

原 Skill: ~/.claude/skills/flow-diagram-generator/SKILL.md

核心理念

每个 N 都必须有出处。 稿件中出现多个不同的 N（总样本 vs 有随访 vs 完全病例 vs 亚组），如果没有流程图追踪，错误几乎不可避免。

输入

• 必需: 数据文件路径（或 data-profiler 的输出）
• 必需: 分析人群定义（排除条件列表）
• 可选: 稿件路径（用于交叉验证）
• 可选: 研究类型（observational -> STROBE / RCT -> CONSORT）

输出

• flow_diagram.md — 流程图（ASCII + Mermaid 格式）
• population_registry.md — 人群精确 N 登记表
• 可选: flow_diagram.png — 图片版本

执行流程（5 阶段）

Phase 1: 计算人群流转
    - 对每步排除条件，计算 n_before / n_after / excluded
    - 如有分组步骤，记录各组 N

Phase 2: 生成 ASCII 流程图
    - 文本格式，适合直接嵌入 Markdown

Phase 3: 生成 Mermaid 流程图
    - graph TD 格式，可渲染为图片
    - 排除分支用虚线箭头

Phase 4: 人群登记表
    - 为稿件中每个分析锁定精确 N
    | 分析 | 人群名称 | N | 事件数 | 稿件引用位置 |

Phase 5: 稿件交叉验证（可选）
    - 扫描稿件中所有 N=XXX / n=XXX 引用
    - 与人群登记表比对，标记未匹配的 N

出图质量标准

参照 memory/academic-figure-standard.md 五层框架:

1. 数据溯源: 从原始数据逐步计算 N，不从稿件抄
2. 标签精度: 排除原因需分解（如"326 = 281 rare + 45 missing"）
3. 边界条件: 检查 time=0、NaN vs 0 等边缘情况
4. 数据对账: 图上每个 N 写成 assert 断言，全部通过才输出
5. 图文同步: 出图后扫描稿件，修正不一致的数字和措辞
6. 技术规范: 300DPI, bbox_inches='tight', PNG+PDF+TIFF, Arial, 灰白色系

子命令 2: /diagram framework — 研究框架图/架构图(SVG)

原 Skill: ~/.claude/skills/autofigure-edit/SKILL.md

功能说明

将研究方法描述文本转换为可编辑的 SVG 格式框架图。

适用场景:

• AI 模型架构图（输入 -> 特征提取 -> 模型 -> 输出）
• 研究流程图（数据收集 -> 预处理 -> 分析 -> 验证）
• 多模型对比框架图
• 系统工作流图

三种生成方式

方式一: 在线平台（推荐，无需 API 配置）

• 访问 https://deepscientist.cc
• 粘贴方法论文字描述，生成并下载 SVG
• 用矢量图编辑器（Figma/Inkscape）打开编辑

方式二: CLI 本地调用（需要 API Key）

python ~/.claude/skills/autofigure-edit/scripts/wrapper.py \
  --method_text "描述你的研究方法..." \
  --output_dir ./outputs/

方式三: AI 直接生成图像（快速原型）

• 使用本地 LLM 网关调用 gemini-3.1-flash-image 直接生成
• 适合快速原型，需要精确编辑时仍推荐方式一/二的 SVG 管线

import openai, base64, re

client = openai.OpenAI(
    base_url="http://127.0.0.1:8045/v1",
    api_key="sk-074f61e127334c16adb12569d8f162ee"
)

prompt = """Render a scientific methodology diagram based on:
{method_text}
Style: white background, orthogonal arrows, no emoji, top-to-bottom flow.
Do not include figure titles in the image."""

response = client.chat.completions.create(
    model="gemini-3.1-flash-image",
    messages=[{"role": "user", "content": prompt}],
    max_tokens=50000,
)

风格指南

• 医学期刊: 参见 ~/.claude/skills/academic-figure-engine/references/medical_diagram_style_guide.md
• 风格要点: 白底+灰度为主、直线直角（正交连接）、无 emoji/卡通图标、自上而下流向
• 详细图类型专项指南见风格指南文件

Critic 迭代（最多 3 轮）

停止条件: 全部通过 -> 跳出 | 3 轮用尽 -> 使用当前最佳版本

Critic 评估详细标准见 ~/.claude/skills/academic-figure-engine/references/critic_evaluation_criteria.md

路径引用

• 入口脚本: ~/.claude/skills/autofigure-edit/scripts/wrapper.py
• 参考资料: ~/.claude/skills/autofigure-edit/references/
• API Key: ~/.openclaw/credentials/.env -> OPENROUTER_API_KEY

两个子命令的协作

/diagram flow      -->  人群流转图 (Figure 1)
                             |
                             v
/diagram framework -->  方法论总览图 (Figure 2 / Graphical Abstract)

两者可独立运行，也可在同一篇论文中同时使用。flow 侧重数据精度（N 追踪），framework 侧重方法可视化（结构清晰）。

Skill: diagram-generator (2-in-1) Version: 1.0 Created: 2026-03-08 合并自: flow-diagram-generator v1.1 + autofigure-edit v0.1.0