agentleFS
labdapslabdaps/labskills/skills/paper-png/SKILL.md

paper-png

Skill2 starsChanged 48 days agoMITView on GitHub

Gera figuras científicas de alta qualidade (PNG 300 DPI, fundo transparente) a partir do conteúdo de um paper científico, recebido como PDF anexo, link de URL, ou DOI, seguindo o estilo editorial de journals como Elsevier, JMLR e NeurIPS: paleta neutra, tipografia serifada, bordas finas, sem gradientes. Use esta skill SEMPRE que o usuário pedir "/paper-png", "gera uma figura para o paper", "cria uma imagem científica", "diagrama para publicação", "figura para artigo", "ilustração para o meu paper", "converte em figura de journal", "gera PNG do diagrama", "cria figura científica do paper", ou quando um PDF / link de paper for enviado com pedido de ilustração, diagrama de fluxo, figura de metodologia, figura de resultado ou qualquer figura destinada a publicação acadêmica. Produz PNG 300 DPI com fundo transparente, pronto para \includegraphics{} no LaTeX.

The file

Files
SKILL.md

Skill /paper-png: gerador de figuras científicas para papers

Transforma conteúdo de um artigo científico (PDF, URL ou DOI) em figura PNG de alta resolução, no estilo visual de journals de referência (Elsevier / JMLR / NeurIPS).


Quando acionar

  • Gatilho explícito: /paper-png
  • PDF de paper + pedido de figura, diagrama, fluxograma ou ilustração
  • Link ou DOI de paper + pedido de figura
  • Pedidos como: "cria uma figura da metodologia", "diagrama do pipeline", "figura de resultado", "ilustra o algoritmo", "figura para o meu artigo", "gera uma imagem científica"

Fluxo de execução

Passo 1: Ler a referência de estilo

Antes de qualquer código, ler:

"${CLAUDE_SKILL_DIR}/references/style_guide.md"

Este arquivo contém: paleta de cores exata, tamanhos de fonte, hierarquia tipográfica, regras de layout e os valores Python prontos para copiar.


Passo 2: Obter o conteúdo do paper

Caso A, PDF anexado:

  • Ler o PDF com a ferramenta Read (ou pdftotext se for longo)
  • Extrair: título, autores, venue/ano, objetivo, metodologia/pipeline, resultados principais

Caso B, URL ou link:

  • Usar web_fetch na URL fornecida
  • Se for arXiv (arxiv.org/abs/XXXX), converter para PDF: arxiv.org/pdf/XXXX
  • Extrair as mesmas seções do Caso A

Caso C, DOI:

  • Construir URL: https://doi.org/{DOI} e usar web_fetch
  • Se for paywall, tentar web_search com título + "PDF" ou "preprint"
  • Extrair o que for acessível; indicar ao usuário se o acesso for parcial

Conteúdo mínimo necessário para prosseguir:

  • Título do paper e autores
  • Objetivo / problema central
  • Metodologia ou pipeline (etapas, componentes, fluxo)
  • Se pedido de figura de resultado: métricas numéricas principais

Passo 3: Identificar o tipo de figura

Com base no conteúdo extraído e no pedido do usuário, classificar:

TipoQuando usarReferência de layout
FluxogramaPipeline, algoritmo iterativo, processo com decisão"${CLAUDE_SKILL_DIR}/references/layout_flowchart.md"
Diagrama de arquiteturaModelo ML, sistema com componentes, DAG"${CLAUDE_SKILL_DIR}/references/layout_architecture.md"
Figura de resultadoTabela de métricas visual, comparação de modelos"${CLAUDE_SKILL_DIR}/references/layout_results.md"
Diagrama conceitualTaxonomia, hierarquia, relação entre conceitosadaptar layout_architecture.md

Se o usuário especificou o tipo, usar esse. Se não, inferir do conteúdo e confirmar:

"Vou gerar um fluxograma da metodologia. Correto, ou prefere outro tipo?"


Passo 4: Gerar a figura (Python + PIL)

Especificações obrigatórias:

W, H = <calculado dinamicamente>   # proporção retrato ~1:1.3 a 1:1.6
DPI  = 300
img  = Image.new("RGBA", (W, H), (0, 0, 0, 0))   # fundo TRANSPARENTE

Fontes obrigatórias (DejaVu, suporte completo a Unicode/math):

SANS   = '/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf'
SANS_B = '/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf'
SANS_I = '/usr/share/fonts/truetype/dejavu/DejaVuSans-Oblique.ttf'
MONO   = '/usr/share/fonts/truetype/dejavu/DejaVuSansMono.ttf'
MONO_B = '/usr/share/fonts/truetype/dejavu/DejaVuSansMono-Bold.ttf'

Regras críticas de posicionamento:

  • SEMPRE usar draw.textbbox((0,0), text, font=fnt) para medir texto antes de posicionar
  • NUNCA usar anchor='lm' ou anchor='rm' no PIL, calcular manualmente com textbbox
  • Texto centrado: cx - width//2, cy - height//2
  • Texto alinhado à direita: x - width, cy - height//2
  • Verificar visualmente que nenhum elemento extrapola as bordas do canvas

Paleta e estilo, ver "${CLAUDE_SKILL_DIR}/references/style_guide.md" para valores exatos.

Estrutura do código:

# 1. Importações
from PIL import Image, ImageDraw, ImageFont

# 2. Funções auxiliares (TW, TC, rr, arr_v, arr_h, badge, chip)
# 3. Paleta de cores
# 4. Cálculo de dimensões baseado no conteúdo
# 5. Criação do canvas RGBA transparente
# 6. Desenho: blocos de fase (se houver) → cards → setas → labels → badges
# 7. Salvar em <pasta de figuras do projeto>/<slug>.png com dpi=(300,300)

Passo 5: Preview e validação

Antes de entregar, ler a imagem gerada com a ferramenta Read para verificar:

  • Nenhum texto cortado ou extrapolando bordas
  • Nenhum □ (glifo ausente), se aparecer, substituir por ASCII equivalente
  • Proporção retrato (largura < altura), sem espaço vazio excessivo
  • Fundo transparente confirmado (RGBA, não RGB)
  • Labels de setas dentro dos blocos correspondentes
  • Rail de loop (se existir) visível e com label dentro do canvas

Se houver problemas, corrigir e regenerar antes de entregar.


Passo 6: Entregar

Salvar o PNG com nome descritivo na pasta de figuras do projeto (figures/ ou a que o manuscrito já usa) e entregar com a ferramenta SendUserFile.

Incluir no texto:

  • Dimensões e DPI confirmados
  • Snippet LaTeX para uso imediato:
    \begin{figure}[t]
      \centering
      \includegraphics[width=\textwidth]{<nome_descritivo>.png}
      \caption{<sugestão de caption baseada no paper>}
      \label{fig:<slug>}
    \end{figure}

Regras de qualidade inegociáveis

  1. Fundo transparente, sempre Image.new("RGBA", ...), nunca "RGB"
  2. 300 DPI, sempre img.save(path, dpi=(300,300))
  3. Sem overflow, medir tudo com textbbox antes de posicionar
  4. Sem glifos quebrados, testar símbolos matemáticos com DejaVu antes de usar
  5. Proporção retrato, canvas altura > largura; eliminar espaço vazio com cálculo dinâmico de altura
  6. Paleta neutra, sem cores saturadas; máximo um tom de destaque (bordô ou navy)
  7. Hierarquia legível, título da fase bold 29px, título de card bold 30px, fórmula mono 28px, nota italic 23px (em 1890px de largura)
  8. Preview obrigatório, nunca entregar sem ler a imagem gerada com a ferramenta Read

Exemplos de uso

Com PDF anexo:

/paper-png + arquivo PDF no upload → Extrai metodologia → gera fluxograma da pipeline

Com URL:

/paper-png https://arxiv.org/abs/2303.08774 → Busca o paper → identifica tipo de figura → gera

Com instrução específica:

/paper-png, quero uma figura de resultado com as métricas da Tabela 3 → Extrai Tabela 3 → gera figura de resultado com comparação visual de modelos

Com DOI:

/paper-png 10.1016/j.jbi.2023.104350, diagrama da arquitetura → Acessa via doi.org → extrai arquitetura → gera diagrama de componentes

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.