Research To Diagram

Research to Diagram

深度调研主题并自动生成知识关系图谱PDF。从研究到可视化的一站式工具。

Description

这个 Skill 接收用户提供的研究主题，自动进行深度网络调研、信息收集、知识整理、结构设计，最终生成专业的可视化关系图谱PDF。与 structure-to-pdf 不同，本 Skill 专注于主动研究和知识挖掘，而非被动的数据转换。

核心特性

• 自动调研：使用 WebSearch 进行多轮深度调研
• 智能整理：自动提取、分类、结构化信息
• 专业设计：根据主题特点选择最佳可视化方案
• 多种输出：支持 Graphviz、PlantUML、Mermaid 等工具
• 高质量PDF：生成矢量图形，可无限缩放

Trigger Conditions

当用户想要：

• 研究某个复杂主题的知识结构（如"红楼梦人物关系"）
• 生成人物关系图、概念图谱、知识图谱
• 理解某个领域的组织架构、技术架构
• 可视化复杂的关系网络
• 需要从零开始研究并可视化某个主题

关键词：

• "调研...并做图"
• "研究...的关系"
• "深度分析...并可视化"
• "生成...知识图谱"
• "画...关系图"（无现成数据）

Workflow

1. 任务规划（TodoWrite）

- 深度调研主题和相关知识
- 设计图谱结构和层次
- 创建可视化图表
- 生成PDF文档

2. 深度调研阶段

• 多轮 WebSearch：从不同角度收集信息
• 主题概述和背景
• 核心要素和人物/概念
• 关系和联系
• 层次和分类
• 信息源记录：保存所有参考资料链接
• 知识提取：识别关键实体和关系

3. 结构设计阶段

根据主题类型选择最佳结构：

人物关系图：

• 家族谱系：多层次树状结构
• 社会网络：网状关系图
• 组织架构：层次化布局

概念图谱：

• 知识分类：树状或思维导图
• 概念关系：有向图
• 流程图：线性或分支流程

技术架构：

• 系统组件：模块化布局
• 依赖关系：层次或网络图
• 数据流向：流程图

4. 可视化实现

优先使用 Graphviz (DOT 语言)：

digraph G {
    // 全局样式
    graph [rankdir=TB bgcolor="#fdfdf5" fontname="Arial Unicode MS"]
    node [shape=box style="rounded,filled" fillcolor="#e8f4f8"]
    edge [fontname="Arial Unicode MS"]

    // 使用 subgraph cluster 分组
    subgraph cluster_group1 {
        label="分组名称"
        node1 [label="节点1"]
        node2 [label="节点2"]
    }

    // 定义关系
    node1 -> node2 [label="关系类型" color=red]
}

备选工具：

• PlantUML：UML 图、时序图
• Mermaid：简单流程图、时序图

5. PDF 生成

dot -Tpdf diagram.dot -o output.pdf

6. 文档整理

可选生成说明文档，包含：

• 研究主题概述
• 图谱说明
• 参考资料来源（Sources）
• 使用说明

设计原则

视觉设计

1. 颜色编码：使用不同颜色区分类别 2. 形状区分：不同类型实体用不同形状 3. 层次清晰：使用 subgraph cluster 分组 4. 关系标注：边的颜色、样式、标签表达关系类型 5. 中文支持：使用 "Arial Unicode MS" 或系统中文字体

信息层次

1. 标题层：主标题 2. 分组层：主要类别/家族 3. 实体层：具体人物/概念 4. 关系层：连接和标注 5. 图例层：说明符号含义

布局策略

• rankdir=TB：自上而下（家族树、组织架构）
• rankdir=LR：从左到右（流程图、时间线）
• rankdir=BT：自下而上（依赖图）
• splines=ortho：正交边（清晰的组织图）
• splines=curved：曲线边（美观的关系网）

输出文件

默认保存位置：~/Downloads/ 或用户指定目录

生成文件：

• <topic>_relations.dot - Graphviz 源文件
• <topic>_relations.pdf - 最终PDF图谱
• <topic>_sources.md - 参考资料（可选）

使用示例

示例 1：文学作品人物关系

用户：深度调查《三国演义》里人物之间的关系，然后做个结构图 PDF

Skill 执行： 1. 调研三国主要人物、阵营、关系 2. 设计：魏蜀吴三大阵营 + 人物层次 + 联盟/对抗关系 3. 使用 Graphviz 创建多层次关系图 4. 生成 PDF

示例 2：技术概念图谱

用户：研究 Kubernetes 架构并生成可视化图谱

Skill 执行： 1. 调研 K8s 核心组件、架构层次 2. 设计：控制平面/数据平面/插件生态 3. 生成技术架构图 4. 输出 PDF

示例 3：历史事件关系

用户：分析二战主要国家和联盟关系，做成图表

Skill 执行： 1. 调研参战国家、阵营、关键时间节点 2. 设计：轴心国/同盟国/中立国关系网 3. 生成带时间线的关系图 4. 输出 PDF

与 structure-to-pdf 的区别

何时使用本 Skill：

• ✅ 没有现成数据，需要从零研究
• ✅ 想要深度了解某个主题的知识结构
• ✅ 需要权威来源支持的可视化

何时使用 structure-to-pdf：

• ✅ 已有结构化数据
• ✅ 需要快速转换为图表
• ✅ 数据格式简单清晰

依赖工具

必需：

• Graphviz: brew install graphviz (macOS)
• WebSearch: Claude Code 内置

可选：

• PlantUML: brew install plantuml
• Mermaid CLI: npm install -g @mermaid-js/mermaid-cli

配置选项

用户可以通过参数自定义：

• --tool: 指定可视化工具 (graphviz/plantuml/mermaid)
• --layout: 指定布局方向 (TB/LR/BT/RL)
• --output: 指定输出目录
• --depth: 调研深度 (quick/medium/deep)
• --sources: 是否生成参考资料文档

最佳实践

1. 明确主题范围：主题越具体，图谱越清晰 2. 合理分组：使用 cluster 将相关实体分组 3. 控制复杂度：单个图谱不超过 50 个节点 4. 渐进细化：先生成总览图，再深入细节 5. 颜色一致：同类实体使用相同配色 6. 标注来源：在 PDF 底部或单独文档标注参考资料

常见图谱类型模板

人物关系图模板

- 家族/组织用 cluster 分组
- 人物用 box/ellipse，重要人物用特殊形状
- 血缘关系用实线，婚姻用红色，其他用虚线
- 添加图例说明符号含义

概念图谱模板

- 顶层概念在上方
- 子概念逐层展开
- is-a 关系用实线，has-a 用虚线
- 使用颜色区分不同类别

技术架构图模板

- 分层架构用 rankdir=TB
- 组件用矩形，服务用圆角矩形
- 依赖关系用箭头
- 关键路径用粗线或特殊颜色

故障排除

中文显示乱码：

graph [fontname="Arial Unicode MS"]
node [fontname="Arial Unicode MS"]
edge [fontname="Arial Unicode MS"]

图谱过于复杂：

• 使用 concentrate=true 合并相同边
• 分割成多个子图
• 使用不同的 rankdir

布局不理想：

• 调整 ranksep 和 nodesep
• 使用 rank=same 强制节点同层
• 尝试不同的 splines 设置

版本历史

• v1.0 (2026-01-02): 初始版本
• 基于《红楼梦》人物关系图谱项目总结
• 支持 Graphviz 自动生成
• 集成 WebSearch 深度调研
• TodoWrite 任务管理

Skill 选择指南：research-to-diagram vs structure-to-pdf

快速决策

有现成的结构化数据？
  ├─ 是 → 使用 structure-to-pdf
  └─ 否 → 需要调研收集资料？
        ├─ 是 → 使用 research-to-diagram
        └─ 否 → 自己准备数据后用 structure-to-pdf

详细对比

使用场景示例

✅ 使用 research-to-diagram 的场景

1. 文学作品人物关系研究

用户输入：

深度调查《红楼梦》里人物之间的关系，然后做个结构图 PDF

为什么选它：

• ❌ 用户没有提供人物列表
• ✅ 需要调研四大家族、金陵十二钗等信息
• ✅ 需要理解复杂的家族关系网络
• ✅ 需要权威来源支持

2. 技术概念学习

用户输入：

研究 Kubernetes 架构并生成可视化图谱

为什么选它：

• ❌ 用户对 K8s 架构不完全了解
• ✅ 需要调研核心组件、架构层次
• ✅ 需要理解组件间关系
• ✅ 需要最新文档和最佳实践

3. 历史事件分析

用户输入：

分析二战主要国家和联盟关系，做成图表

为什么选它：

• ❌ 关系复杂，用户未提供详细数据
• ✅ 需要调研轴心国、同盟国成员
• ✅ 需要理解时间线和关系变化
• ✅ 需要历史准确性

✅ 使用 structure-to-pdf 的场景

1. 组织架构可视化

用户输入：

把这个组织结构转成 PDF 图表：
CEO
├── CTO
│   ├── Dev Team Lead
│   └── QA Team Lead
├── CFO
└── COO

为什么选它：

• ✅ 用户已提供完整结构数据
• ❌ 不需要额外调研
• ✅ 快速生成即可
• ✅ 数据简单清晰

2. 流程图绘制

用户输入：

把这个审批流程画成图：
申请 → 部门审批 → 财务审批 → 总经理签字 → 完成

为什么选它：

• ✅ 流程已完全定义
• ❌ 不需要调研
• ✅ 线性结构简单
• ✅ 追求速度

3. 已有数据转换

用户输入：

把这份 JSON 格式的依赖关系转成可视化图表：
{
  "moduleA": ["moduleB", "moduleC"],
  "moduleB": ["moduleD"],
  "moduleC": ["moduleD", "moduleE"]
}

为什么选它：

• ✅ 数据完整且结构化
• ❌ 不需要外部信息
• ✅ 直接转换即可
• ✅ 明确的输入输出

混合使用策略

有时候可以先用 research-to-diagram 研究，再用 structure-to-pdf 细化：

场景：复杂项目架构设计

第一步 - 使用 research-to-diagram：

"研究微服务架构的最佳实践，生成概览图"

→ 获得标准的微服务架构模板和最佳实践

第二步 - 使用 structure-to-pdf：

"根据我们公司的实际情况，把这个具体的服务清单画成架构图：
- 用户服务（Python + Flask）
- 订单服务（Go + gRPC）
- 支付服务（Java + Spring）
- ..."

→ 快速生成定制化的具体架构图

决策树

开始
  ↓
是否有完整的结构化数据？
  ├─ 是 → 数据是否需要调研补充？
  │       ├─ 是 → research-to-diagram
  │       └─ 否 → structure-to-pdf ⭐
  │
  └─ 否 → 主题是否需要深度研究？
          ├─ 是 → research-to-diagram ⭐
          └─ 否 → 先准备数据 → structure-to-pdf

特殊情况

1. 时间紧迫

• 有数据：structure-to-pdf（<1分钟）
• 无数据：手动快速收集 → structure-to-pdf

2. 需要权威来源

• 必须用 research-to-diagram
• 原因：自动记录所有参考资料来源

3. 数据保密

• 私有数据：structure-to-pdf（不上网）
• 公开主题：research-to-diagram

4. 需要多次迭代

• 第一版：research-to-diagram（研究框架）
• 后续版本：structure-to-pdf（快速调整）

实际案例对比

案例 1：公司组织架构

情况 A - 新加入公司，不了解架构：

"调研互联网公司的典型组织架构，帮我理解结构"

→ 使用 research-to-diagram

情况 B - HR 提供了组织架构表：

"把这个 Excel 表格的组织架构画成图"

→ 使用 structure-to-pdf

案例 2：学习新技术

情况 A - 初学者想了解 React 生态：

"研究 React 生态系统并生成知识图谱"

→ 使用 research-to-diagram

情况 B - 已学习完毕，想做笔记：

"把我整理的这些 React 概念关系画成图"

→ 使用 structure-to-pdf

案例 3：历史研究

情况 A - 探索历史事件：

"分析唐朝藩镇割据的形成过程和关系网络"

→ 使用 research-to-diagram

情况 B - 已有笔记整理：

"把我整理的唐朝藩镇列表和关系画成图"

→ 使用 structure-to-pdf

关键判断标准

选择 research-to-diagram 如果：

1. ✅ 你想学习某个主题 2. ✅ 你需要权威来源支持 3. ✅ 你不清楚完整的知识结构 4. ✅ 你需要深度理解关系网络 5. ✅ 你愿意花 2-5 分钟等待

选择 structure-to-pdf 如果：

1. ✅ 你已经知道所有信息 2. ✅ 你手头有完整数据 3. ✅ 你只需要快速可视化 4. ✅ 数据结构简单清晰 5. ✅ 你需要立即得到结果

总结

两个 Skill 是互补的，不是竞争关系：

• research-to-diagram = 🔍 研究员 + 📚 图书管理员 + 🎨 设计师
• "我不知道，帮我研究并画出来"

• structure-to-pdf = ⚡ 快速转换器 + 🎨 排版工具
• "我知道数据，帮我快速画出来"

黄金法则：

没数据找 research-to-diagram，有数据用 structure-to-pdf！

Research to Diagram - 使用指南

从研究到可视化的一站式知识图谱生成工具。

快速开始

1. 安装依赖

# macOS
brew install graphviz

# Ubuntu/Debian
sudo apt-get install graphviz

# 验证安装
dot -V

2. 使用 Skill

直接向 Claude Code 描述你的研究需求：

# 示例 1：文学作品人物关系
"深度调查《红楼梦》里人物之间的关系，然后做个结构图 PDF"

# 示例 2：技术架构研究
"研究 Kubernetes 的架构并生成可视化图谱"

# 示例 3：历史事件分析
"分析春秋战国时期各国关系，做成关系图"

工作流程

用户输入主题
    ↓
WebSearch 深度调研
    ↓
信息提取与整理
    ↓
结构设计
    ↓
生成 Graphviz DOT
    ↓
编译为 PDF
    ↓
提供下载链接和参考资料

模板示例

人物关系图

适用场景：

• 文学作品人物分析
• 历史人物关系
• 家族谱系
• 组织人员结构

参考模板：examples/character_relationships.dot

特点：

• 使用 cluster 分组家族/团体
• 不同颜色区分类别
• 红色实线表示婚姻，黑色表示血缘
• 虚线表示其他关系

概念图谱

适用场景：

• 知识体系梳理
• 学科分类
• 概念关系分析
• 思维导图

参考模板：examples/concept_map.dot

特点：

• 树状层次结构
• 核心概念在顶部
• 颜色编码不同类别
• 虚线表示关联关系

技术架构图

适用场景：

• 系统架构设计
• 微服务架构
• 技术栈可视化
• 组件依赖关系

参考模板：examples/tech_architecture.dot

特点：

• 分层架构（客户端/网关/应用/数据）
• 不同形状表示不同组件类型
• 实线=同步调用，虚线=异步
• 包含图例说明

手动生成 PDF

如果你有 .dot 文件，可以使用提供的脚本生成 PDF：

# 使用脚本
bash ~/.claude/skills/research-to-diagram/scripts/generate_pdf.sh input.dot output.pdf

# 或直接使用 dot 命令
dot -Tpdf input.dot -o output.pdf

# 生成其他格式
dot -Tpng input.dot -o output.png  # PNG 图片
dot -Tsvg input.dot -o output.svg  # SVG 矢量图

Graphviz 常用配置

布局方向

graph [rankdir=TB]  // 上到下
graph [rankdir=LR]  // 左到右
graph [rankdir=BT]  // 下到上
graph [rankdir=RL]  // 右到左

节点形状

node [shape=box]        // 矩形
node [shape=ellipse]    // 椭圆
node [shape=circle]     // 圆形
node [shape=diamond]    // 菱形
node [shape=cylinder]   // 柱状（数据库）
node [shape=component]  // 组件

边的样式

edge [style=solid]      // 实线
edge [style=dashed]     // 虚线
edge [style=dotted]     // 点线
edge [style=bold]       // 粗线
edge [arrowsize=0.8]    // 箭头大小

中文支持

graph [fontname="Arial Unicode MS"]
node [fontname="Arial Unicode MS"]
edge [fontname="Arial Unicode MS"]

// 或使用系统字体
graph [fontname="STHeiti"]  // macOS 黑体
graph [fontname="SimHei"]   // Windows 黑体

颜色方案

常用颜色：

• #ffd700 - 金色（重要）
• #ff6347 - 番茄红（主要）
• #87ceeb - 天蓝色（次要）
• #98fb98 - 淡绿色（辅助）
• #ffb6c1 - 粉红（特殊）

颜色命名：

• red, blue, green, yellow, purple, orange
• lightgrey, lightblue, lightgreen

高级技巧

1. 强制节点同层

{rank=same; node1; node2; node3}

2. 隐藏边（控制布局）

node1 -> node2 [style=invis]

3. 合并相同边

graph [concentrate=true]

4. 调整间距

graph [
    nodesep=1.0    // 节点水平间距
    ranksep=1.5    // 层级垂直间距
]

5. 跨 cluster 连接

graph [compound=true]
node1 -> node2 [ltail=cluster_a lhead=cluster_b]

常见问题

Q: 中文显示为乱码或方框

A: 确保设置了中文字体：

graph [fontname="Arial Unicode MS"]
node [fontname="Arial Unicode MS"]
edge [fontname="Arial Unicode MS"]

Q: 图谱太复杂，布局混乱

A: 1. 使用 concentrate=true 合并边 2. 调整 nodesep 和 ranksep 增大间距 3. 分割成多个子图 4. 使用 rank=same 控制布局

Q: 边的标签重叠

A: 1. 减少标签长度 2. 使用 labeldistance 和 labelangle 调整位置 3. 改用 xlabel 代替 label

Q: PDF 文件太大

A: 1. 使用 SVG 格式：dot -Tsvg input.dot -o output.svg 2. 减少节点数量，提高抽象层次 3. 分割成多个图表

Q: 想要水平布局

A: 将 rankdir=TB 改为 rankdir=LR

参考资源

• Graphviz 官方文档
• DOT 语言指南
• 节点形状参考
• 颜色名称列表

与 structure-to-pdf 的对比

选择建议：

• 📚 研究型任务 → 使用 research-to-diagram
• 🔄 转换型任务 → 使用 structure-to-pdf

示例项目

1. 红楼梦人物关系图

输入：

深度调查《红楼梦》里人物之间的关系，然后做个结构图 PDF

输出：

• hongloumeng_relations.dot - 源文件
• hongloumeng_relations.pdf - 152KB PDF
• 包含四大家族、金陵十二钗、宝黛钗三角关系

特色：

• 7个 subgraph cluster 分组
• 50+ 人物节点
• 多种关系类型（血缘、婚姻、联姻）
• 完整图例说明

2. Kubernetes 架构图

输入：

研究 Kubernetes 架构并生成可视化图谱

可能输出：

• 控制平面组件（API Server, Scheduler, Controller Manager）
• 数据平面组件（Kubelet, Kube-proxy）
• 插件生态（CNI, CSI, CRI）
• 组件间通信关系

3. 三国人物关系

输入：

分析《三国演义》主要人物关系，生成关系图

可能输出：

• 魏蜀吴三大阵营
• 君臣关系、兄弟关系、联盟关系
• 重要战役节点
• 人物命运走向

版本历史

• v1.0 (2026-01-02)
• 初始发布
• 基于红楼梦人物关系图项目经验
• 支持 Graphviz/DOT 自动生成
• 集成 WebSearch 深度调研
• 提供三种模板（人物/概念/技术）

贡献

欢迎提交：

• 新的图谱模板
• 最佳实践案例
• Bug 报告
• 功能建议

许可证

MIT License

Research to Diagram - 使用示例

如何触发这个 Skill

直接向 Claude Code 描述你的研究需求即可，无需使用特殊命令。

示例 1：文学作品人物关系

输入

深度调查《红楼梦》里人物之间的关系，然后做个结构图 PDF

Claude 的工作流程

1. ✅ 使用 TodoWrite 规划任务 2. ✅ 多轮 WebSearch 调研：

• 金陵十二钗
• 贾府宁国府、荣国府
• 四大家族（贾史王薛）
• 主要人物关系

3. ✅ 设计图谱结构：

• 7个 cluster 分组
• 50+ 人物节点
• 血缘/婚姻/联姻关系

4. ✅ 创建 Graphviz DOT 文件 5. ✅ 生成 PDF (152KB) 6. ✅ 提供参考资料来源

输出文件

• ~/hongloumeng_relations.dot
• ~/hongloumeng_relations.pdf

关键特性

• 四大家族总览
• 宁国府和荣国府家族树
• 金陵十二钗标记（★）
• 宝黛钗三角关系
• 完整图例说明
• 7个参考资料来源

---

示例 2：技术架构研究

输入

研究 Kubernetes 架构并生成可视化图谱

预期工作流程

1. WebSearch 调研 K8s 组件和架构 2. 整理信息：

• 控制平面：API Server, Scheduler, Controller Manager, etcd
• 数据平面：Kubelet, Kube-proxy, Container Runtime
• 网络插件：CNI
• 存储插件：CSI

3. 设计分层架构图 4. 生成 PDF

可能的输出结构

控制平面
├── API Server
├── Scheduler
├── Controller Manager
└── etcd

数据平面（每个节点）
├── Kubelet
├── Kube-proxy
└── Container Runtime

附加组件
├── CNI (网络)
├── CSI (存储)
└── CoreDNS

---

示例 3：历史事件分析

输入

分析春秋战国时期各国关系，做成关系图

预期工作流程

1. WebSearch 调研春秋战国历史 2. 整理主要国家：

• 战国七雄：齐楚燕韩赵魏秦
• 合纵连横关系
• 主要战役和联盟

3. 设计关系网络图 4. 标注时间线和关键事件 5. 生成 PDF

---

示例 4：概念学习

输入

研究机器学习的主要算法分类并生成知识图谱

预期输出结构

机器学习
├── 监督学习
│   ├── 分类
│   │   ├── 逻辑回归
│   │   ├── 决策树
│   │   ├── 随机森林
│   │   └── SVM
│   └── 回归
│       ├── 线性回归
│       └── 多项式回归
├── 无监督学习
│   ├── 聚类
│   │   ├── K-means
│   │   └── DBSCAN
│   └── 降维
│       ├── PCA
│       └── t-SNE
└── 强化学习
    ├── Q-Learning
    └── Deep Q-Network

---

示例 5：企业研究

输入

研究 FAANG 公司的业务结构并可视化

预期工作流程

1. 调研 Facebook(Meta), Apple, Amazon, Netflix, Google 2. 整理各公司主要业务线 3. 分析业务重叠和竞争关系 4. 生成多维度对比图

---

示例 6：生物分类

输入

生成猫科动物的分类关系图谱

预期输出结构

猫科 (Felidae)
├── 猫亚科 (Felinae)
│   ├── 猫属
│   │   └── 家猫
│   ├── 猞猁属
│   │   ├── 欧亚猞猁
│   │   └── 加拿大猞猁
│   └── 豹猫属
└── 豹亚科 (Pantherinae)
    ├── 豹属
    │   ├── 狮
    │   ├── 虎
    │   ├── 豹
    │   └── 美洲豹
    └── 猎豹属
        └── 猎豹

---

示例 7：地理关系

输入

分析一带一路沿线国家和地区，生成地理关系图

预期特点

• 按地理区域分组
• 标注重要城市和港口
• 显示陆路和海路连接
• 包含经济走廊

---

自定义选项（高级用法）

虽然 Skill 会自动选择最佳配置，但你可以提出特定要求：

指定布局方向

研究公司发展历程并生成时间线图（从左到右布局）

→ Claude 会使用 rankdir=LR

指定输出位置

研究量子计算发展史并生成图谱，保存到 ~/Documents/

指定详细程度

快速研究 React Hooks 并生成简单图谱

→ Claude 会进行较轻量的调研

深度研究 React Hooks 的实现原理并生成详细图谱

→ Claude 会进行深入调研

指定图谱类型

研究微服务架构并生成技术架构图（分层布局）

研究三国人物关系并生成网络关系图（非层次）

---

最佳实践

1. 明确主题范围

❌ 不够具体：

研究中国历史

✅ 具体明确：

研究唐朝安史之乱前后的藩镇关系变化

2. 说明期望的图谱类型

研究 Docker 技术栈并生成【分层架构图】

分析《三体》人物关系并生成【关系网络图】

3. 指出关注重点

研究 Python 生态，重点关注【数据科学】相关库

4. 提供背景信息（可选）

我在学习 GraphQL，想了解它与 REST API 的关系和区别，
帮我研究并生成对比图谱

---

触发关键词

以下任何表述都可能触发这个 Skill：

• "深度调查...关系"
• "研究...并生成图谱"
• "分析...做成图表"
• "生成...知识图谱"
• "画...关系图"（无现成数据时）
• "可视化...结构"（需调研时）
• "调研...并可视化"

---

与其他工具的配合

与 WebSearch 配合

Skill 会自动使用 WebSearch，无需手动指定

与 TodoWrite 配合

自动创建任务追踪，展示工作进度

与 Bash 配合

自动验证 Graphviz 安装和 PDF 生成

---

常见问题

Q: 生成的图谱太复杂怎么办？

A: 可以请求分步生成：

先生成《红楼梦》的主要人物和家族总览图，
然后我们再深入某个家族的详细关系

Q: 可以修改生成的图谱吗？

A: 可以！生成的 .dot 文件可以手动编辑：

帮我修改 hongloumeng_relations.dot，
增加贾府与史家的联姻关系细节

Q: 能生成其他格式吗？

A: 可以请求：

生成 PNG 图片版本

同时生成 PDF 和 SVG 格式

Q: 需要多长时间？

A: 通常 2-5 分钟，取决于：

• 主题复杂度
• 调研深度
• 图谱规模

Q: 调研的信息准确吗？

A: Skill 会：

• ✅ 从多个来源交叉验证
• ✅ 提供所有参考资料链接
• ✅ 使用最新的 WebSearch 结果

---

实际案例展示

案例：《红楼梦》人物关系图

用户输入：

深度调查《红楼梦》里人物之间的关系，然后做个结构图 PDF

生成特点：

• 📊 7 个主要分组
• 👥 50+ 人物节点
• 💑 多种关系类型
• 📚 7 个权威来源
• 📄 152KB 高质量 PDF

文件位置：

• ~/hongloumeng_relations.dot
• ~/hongloumeng_relations.pdf

参考资料： 自动包含所有 WebSearch 来源链接

---

开始使用

现在就试试吧！向 Claude Code 提出你的研究主题：

研究 [你感兴趣的主题] 并生成可视化图谱

Claude 会自动： 1. 📋 规划研究任务 2. 🔍 深度调研收集资料 3. 📊 整理分析信息 4. 🎨 设计图谱结构 5. 📄 生成高质量 PDF 6. 📚 提供参考来源

享受从研究到可视化的一站式体验！