Paper Comic

Paper Method Illustrated — 论文方法图解

把论文的核心方法用视觉图解彻底讲清楚。

与其他技能的本质区别

快速开始

/paper-comic /path/to/paper.pdf
/paper-comic https://arxiv.org/abs/2512.xxxxx
/paper-comic /path/to/paper.pdf --style sketchnote
/paper-comic /path/to/paper.pdf --style paper-figure --language English --pages 1

---

图片生成：自动检测

和paper-analyzer一样，不硬编码任何API。运行时自动检测：

不写死任何API key、token或endpoint在SKILL.md里。

---

核心哲学

我们只画三样东西

1. 方法流程 — 输入→处理→输出，这方法到底怎么走的 2. 核心机制 — 最创新的那个部分，拆开来看内部构造 3. 关键结果 — 只放最重要的实验结果，不放灌水数据

我们不画的东西

• ❌ 相关工作/背景介绍（那是paper-analyzer文字部分的事）
• ❌ 抽象的"灵感来源"（没有信息量的图 = 浪费）
• ❌ 文字就能说清楚的东西（一句话能讲完不需要画）
• ❌ 第N个消融实验的柱状图

每一张图的标准

一个完全没读过论文的人，只看这张图+图上的标注文字，能不能理解这个机制？

能 → 通过。不能 → 拆成两张，或者加更多标注。

---

生成前必须确认

默认不要直接生成图片。先读论文、给出推荐方案，再向用户确认。

只有当用户已经明确给出足够完整的生成意图时，才可以跳过确认，例如：

• “生成一张中文 sketchnote 方法总览图”
• “生成 4 张：封面、总览、两个机制细节，英文 paper-figure”
• “按你推荐的全部生成，中文，sketchnote”

如果用户只给了论文链接、只说了风格（如“sketchnote”）、或只说“生成图解”，仍然必须确认，因为风格不等于范围/张数授权。

确认时必须覆盖：

1. 图片语言：中文 / English / 双语 2. 生成范围：只要封面图、只要方法总览图，还是概述图 + 若干机制细节图 + 结果图 3. 推荐张数：基于论文复杂度给出建议，并说明为什么，如“我建议6张，因为这篇论文有整体架构、两个核心attention机制、编码器/解码器结构和关键实验结果” 4. 视觉风格：sketchnote 或 paper-figure 5. 用途：README/文章封面/小红书/演示文稿/论文阅读笔记（用途决定横竖比例和文字密度）

确认话术示例：

我读完后建议生成6张：1张封面、1张方法总览、3张机制细节、1张关键结果。也可以只生成1张总览图，或者扩展到8张把每个机制讲更细。你想生成哪种范围？语言用中文/英文/双语？风格用 sketchnote 还是 paper-figure？

如果用户没有回答，不要继续生成。

---

两种视觉风格

默认推荐 sketchnote。当用户想要“像论文 Figure 一样专业”“方法框架图”“技术架构图”“放 README 第一屏很震撼”时，推荐 paper-figure。

sketchnote 风详细规范

• 明亮温暖的浅米白底（接近 #FFF8EA / #FAF4E6），像干净的手抄报纸或课堂讲义
• 不要牛皮纸、旧羊皮纸、暗角、污渍、泛黄边缘或明显做旧纹理
• 主体是黑色手绘线条+文字，有墨迹粗细变化
• 重点概念用清爽的彩铅/马克笔质感强调（深蓝/珊瑚红/橄榄绿/柔和黄色），颜色轻快但不过饱和
• 箭头和连线带有手绘的不完美感
• 文字是手写体（英文可选手写风格，中文保持清晰可读）
• 整体像一份明亮、温暖、信息充实的研究手抄报，不是复古笔记、不是幼稚漫画
• 可以加入少量帮助理解的趣味符号：放大镜、星号、便签、圈注、手绘小灯泡、简化小图标
• 趣味元素必须服务理解，不能抢走方法图主体
• 主体图解应占画面 75%-85%，避免大块空白；如果页面留白明显，优先增加局部放大框、小例子、维度标注或对比说明
• 每一页右下角有"手写"页码

paper-figure 风详细规范

• 白底或极浅灰底，像 NeurIPS / Nature / Science 论文中的高质量方法总览图
• 使用干净的矢量感模块：圆角矩形、矩阵小格、流程箭头、分组框、编号步骤
• 配色克制但现代：黑/深灰为主，1-2个强调色（蓝、青、橙、紫任选其一到两种）
• 结构比原论文图更清楚：保留核心机制，重新组织布局，避免照抄原图
• 可以有小型结果示意、矩阵热力图、token序列、模块堆叠、对比路径
• 标注像论文图注中的短标签：精准、短、专业
• 适合横版 16:9、4:3 或竖版 2:3；README 首屏优先横版或宽图

---

工作流程

Step 1：分析论文 → 提取"可图解内容"

读完论文后，列出论文的所有内容点，然后只保留需要图解的部分：

必须图解（每个1-2页）：

• 方法的整体流程/架构（输入→各模块→输出）
• 每个核心创新机制（拆开看内部）
• 最有说服力的那个实验结果

可选图解（如果方法复杂才加）：

• 方法的变体/扩展
• 关键的数据处理流程
• 与baseline的可视化对比

不图解：

• 相关工作（文字提一句就行）
• 多个类似的消融实验
• 背景知识介绍

Step 2：给出推荐并确认需求

先输出一个简短推荐，不要立刻生成：

我建议生成 6 张：
1. 封面图：论文一句话贡献 + 视觉锚点
2. 方法总览图：解释整体输入、核心模块、输出
3. 核心机制A：拆开最重要的创新点
4. 核心机制B：解释训练/推理/数据流中的关键环节
5. 核心机制C：补足容易误解的内部细节
6. 关键结果图：用一张图说明为什么有效

也可以：
- 只生成 1 张总览图
- 生成 3 张：总览 + 2 张核心机制
- 扩展到 8-10 张，把每个机制讲得更细

请确认：
- 语言：中文 / English / 双语
- 风格：sketchnote / paper-figure
- 范围：只要封面/总览，还是生成全部推荐图？

如果用户没有回答，不要继续生成。

Step 3：确定页数

根据论文复杂度，AI只做推荐，最终由用户确认：

规则：最少1页，最多10页。宁少勿多——1张总览图讲清楚，比10张讲糊涂好。

Step 4：为每一页写详细的内容描述

不是"生成prompt"，而是先用自然语言描述清楚这一页到底要表达什么：

第3页：多头注意力机制的内部构造

这一页要讲清楚：Q、K、V是怎么算出来的，它们之间怎么交互。

画面布局（从左到右）：
- 左侧：输入x，一个向量表示
- 中间上方：三条线分别到三个方框（Linear_Q, Linear_K, Linear_V）
- 三个方框各产出Q、K、V三个矩阵
- 中间核心区域：Q和K做点积→除以√dk→softmax→得到注意力权重
- 权重和V相乘→输出
- 右侧：多个这样的"头"并行排列，最后拼接

关键标注：
- 每个方框旁标运算和维度（如"Linear_Q: x→Q(d×dk)"）
- Q×K^T的计算用可视化的矩阵乘法图（小格图）
- softmax后的权重用颜色深浅表示（越深=越关注）

要求：描述要具体到"这个箭头从哪到哪，这个方框里写什么字"。

同时检查每页的信息密度：

• 如果只是大标题 + 少量模块，说明这一页太空，必须补充机制小例子、局部放大、输入输出维度或关键对比
• 如果内容超过一页可读范围，拆成两页，不要把所有文字塞进同一张图
• 封面图可以更概念化；机制细节图必须优先讲清楚“怎么做”

Step 5：生成图片

根据当前运行环境自动选择生图后端。为每一页创建prompt文件 → 用结构化prompt生成。

结构化prompt格式（参考但不照抄baoyu）：

【类型】流程分解图
【风格】sketchnote
【语言】中文
【主题】多头注意力机制内部构造
【视觉结构】
- 水平布局，从左到右5个区域
- 每个区域用虚线框隔开
- 关键路径用粗箭头连接

【要标注的文字】
1. Input: x ∈ R^(n×d)
2. Q = xW_Q ... (完整标注)
...

【颜色限制】
- 背景：明亮浅米白，不要泛黄旧纸
- 主色：黑色手绘线条
- 强调色：深蓝/珊瑚红/橄榄绿/柔和黄色，少量使用
- 其他：保持清爽手抄报感，避免复古暗色

【禁止】
- 不要代码块
- 不要照片写实
- 不要3D渲染
- 不要生成用户没有确认的额外页面
- 不要旧羊皮纸、暗角、污渍、重纸纹、黄褐色复古调
- 不要大面积空白；主体图解占画面75%-85%

Step 6：输出

生成 [topic]-illustrated.md：

# [论文标题] — 图解

## 论文信息
- 论文：[链接]
- 风格：sketchnote
- 页数：6

## 封面
![封面](00-cover.png)
**一句话**：[论文做了什么，为什么重要]

## 第1页：方法总览
![方法流程](01-method-overview.png)
**讲解**：整个方法从输入到输出的完整流程。关键看第X步，这是本文的创新。

## 第2页：核心机制A — [名称]
![核心机制A](02-mechanism-a.png)
**讲解**：这个机制解决了XX问题。具体做法是...关键设计在于...

[重复...]

## 总结：3个核心要点
1. [要点1]
2. [要点2]  
3. [要点3]

---

质量标准

好的图解

• ✅ 一张图只看一眼就知道在讲什么
• ✅ 标注文字精确、简练、不啰嗦
• ✅ 流程箭头清晰，有明确的"从这里到那里"
• ✅ 关键部分用颜色/大小做了视觉强调
• ✅ 不看论文原文也能理解

差的图解

• ❌ 信息堆砌，什么都想画进去
• ❌ 文字太多，图变成了装饰
• ❌ 流程不清晰，不知道先看哪后看哪
• ❌ 画了但没解释——放了一张架构图但没标注关键点
• ❌ 和论文Figure 1一模一样——那你画的有什么意义

---

参考文件

• references/base-prompt.md — 图解生成基础规范（结构、文字、色彩要求）
• references/styles/sketchnote.md — 温暖科研笔记风
• references/styles/paper-figure.md — 论文框架图风

论文方法图解 — 基础规范

图片规格

• 竖版 2:3 比例
• 高清，所有标注文字清晰可读
• 背景颜色按具体风格要求
• 生成前必须确认用户选择了生成范围和张数；不要生成未确认的额外页面

构图原则

信息层次

1. 标题：页面顶部，简短说明本页主题（如"方法总览""核心机制：注意力计算"） 2. 主体：视觉图解占页面75%-85%面积 3. 标注：关键节点旁的文字解释，简洁精确

视觉流向

• 明确的方向性（左→右，或上→下，或中心向外扩散）
• 用箭头、线条、数字序号引导阅读顺序
• 不要出现"不知道该看哪"的混乱布局

重点强调

• 本页的核心创新点用强调色标记（边框加粗/填充色/高亮区域）
• 非关键辅助信息用浅色处理，不抢焦点

信息密度

• 机制图不能只画大标题和几个孤立模块；必须包含足够的内部步骤、局部放大或小例子
• 如果画面空白超过约25%，优先补充：关键公式短标注、输入/输出维度、矩阵小格、token示例、before/after对比、注意力热力图
• 如果一页无法清楚容纳所有信息，拆成多页，不要牺牲可读性
• 封面图允许更概念化；细节图必须优先解释“怎么做”

---

文字标注规范

标注内容

• 每个方框/节点旁标注名称（如"Embedding""Self-Attention""FFN"）
• 关键数据维度（如"d=512""n=12 heads"）
• 重要的数学关系用简短文字（如"Q×K^T""÷√dk"），不用完整LaTeX公式

标注位置

• 紧贴所标注的对象
• 不遮挡关键视觉元素
• 多个标注不重叠

标注语言

• 专业术语保留英文（如"Transformer""Attention""Embedding"）
• 解释性文字用中文
• 标注文字精简——能用3个字不用10个字

---

颜色使用

限制原则

• 主色+强调色，不超过3种颜色
• 不用渐变色、不用过饱和色
• 颜色用于区分，不用于装饰
• sketchnote 风格使用明亮浅米白/奶油白背景；禁止旧纸、暗角、污渍、黄褐色复古调

颜色含义

• 深色/粗线 = 核心路径/关键结构
• 浅色/细线 = 辅助信息/上下文
• 强调色 = 本页要你记住的那一个点

---

每页必含

• [ ] 页面顶部标题
• [ ] 清晰且占画面主体的核心视觉元素（流程图/结构图/对比图）
• [ ] 关键节点的文字标注
• [ ] 方向性引导（箭头/数字/线条）
• [ ] 本页唯一的核心强调点（用颜色/大小突出）
• [ ] 对机制细节页，至少包含一个局部放大、小例子、维度说明或关键公式短标注

每页禁止

• [ ] 不要出现任何代码块
• [ ] 不要照片级写实渲染
• [ ] 不要3D立体效果
• [ ] 文字标注不要连成一段话（每个标注独立、简短）
• [ ] 不要画"装饰性"元素（和内容无关的图案、花纹）
• [ ] 不要大面积空白
• [ ] sketchnote 不要画成旧羊皮纸、泛黄档案或复古日记

paper-figure — 论文框架图风

像一张重新设计过的顶会论文 Figure：专业、清楚、信息密度高，但比原论文图更适合传播。

氛围

• 像 NeurIPS / ICLR / Nature / Science 论文中的方法总览图
• 不是蓝图、不是海报、不是漫画
• 目标是让读者在30秒内理解论文核心方法

视觉规范

画布

• 白底或极浅灰底
• README 首屏优先横版 16:9 或 4:3
• 机制拆解图可用竖版 2:3

图元

• 干净的矢量感模块：圆角矩形、矩阵小格、token序列、分组框、编号步骤
• 箭头精确、方向明确，主路径比辅助路径更粗
• 允许使用小型热力图、曲线、结果缩略图、模块堆叠、对比路径

文字

• 无衬线字体，像论文图中的短标签
• 标注必须短：模块名、变量名、关键操作、1行解释
• 语言遵循用户确认：中文 / English / 双语

色彩

• 黑/深灰为主
• 只使用1-2个强调色，例如蓝+橙、青+紫
• 强调色用于核心贡献、关键路径或对比，不做装饰

生成原则

• 可以参考论文原始框架图的概念，但必须重新组织信息，不能复刻原图
• 概述图要覆盖输入、核心模块、输出和关键贡献
• 细节图要把一个机制拆清楚，不要把所有东西塞进一页
• 结果图只放最有说服力的一条结果，不做完整实验表格

禁止

• 不要蓝底白线工程图纸风
• 不要3D渲染
• 不要用大段文字解释
• 不要复制论文原图布局
• 不要做成PPT封面或营销海报

sketchnote — 温暖手抄报科研笔记风

像一张被精心整理过的研究手抄报：明亮、温暖、清爽，但仍然专业。

氛围

• 温暖、个人化、有思考的温度
• 清爽明亮，像课堂讲义/研究手抄报，而不是复古旧纸
• 不像机器生成的冷冰冰配图
• 让人想凑近看细节，像是在读一页认真整理过的方法笔记

视觉规范

底色

• 明亮浅米白或奶油白（建议 #FFF8EA / #FAF4E6 / #FFFDF7）
• 纸面干净，可以有极轻微纸感，但不能有明显纹理
• 不要牛皮纸、旧羊皮纸、暗角、污渍、黄褐色边缘、泛黄旧照片感
• 整体观感应是“温暖干净”，不是“老旧复古”

线条

• 黑色手绘风格线条，有自然的笔触粗细变化
• 不是完美的矢量直线——允许轻微的不规则，但不能潦草
• 粗线 = 核心结构，细线 = 辅助连接

文字

• 手写体风格（英文选sketch/casual字体，中文保持可读但略带手写感）
• 标注文字整洁，不能太潦草影响可读性
• 标题字体比标注字稍大、稍粗

强调

• 强调色：深蓝（#2C5F8A）、珊瑚红（#D85C4A）、橄榄绿（#5C6B4F）、柔和黄色（#F3D36B）
• 强调方法：手绘虚线边框、淡彩填充、马克笔下划线、局部放大圈
• 不要大面积重色块，保持轻快、清晰、手抄报感

信息密度

• 主体机制图应占画面 75%-85%，不要只有标题和稀疏模块
• 如果留白过多，优先补充：局部放大框、一步一步的小例子、输入/输出维度、关键公式短标注、before/after 对比
• 一张图只讲一个主机制，但要把这个机制讲透
• 封面图可以更概念化；机制细节图必须有足够可读细节

理解锚点（克制使用）

• 小箭头（手绘三角箭头）
• 小圈/小点标注
• 重要结论旁可以有一个星号或下划线
• 简化小图标：放大镜、便签、灯泡、括号圈注、手绘警示线
• 抽象小比喻：例如“注意力聚光灯”“信息路由”“记忆桥”，但必须服务机制解释
• 右下角手写页码

注意

• 不要真实的纸张纹理照片（太乱了）
• 保持在"手绘的精致"和"手绘的随意"之间的平衡
• 整洁但不冷，温暖但不乱
• 不要变成剧情漫画，不要画人物对话框抢走论文机制
• 不要把 sketchnote 画成旧日记、羊皮纸、藏宝图或泛黄档案