面向 Nature Portfolio 与高影响力期刊的证据驱动科研绘图技能。用于从原始或汇总数据设计单图与多面板 figure、选择合适图形语法、编写 Python/R 绘图代码、重绘现有图件、生成机制示意图草案、撰写图注并导出可编辑 SVG/PDF 与高分辨率 TIFF/PNG;同时检查数据完整性、颜色可访问性、统计标注和最终尺寸可读性。触发场景包括 Nature 绘图、科研作图、论文配图、scientific figure、publication plot、multi-panel figure、graphical abstract、机制图、图形摘要和 figure audit。
Scanned 9/6/2026
Install to Claude Code
npx -y skills add LeonChaoX/qinyan-academic-skills --skill qinyan-nature-figures --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Qinyan Nature Figures?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/leonchaox-qinyan-nature-figures)More formats (shields.io, HTML) on the badges page.
---
name: qinyan-nature-figures
description: 面向 Nature Portfolio 与高影响力期刊的证据驱动科研绘图技能。用于从原始或汇总数据设计单图与多面板 figure、选择合适图形语法、编写 Python/R 绘图代码、重绘现有图件、生成机制示意图草案、撰写图注并导出可编辑 SVG/PDF 与高分辨率 TIFF/PNG;同时检查数据完整性、颜色可访问性、统计标注和最终尺寸可读性。触发场景包括 Nature 绘图、科研作图、论文配图、scientific figure、publication plot、multi-panel figure、graphical abstract、机制图、图形摘要和 figure audit。
---
# 沁言 Nature 科研绘图
先定义图要证明什么,再决定画什么。期刊级图件是证据结构、视觉层级、数据诚信和可复现导出的共同产物。
## 路由
- **定量图件**:使用 Python(matplotlib/seaborn)或 R(ggplot2/patchwork/ComplexHeatmap)。
- **机制图或图形摘要**:先建立概念与关系清单,再使用矢量工具或可用的图像生成能力制作草案;不得用 AI 图替代定量证据。
- **已有图件审查**:同时检查图源代码、最终导出和最终版面尺寸,不能只看屏幕截图。
优先服从用户现有语言与项目栈。用户未指定且不存在项目约束时,默认使用 Python,并在交付中说明;只有选择会显著影响复现或协作时才询问。
## 图件契约
绘图前写出:
1. `Conclusion`:读者看完图后应能复述的一句话。
2. `Evidence hierarchy`:主证据、支持证据、对照与边界。
3. `Panel map`:每个面板的任务、数据和与其他面板的关系。
4. `Data contract`:变量、单位、独立样本、缺失、排除和变换规则。
5. `Statistics contract`:估计量、误差、检验、校正、`n` 与配对/重复结构。
6. `Export contract`:栏宽、目标尺寸、字体、矢量/栅格、分辨率和 source data。
详细模板读取 [references/figure-contract.md](references/figure-contract.md)。
## 执行流程
1. **审计数据。** 保留输入行数、排除规则、变换和聚合前后计数;不得静默删除异常或缺失值。
2. **选择图形。** 根据科学问题、变量类型和实验层级选图,不按“看起来像顶刊”选图。读取 [references/chart-selection.md](references/chart-selection.md)。
3. **规划版面。** 先安排主面板与阅读顺序,再写绘图代码;面板数量服务论证,不追求填满页面。
4. **编码与导出。** 固定随机种子、字体、尺寸、颜色、排序和导出参数;保留可运行源码。
5. **写图注。** 说明样本、`n`、中心量、误差、检验、校正、符号和缩写,使图注可独立理解。
6. **自动预检。** 执行 `python scripts/figure_preflight.py <source.py|source.R> --artifact <figure.svg> ...`。
7. **视觉核验。** 在最终印刷尺寸检查标签、图例、线宽、遮挡、色盲可辨识、面板一致性和缩放后的栅格清晰度。
8. **交付溯源包。** 提供源码、导出文件、source data、参数说明、排除记录和剩余风险。
视觉与导出标准读取 [references/visual-standards.md](references/visual-standards.md)。
## 默认交付
```text
Figure contract
- Conclusion:
- Evidence hierarchy:
- Panel map:
- Data/statistics contract:
- Export contract:
Artifacts
- source:
- vector:
- raster:
- source data:
Integrity log
- input rows:
- exclusions:
- transformations:
- output rows:
Preflight and visual QA
- passed:
- warnings:
- author checks:
```
## 质量门槛
- 图形类型与数据结构、实验单位和统计推断一致。
- 主图尽量展示观测分布或个体点,而非只显示柱高与星号。
- 颜色不作为唯一编码;使用色盲可辨且语义稳定的配色。
- 面板标签、字体、线宽、单位和小数精度一致。
- 矢量文本保持可编辑;照片或显微图按目标尺寸满足分辨率要求。
- 所有排除、平滑、截断、归一化和聚合均可追溯。
- 图注与正文使用相同 `n`、检验、误差和比较方向。
- 机制示意图明确区分已证实关系、推测路径和视觉隐喻。
## 资料路由
| 任务 | 读取 |
|---|---|
| 结论、证据层级、面板、数据与导出契约 | `references/figure-contract.md` |
| 按变量和科学问题选择图形 | `references/chart-selection.md` |
| 字体、颜色、尺寸、矢量/栅格、图注和最终 QA | `references/visual-standards.md` |
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!