企业官网建设流程全解析

让插图更好看的3种模式：AutoFigure AI图像增强功能（none/code/code2prompt）完整解析

【免费下载链接】AutoFigure项目地址: https://gitcode.com/gh_mirrors/au/AutoFigure

AutoFigure 是一个开源的 AI 科学插图生成系统（ICLR 2026），能从文本描述或论文 PDF 自动生成可发表级别的科学插图。其中最实用的亮点是AI 图像增强（Beautification）功能——它提供none、code、code2prompt三种增强模式，把简单的黑白布局草稿一键变成色彩专业、可直接用于论文和博客的精美科学插图。本文将带你完整看懂这三种模式的原理、区别和选择技巧。

🎨 AutoFigure 图像增强是做什么的？

在生成流程中，AutoFigure 会先输出一张黑白布局图（基于 mxGraph XML / SVG 的方框 + 箭头草稿）。布局虽然准确，但离" publication-ready（可发表级别）"还差一步。

图像增强就是在布局定稿后，调用图像生成模型按你指定的"艺术风格（Art Style）"对草稿进行视觉美化：

• 把灰底的[icon]: 描述占位矩形替换成真正的小图标
• 保留草稿中所有外部文字标签，一个字符都不改
• 应用你指定的配色、阴影、渐变等风格化效果

增强功能的核心实现在 autofigure/enhancer.py 的ImageEnhancer.enhance()方法中，input_type参数就对应三种模式：none、code、code2prompt，默认值在 autofigure/config.py 中定义为code2prompt。

🔍 三种模式一图看懂

三种模式的提示词构建逻辑都在 autofigure/enhancer.py 的_build_enhancement_prompt()中，可以按你的兴趣直接阅读源码。

1️⃣ none 模式：直接美化，最省心

none模式不使用任何代码参考，直接把布局图片交给图像模型，由 AI 视觉理解画面：哪些方框要保持位置比例、哪些灰色占位块要换成图标、哪些文字必须原样保留。

它的优点是链路最短——只需配置一个图像生成 API，无需额外的 LLM。缺点是 AI 只能"看图说话"，对复杂图形的细节还原依赖图像模型自身的能力。

适合场景：图比较简单、想快速看看美化效果、或者不想多配一套 LLM API 的情况。

2️⃣ code 模式：让代码当"工程图纸"

code模式（SVG code 参考模式）会把原始 mxGraph XML / SVG 源码（最多 5000 字符）作为"TECHNICAL REFERENCE（技术参考）"随图片一起提交给图像模型，提示它严格按照代码中的坐标、尺寸、连接关系来绘制。

可以把它理解为：none 给 AI 一张"照片"，code 给 AI 一张"工程图纸"，结构还原度更高。

需要注意的是，code 模式目前主要在Python SDK中支持：在 autofigure/agent.py 的generate()参数里传enhancement_input_type="code"，SDK 会自动读取生成的 SVG/XML 文件作为增强输入（见 autofigure/agent.py）。Web 端美化对话框只提供 none 和 code2prompt 两个选项。

3️⃣ code2prompt 模式：两步走的推荐方案

code2prompt是界面中标注Recommended（推荐）的模式，也是 autofigure/config.py 里的默认值。它分两步走：

1. 第一步（LLM）：大语言模型逐行分析 mxGraph XML 代码，识别占位图标（[icon]:前缀）、箭头连接、文字标签和空间关系，生成一份结构化的详细绘图提示词（包含整体场景、视觉元素、需保留文字、风格实现、布局连接 5 个部分）。核心函数是 autofigure/enhancer.py 的convert_code_to_text2image_prompt()。
2. 第二步（图像模型）：图像模型拿着这份"文字说明书" + 布局草稿 + 艺术风格来渲染最终插图。

因为提示词已经把代码中的每个元素都翻译成了具体的视觉描述，图像模型收到的指令远比"看图美化"精确，最终效果最好。代价是需要同时配置 LLM API 和图像生成 API两套密钥。

一个贴心的细节：如果 LLM 转换提示词这一步失败，后端会自动降级回 none 模式继续美化，不会直接报错（逻辑见 backend/autofigure_routes.py）。

🛠️ 三步上手：如何开启图像增强？

无论哪种模式，都需要先完成布局定稿（Finalize）。之后的操作很轻量：

1. 填写艺术风格：在美化对话框中描述你想要的风格，例如"modern scientific illustration with pastel colors"，所有模式共用这一风格描述（art_style参数）。
2. 选择增强模式：
   • Web 界面：打开美化对话框二选一（Direct Beautification = none；Code2Prompt = code2prompt），对应组件是 frontend/components/autofigure/BeautificationDialog.tsx，模式类型定义在 frontend/lib/autofigure-types.ts。
   • Python SDK：调用generate()时传enable_enhancement=True，并用enhancement_input_type指定none/code/code2prompt三种模式中的任意一种。
3. 配置 API 密钥并选择变体数量：所有模式都必填图像生成 API（Provider / API Key / Model / Base URL）；code2prompt 额外必填 LLM API Key。enhancement_count参数可一次生成多个候选变体，方便对比挑选。

增强结果会保存为xxx_enhanced.png（多变体时带_1、_2编号），与原草稿放在同一输出目录，对比查看很方便。

❓ 新手常见问题

Q1：没有 LLM API Key 能用增强功能吗？可以。选择 none 模式（Web 和 SDK 都支持），只配置图像生成 API 即可。

Q2：code 模式和 code2prompt 模式到底差在哪？两者都是"拿代码当参考"。code 是直接把源码贴给图像模型；code2prompt 是先让 LLM 把源码"翻译"成自然语言绘图指令再交给图像模型。后者指令更明确、对占位图标和文字保留的处理更精细，因此官方推荐。

Q3：文字会不会被 AI 改错？三种模式的提示词都明确要求"外部文字必须逐字保留、[icon]:说明文字必须替换为图标且不留残余"，但 AI 生图仍有个别字符误差的可能，建议开启多个变体并逐字核对关键标签。

Q4：支持哪些服务商？图像生成侧支持 openrouter、bianxie、gemini 三家（见 autofigure/config.py 的默认模型配置），代码层面三者由 autofigure/enhancer.py 分别调用不同的 API 格式，切换只需改enhancement_provider。

📝 小结

• none：只看图直接美化，配置最简单，适合快速出效果
• code：附带源码当图纸，结构还原更严格（SDK 用户优选）
• code2prompt：LLM 翻译 + 图像渲染两步走，质量最佳，是官方默认推荐

三种模式共用同一套艺术风格描述与多变体机制，配合 AutoFigure 的迭代生成能力，从"能看懂的草稿"到"能发论文的插图"只差一次点击。想深入了解完整流水线，可以继续阅读 autofigure/agent.py 中的生成与增强编排逻辑。

【免费下载链接】AutoFigure项目地址: https://gitcode.com/gh_mirrors/au/AutoFigure