企业官网建设流程全解析

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

导读

科学图形（统计图、机制图、概念框架、图形摘要与方法架构图）是论文"被压缩的论证"，其质量取决于先规划证据覆盖、再选参考、最后组装的顺序，而非绘图工具本身。本文以 scientific-figure-workflow.md 为核心，系统讲解 PaperSpine 中"参考图拆解—组件路由—用户决策—版本保全—最终比对"的完整图形工作流：读完你可以在单一 Skill 与普通绘图工具环境下，规划全论文的图形论证、正确地从已发表图件迁移"结构而非数据"、把数据图与解释性图按组件分别路由到合适工具，并用 preserve_figure_revision.py 与 figure_comparison.py 完成版本保全和"参考/当前"同屏比对。

一、工作流定位：在单一 Skill 内承载科学图形方法

该文档将参考图拆解与组件路由方法完整装入 PaperSpine Skill 内部（见 SKILL.md 中"Before figures, read ..."一段），核心立场是：

• 普通主机的绘图与图像工具即可执行，不需要历史 Runner 合约、JSON 证明或第二个 Skill；
• 按需应用阶段：参考选择或设计简报任务，在"已查看来源 + 可执行简报"处结束即可，不必创建论文任务、填满全论文学习配额或生成最终图形；渲染、选择与最终视觉审查只在产出到达该阶段时才需要；
• 当前工作使用普通笔记、来源、公开选择与真实文件审查；各参考文件中的"legacy compatibility"章节仅服务于显式的历史维护。

从源码结构看，这套方法与 current-method-routing.md 描述的"在相同任务中获取方法"入口配套：python scripts/paperspine5_web.py host methods --local --task-id "<same-task>" --stage figure --resource references/scientific-figure-workflow.md --format text --max-lines 100即可按需读取本方法页（--stage figure选中图形阶段；--local直接从已安装 Skill 读取，不经过 MCP 或任务读取）。

二、规划阶段：先覆盖证据，再定图形数量

2.1 从科学问题反推图形论证

动手选图表类型或定图形数量之前，必须：

1. 检视所有已提供的结果表、图形与方法，包括当前草稿之外有用的结果；
2. 把论文的科学问题映射到现有笔记中的可用证据；
3. 区分测量结果、方法解释、文献支持的概念、以及保存范围内不可得的证据；
4. 决定哪些问题值得视觉论证，再为这些任务比较强参考结构，最后才确定图形与面板计划。

不要"先画几个简单图，再去搜长得像的已发表图"——这是该方法明确反对的路径。

2.2 证据族清单与"无默认配额"

在最终确定图形数量前，扫描实际输出中的不同证据族：

每个有用证据族要么分配给图、表、正文或补充材料，要么在现有计划中说明省略的科学理由。不要用已画出的文件反推这份清单。合并冗余展示、保留有信息量的比较与不确定性、保留阴性结果；图形数量由文章类型、版面空间与受支持问题共同决定，没有数值默认值或配额——单图覆盖所需视觉论证即可，额外面板或重复统计不能弥补缺失的证据层。

2.3 materials_only 下的边界

materials_only模式禁止新分析、新实验、训练、评估与重跑，但允许重新组织和重画既有结果。可以：

• 在不要求原始数组的情况下保留有效的既有分析与丰富图形；
• 对已授权结果做"纯绘图"（几何、标签位置、保单位的坐标变换属普通图形工作）；
• 把缺失的结果记为具体缺口，改用受支持的设计。

禁止：把同一汇总指标拆成多图虚增数量、合成临床结果、或在已知科学缺口下默许"期刊级完备性"。合成演示只能用于教学构图，绝不能充当真实研究的数据。

2.4 机制图的显式决策

对mechanism_figure: auto或prefer，在生成候选前把适合性决定记录进既有图形计划：

• 解释性任务核心且来源充分时，应产出完整的机制/概念/架构候选，且不能拿队列流程图、ROC 面板或统计仪表盘充数；
• auto模式下省略必须写明具体理由；
• 解释性图形的文献支持与本研究建立因果的能力分开评估：横断面/观察性研究仍可使用文献支撑的概念框架，"缺乏已检验机制"本身不构成省略理由；
• 省略的判定依据是所提议图形本身的需求：缺随访可排除生存曲线，但缺因果验证不排除有来源的概念框架；冗余展示、或文本/表格能更好地传达问题，同样是合理的"不画图"决定。

mechanism_figure在 journal-learning.md 中默认值为prefer，且明确要求：prefer不是随机概率，也不是"暗示已证因果"的义务。

三、参考图拆解：知识与设计范例分离

3.1 实际查看，而非"元数据式查看"

参考引导生成前，必须：

• 完整查看参考图（页面尺寸查看全图 + 相关细节），不能只看摘要、引用、标题、保存文件名或引用数量；
• 从同领域与目标期刊学习集开始；若这些集合只有统计图，而为解释性图找参考时，生存曲线不能充当机制设计范例；
• 评估参考在目标期刊水平或以上的相关性、科学传达与质量，不要因图片易得而选弱图；
• 保留本地参考、其论文/期刊/年份与精确页码/图定位符。

先读 figure-reference-mapping.md 的科学映射要点与内容迁移限制，包括其Background Rule与Point/Line Grammar 复用规则：记录哪些布局、调色、字体、标记、面板层级与注释可迁移到当前问题，把每个面板映射到当前数据/单位/变换，保留领域差异；绝不迁移参考论文的数值、结论或患者细节。没有合法可查看的参考时，如实说明"原创设计"，不要声称完成了参考引导工作；默认偏好白色/透明科学画布，除非用户或发表场景要求其他有理由的呈现。

3.2 知识来源 ≠ 视觉设计范例

一篇相关论文的简单摘要图可以确定"该讨论哪些过程"，但可能没有足够结构来指导一张丰富机制图。必须：

• 在既有图形笔记中分别标注每个来源的角色；
• 对主设计范例，检视它如何在系统内部解释过程：空间隔室/模块、有意义的内结构、跨尺度连接、科学上相关的分支或反馈——这些才是可迁移的设计机会，而不是"器官/分子/箭头数量配额"；
• 高期刊排名、相关标题或写实器官图标都不能替代这些结构；当主题匹配的参考视觉弱时，保留它作知识来源、另找更强的设计范例，不要降低视觉基准去迁就它。

新的复杂主图或架构图，应在确定参考前用学习集与额外来源比较一个候选短名单：比较备选方案如何组织所需证据或解释，而不是收集了多少例子。选择具有实质可迁移科学结构的参考：有意义的跨面板整合、主结果、信息丰富的比较/不确定性、关联尺度或模块、出版尺寸下可读的细节。

3.3 定位符解析与"构图简报"

从文章真实图标签与附随说明文字解析定位符，再按其 XML/HTML 图形绑定或出版社 PDF 页面定位图片；图像文件名与下载顺序可能包含图形摘要或补充材料，不必匹配图号。发现先前映射错误时，保留原件并纠正定位符与受影响的比较，不要静默给无关图片重新贴标签；同时检查范例自身的面板/说明一致性，拒绝其包含的任何误导性编码。

把对比变成实际绘图简报：命名参考中的有用特征、当前图中的对应区域/关系、以及如何渲染。把这个简报带入整图提示与可编辑构建。若计划中的全部迁移只是颜色、字体或图标，说明机制的科学构图尚未被学到——在投入组件生成前应重新审视参考选择或结构拆解。证据允许时，更简单的终稿是正确的；要写明具体理由，并保留当前科学解释确实支持的有用结构。

3.4 构图探索：先整图后组件

对新机制/概念图，参考查看后用 GPT Image 2先探索完整构图（概念稿确立阅读顺序、空间关系、主导结构、放大细节与视觉语言），检查后再投入孤立器官的生成。私人记录与患者细节不得进入生成；概念探索可用公开参考与通用科学描述。概念图与工作来源一起保留，明确标注为设计原型。组件生产前，区分"应保留的有用结构"与"应纠正的科学错误"：在既有简报中承载受支持的隔室、不同实体、测量层与跨尺度链接；错误标签或箭头就地纠正，不能因此删除周围有效过程。每个实体有独立含义/视觉键，每个关系有命名的源与目标及正确方向，任何公式有变量与单位约定；观察到的错误不能只留在笔记中而把未修正原型当终稿。

关系语义决定箭头样式：

不要把指标构建或测量关联画成因果通路；多类关系共存时给出简洁图例。

工作性重建的三遍：

1. 结构骨架：放置受支持的隔室/模块与内部对象，先连接显式端点；文本标签命名一个过程并不等于描绘该过程；
2. 证据与语义：把测量标记绑定到已提供结果；实体获得独立视觉身份；分离过程、测量与数学链接；移除原型发明、就地修复局部关系；
3. 构建与审查：添加可编辑标签、键与简洁注释，对照完整参考、概念与重建；在导出像素中检查可见端点与遮挡（包括绘制顺序——存在于源码中的箭头可能被隔室或图像盖住）；容器与其图保持同一坐标框架，确认导出轴、标签、注释仍在目标区域内。

可编辑科学图层不需要每个有机对象/纹理都手工矢量化的；保留所选概念的有用细节与视觉质量。适合的有界资产可在原生构图内替换；仅在原生绘制不足处，生成额外的有界、无文字组件（GPT Image 2），并匹配其视角、调色、边缘风格与阴影到整体构图。图像工具不可用时，画出完整原生概念草图并说明限制，不要把"仅组件"的工作标成"整图生成"。纯几何的方法/系统架构若模块与连接能用原生矢量忠实表达，可从完整原生概念开始，但保留同样的参考拆解与整图检查；这不等于用另一模型替代 GPT Image 2 做有机机制探索，也不免除新机制的全概念步骤。

对迭代算法，读实际方法/代码寻找解释时间与状态的机会：哪个先前预测被哪个后续观测检查、模型何时更新并发布下一预测、新样本/状态如何喂给执行与下一次测量。连续混合权重应展示贡献分布与权重含义，而不是变成排他开关；概率变成配额/候选/接受点时，暴露这些后果性变换；区分正常更新、回退与终止区间。这些是适用性设计机会，不是每个架构都必须发明的特征——静态方法不必凭空获得反馈回路。示意状态必须区别于记录的轨迹；缺失输出不能由合成点或未经授权的重跑填充。

四、组件路由：按组件选工具，而非整图二分类

先定义图形的一句话信息与每个区域的角色，保留有用的科学复杂度：暴露实际模块内部、数据结构、比较层、方法与结果间的连接。主导面板可在有帮助时放大；用共享图例、对齐的小倍数、嵌套尺度与路由空间组织支撑细节。拥挤应通过改变布局或删除冗余文字解决，而不是丢弃有效证据或缩小所有标签至"技术上放得下"。数据标记扎根于当前结果，架构扎根于实际方法/代码，机制实体与箭头扎根于引证知识或显式假设；保持"本研究测量了什么"与"文献解释"的差异。

随后路由单个组件而非把整图归类为"数据图"或"图像生成"：

选择组件生成必须是参考拆解后的具体绘图需求，而非"因为叫机制图"。用计划的视角、解剖、调色与区域尺寸引导组件；立即把实际提示词与返回资产存入本任务的论文来源，把生成文件从工具/会话缓存复制出来，并记录任务相对路径与角色——后来的主机必须仅凭任务本身就能找到原始资产，无需恢复另一个聊天。公共参考裁剪在法律可用时可引导生成；私有材料与患者信息保持本地。

整图概念生成是设计探索，不是成品：不要生成完成的数据图，也不要把完整标注的栅格称作"可编辑组件"。用原生标签、连接器与测量标记组装图形；程序化组装并不自动通过科学构图或视觉学习要求——工具选择本身不是质量通行证。保留来源资产与真实 SVG/绘图/文档源，再按预期物理尺寸导出所需 PDF/SVG/PNG。

五、数据图：从受支持发现设计

选择图表类型前，识别主发现与支撑任务：实际分布与样本量、组件间关系、对照、有意义的异质性、可获得的不确定性/稳健性。既有分布或授权的个体结果可支撑比汇总柱更信息丰富的视图；原始数据可得并不等于在materials_only中可计算新结果。

复用绘图脚本前先检查它：可能同时清洗/去重记录、拟合模型或重算研究统计量。在materials_only中复用冻结结果或可编辑图形层，把纯绘图与分析步骤分离。

选择能让比较可检验的语法：配对单元级点对恒等线揭示平均掩盖的一致性；完整排序景观显示精选赢家之外的分布；对齐的局部输出与来源锚定模块解释方法作用位置。仅当相应保留结果存在时才使用这些结构——它们是设计机会，不是补算缺失分析的指令。一个主导面板加支撑面板、共享图例与稳定颜色含义、对齐可比轴、标注关键结果、跨表图删除冗余数值清单。备选方案应在科学传达上有实质差异，而非旋转图形或重排方框。不要为了增加复杂度而加入无关端点、不支持的意义标记、生存曲线或模型性能声明。在固定绘图类型前应用参考短名单：共享标记（点、柱、森林区间）本身不是结构匹配；复杂度由它揭示的信息辩护，而非参考的声望。

六、用户决策：面板级选择与公开 1.1 schema

6.1 决策序列与身份

把面板/组装选择序列应用到真实用户决策：复用已采纳的选择与显式委托的决策权；已由请求覆盖的间距、错字、颜色或导出修正，不要再为每个都创建一次选择。改变科学组合或待定的 revise/reject 决定仍走相关公开选择；绝不要把 Agent 修复称为新的用户确认。

复杂图拆分规则：

• 用户选择面板时，拆分为可选子图步骤——每步一个科学面板、其相关参考与备选方案；
• 之后做整图组装检查；
• 不要为了制造步骤而拆分单一不可分割的通路；
• 提供描述性图名与问题、可用时的当前版本、同一证据的真实备选设计、以及相关"原始参考/当前"比较。

6.2 payload.figure 字段语义

以当前公开 1.1 schema（paperspine-domain-commands.v1.1.schema.json）为准，显式展示放在payload.figure：

schema 的条件约束进一步硬化了这些语义：

• reference_files为空 ⇒必须提供reference_note；
• reference_files非空 ⇒必须提供comparison_files（minItems 1）；
• 提供panel_id⇒panel_ids至少一项；
• decision_type: figure⇒ 必须有figure对象，allowed_decisions每项要么带action，要么option_id属于keep/adopt/revise/modify/request-changes/request_changes/reject枚举。

三个列表都须显式提供；reference_files与comparison_files留空并说明具体原创设计/访问情况不会使被要求的参考引导工作"完成"。每个新请求都声明panel_ids；每个可选面板以完整计划开始、跨选择保持计划，所有面板选择被采纳/保留后请求整合图。产品能检查这个声明过的计划，但无法从像素发现未声明的科学面板。

6.3 呈现与决策伦理

• 元数据只是同一批决定的呈现层，不是新的状态存储；不要从共享材料来源、文件名或候选字母推断身份；
• 提供keep、采纳候选与请求修改；keep或修改选项仍应关联其图片，选择它不丢失用户视觉上下文；说明每个选项的科学与视觉差异；
• 比较 PDF 必须两侧同时、可读比例呈现；"另一标签页打开参考链接"不等价；参考与比较图像永远不可选为本研究结果；
• 已保存的 revise/reject 不采纳面板，也不解锁整合选择；用户要求修改时，先应用其具体意见再呈现修订图，该解决不算采纳；
• 每个选择用简短科学标题与问题；较长的方法、限制与设计推理放入描述或笔记，不隐藏做选择所需的事实；原型、组件清单、当前图与修订候选按真实角色标注，只把真实候选放入选择。

从实现侧看，p1_application.py 处理replaces_decision_id时，会检查current.get("figure", {}).get("replaces_decision_id") == prior_id来把修订版挂接到同一可选单元——这印证了"用同一公开决策身份与替换字段承载修订版"的要求。

七、修订保全与回归比较

7.1 preserve_figure_revision.py 的语义

修改既有图形或其产出脚本前，在同一论文内以命名修订保留其当前导出、可编辑源、必要来源资产、说明文字与精确结果输入。已有版本机制则复用；否则用 preserve_figure_revision.py：

python scripts/preserve_figure_revision.py --paper-root <paper> --revision <id> --file <paper-relative-file> ...

从源码看（src/scripts/preserve_figure_revision.py），其行为契约是：

• 只复制显式命名的文件，绝不发现私有输入，也不改变任务/选择状态；
• 校验输入文件必须在论文根目录内且不在归档目录（figure-versions/<revision>）内；拒绝绝对路径、..与保留名revision-manifest.json；
• 复制过程与复制后对整个输入集做二次 SHA-256 校验（检出"保存期间来源变化"，但不锁定其他进程）；
• 归档目录已存在/为符号链接时报FileExistsError，不会覆盖旧修订；结果 JSON 含revision_directory与每个文件的sha256记录；
• 保留相对依赖路径，必要引用资产须显式包含；不要把归档放进活跃候选文件。

不要声称"预先存在的被覆盖字节可从新快照恢复"——保留快照只覆盖命名文件。

7.2 修订产出与回归

• 修正产出源并导出新候选路径；可行时从保留结果读取计算注释，而非把可变统计量重复为字面量；
• 重新生成未改变的图形不是又一轮改进；
• 在既有笔记中保留一份简洁的"问题→变更"映射，包括仍未解决的注释与确切当前输出；
• 使用同一公开决策身份与替换字段承载修订版可选单元；只使实际内容或含义变化的选择失效；
• 每次实质性修订后，打开新输出而非前身缓存预览；局部修改时对照保留的旧图，检查请求的编辑与未受影响区域、标记、尺度与标签——这种"旧/新回归比较"补充而非替代"参考/当前学习"；
• 完成图形、其比较与受影响的正文安置，再转向无关参考搜索或格式打磨；组件图谱是中间资产，不是修订完成的机制图。

八、最终比对：渲染、裁剪坐标与可读性

8.1 科学编码检查

在最终图的实际列/页尺寸下渲染，可选打磨前先检查科学编码：

• 可计数标记示意某个声明分数时，核对计数、分母、保留总量与类别含义；尽可能用同一参数生成计数与标签；"示意、非测量"允许示意位置，不允许误导性数值关系；
• 追踪每条科学上不同的分支到其可见目的地与所需回返路径；同一关系在来源、图与说明中一致：评分 vs 准入 vs 回退、阈值、时间索引、正常 vs 例外范围、百分比描述的是哪个总体，都不得改变；
• 简化可省略细节，但不得用不同规则替换；标签属于其描述对象，线不得穿过有意义文本；
• 页面视图与近距视图都要检查：科学层级、实体身份、有意义细节、关系拓扑与箭头端点、阅读顺序、调色、文本、间距、线宽与栅格分辨率；
• 导出物理宽/高与最小标签对照目标版面；栅格区域的有效分辨率 = 像素 ÷ 印刷宽度（英寸），放大低分辨率来源不会增加细节；需要时用原生文本/矢量或获取更好来源。

8.2 figure_comparison.py：参考/当前同屏

把相关原始参考与当前图并排放置，带清晰归属与可读比例。机制比较必须包含实际机制参考；统计比较属于统计图。外部发表参考标注来源与图定位符，本研究早期版本标注"Previous study figure"。外部参考/当前比较测试设计学习；旧/新比较测试所请求的修复与回归——绝不合并这两种角色，也不要用旧/新对照表冒充发表参考学习。

对既有本地导出的比较，figure_comparison.py 可并排放置 PDF/SVG/栅格视图并导出同一参考视图。从本任务论文目录运行，以已安装 Skill 的绝对路径调用：

python "<installed-skill>/scripts/figure_comparison.py" --output figures/comparison.pdf \ --view "Published exemplar: author, year, Fig. X" sources/reference-paper.pdf 2 \ --view "Previous study figure" figures/current.pdf 1 \ --view "Candidate" figures/candidate.svg 1 \ --clip 1 40 30 560 340 --export-view 1 figures/reference-view.pdf

要点（与 figure_comparison.py 源码一致）：

• 页码与视图索引从 1 开始；每个视图需要标签与存在文件；
• 裁剪坐标x0 y0 x1 y1以显示页（旋转/CropBox 之后）左上角为原点，单位点（1/72 英寸），x 向右、y 向下；省略--clip为整页；
• 导出视图与比较 PDF 复用同一标注视图，保留矢量、比例、来源页与裁剪坐标；
• 验证先于写入：无效输入或冲突输出路径在写入前失败；既有文件永不覆盖；输出必须是新 PDF 路径且不能互为父子路径；
• 内置 CJK 字体（fitz.Font("cjk")）保证中文来源标签可检索；PDF/SVG 内容以矢量 PDF 放置，栅格输入保留其来源像素（不增加新细节）；
• 裁剪是显示操作，不是涂改，也不自动选择图形；帮助工具不运行分析、不评判质量，保持可选。

导出reference-view.pdf可填充reference_files，comparison.pdf可填充comparison_files。按面板真实宽高比与标签密度缩放，勿把多图缩进空白页上的小固定矩形；原生矢量 PDF/SVG 优先。密集图附放大细节视图，明确标识裁剪并保留原件——裁剪不得掩盖矛盾面板或说明。打开渲染比较，确认标签在目标观看尺寸可读；保留原始/当前直接视图供缩放。

8.3 差距陈述与独立审查

先陈述相对所选范例的剩余差距：缺失证据层、丢失结构、弱层级、模糊连接或可读性不足。丢失有用复杂度时，先修订构图再做琐碎修饰。面板数与无裁剪都不证明达到所请求图形质量。

验收前，独立审查者命名与强参考的最大剩余差异，判断它是证据支持的还是可修复的设计弱点；后者须在产出源中修正并检查更新像素。用户偏好选项仍是偏好，不是自动专家认可；不要用分数或表格替代此比较。独立审查者打开两侧与手稿页，检查真实来源与说明文字，评估所请求的科学与视觉质量；若参考从未查看、或输出未应用其有用设计原则，即使数字、引用、图像文件与渲染检查全过，也要记录该具体失败，修复并重新审查该图——不要把统计图的批准沿用到机制图或图形摘要。

九、配套方法与其他图形工具

• figure-story.md：在规划正文前读取完整内容，检视真实图像、识别问题/主导主张/面板角色/证据/不确定性；保留逐面板规划细节，选择 keep/redesign/create，把 Results 写成"问题 → 证据 → 有界答案"；其第 6 节科学图像/正文检查用于选择与组装后的最终像素核对（对照来源结果、标签、说明、手稿引用、面板角色与主张边界）。其 legacy 兼容章节说明：旧figure_policy、figure_requests.json、figure_body_contract.json与visual_audit_manifest.json的科学含义由当前第 1–6 节承载，仅供显式历史维护；其命令行figure_story_check.py --phase planning/final同样是 legacy 路径。
• figure-reference-mapping.md：生成前把科学工作映射到面板，明确区分三种比较（外部发表参考/当前图、概念原型/重建终稿、旧图/修订图）；Background Rule偏好透明可编辑画布与纯白出版背景，语义标记、热图单元、机制区域与信息性高亮可用颜色；Point/Line Grammar认为点/线/区间/ROC/森林/热图/流程/网络标记本身无先进或原始之分，问题与数据结构合理即可复用，不靠改变统计语义制造多样性。
• 测试佐证：figure_story_check.py 的测试集（tests/test_figure_story_check.py）验证了"计划绑定不可后补（plan_sha256重算失败即拒绝）""hero_panel 必须命名已声明面板""final 阶段要求 LaTeX 正文真实引用图形标签""背景非白即失败""审查者必须与所有生产者分离"等失败闭合（fail-closed）行为——印证了本文所述身份与映射纪律并非口头约定，而是可机器校验的约束。图形工作流文档明确说明：当前工作使用普通笔记与真实文件，这些旧合约仅服务于显式 legacy 维护；当前版本的校验重点转向"引用/当前同屏、标签可读、科学编码一致"的真实视觉审查。

十、实践清单（可直接落地）

1. 规划：扫描全部结果 → 映射科学问题到证据族 → 分配图/表/正文/补充或写明省略理由 → 记录mechanism_figure决定。
2. 参考：实际查看参考全图与细节 → 分离知识来源与设计范例 → 解析定位符 → 输出"特征→区域→渲染"构图简报 → 先用 GPT Image 2 探索整图概念 → 三遍重建（骨架/证据/审查）。
3. 路由：数据/几何/权威图像/难绘有机组件按上表四类路由；生成组件立即记录提示词与任务相对路径。
4. 决策：按公开 1.1 schema 填充figure（figure_id、panel_ids、三个文件列表、reference_note）；每面板先完整计划→选择→整图组装；replaces_decision_id承载修订。
5. 保全：修订前用preserve_figure_revision.py保留命名文件集（校验输入稳定、不覆盖旧修订）；修订后打开新输出并做旧/新回归比较。
6. 比对：figure_comparison.py并排参考/当前/候选，确认标签在出版尺寸可读；独立审查者陈述最大差距、区分证据支持与可修复弱点；缺失参考或未应用其原则时记录具体失败并重新审查。

这套工作流的最终目的不是"画得漂亮"，而是让每一张图都成为可追溯到来源证据、结构可迁移、经真实视觉审查的科学论证单元——这正是 PaperSpine 将图形视为一等证据、以本地优先与证据绑定方式交付论文的落点。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用