如何使用 AI 打磨论文正图？学习 Happy Figure 的思路吧！

论文绘图这件事，过去我一直觉得很难交给 AI。

主要原因有两个。

一是版面设计能力非常差， AI 味特别严重，布局非常死板且平均，既不适合投稿，也不适合放进正式汇报。

二是理解能力也不够，经常需要反复修改、反复解释，最后反而不如自己手动调整方便。

不过，现在不一样了。

随着 Nano Banana Pro、GPT Image 2、Qwen Image 等图像模型在语义理解、版式审美、复杂指令跟随上的进步，我认为，生图模型在科研绘图中已经到了“可用阶段”。

尤其是 GPT Image 2 这类模型，对复杂描述、密集文字和图像结构的理解明显更强。现在很多科研图已经不是“模型画不出来”，而是“你没有把图说清楚”。

也就是说，瓶颈开始从模型能力，转移到生图提示词的设计。

那么，科研绘图的生图提示词怎么设计？

这就是 Happy Figure Skill 这个项目要解决的问题。

Part 1｜从论文到正图，Happy Figure 做了什么

Skill 是 Anthropic 在 2025 年 10 月 16 日正式介绍的 Agent Skills 概念。

简单说，它不是普通 prompt，而是一个可以被 Agent 按需调用的“专业能力包”：里面可以包含说明文档、脚本、参考材料和工作流。当任务匹配时，Agent 会加载相关内容，把自己切换到某个垂直任务的状态。

Happy Figure Skill 就是把 Happy Figure 的科研绘图方法论，封装成一个 Agent 可调用的 Skill。

它并不直接替你生成图片。它更像一个“科研绘图 prompt 编译器”：先读懂论文，再把复杂绘图需求转化成图像模型可以执行的结构化绘图语言。

具体来说，它的流程大致是：

读取你的论文摘要、Methods、图注、开题材料或研究方案等任何有助于理解背景的资料

→ 形成 Figure Brief：明确这张图要解释什么、服务哪个论文场景

→ 判断研究领域：CS/ML、材料化学、生物医学，或其他交叉领域

→ 判断图类型：技术路线图、机制图、模型架构图、Graphical Abstract、多面板比较图等

→ 适配目标模型：根据 Nano Banana Pro、Qwen Image、GPT Image 2 等模型特点，调整标签密度、版式约束和风格描述

→ 输出可复制、可校对、可继续修改的生图提示词

这套流程最关键的地方，不是“把论文翻译成一段更长的 prompt”，而是先把图的绘制流程拆解清楚。

所谓“拆解清楚”，就是确定：这张图的核心任务是什么？画面分成几个区域？每个区域放什么科学对象？箭头关系怎么走？图中允许出现哪些文字？哪些数据、机制、实验结果绝对不能编造？

我觉得它最有价值的地方，不是帮你省掉画图时间，而是教你重新理解“论文绘图”这件事。

很多时候我们不是不会用工具，只是不知道这张图到底应该表达什么、怎么表达。

应该在哪里强调系统架构，体现架构设计的创新之处？

如何讲清楚繁杂数据背后代表的趋势或现象，提高读者接受度？

怎样绘制一张清晰的 graphical abstract，让读者快速抓住文章亮点？

这些问题，其实比“用哪个模型生图”更靠前。

Happy Figure 的思路会逼着你先回答这些问题。图像模型只是最后一步，真正重要的是前面不断收敛的结构化思考过程。

所以我更倾向于把它看成一个“论文正图打磨流程”，而不是一个单纯的 AI 绘图 prompt 仓库。

通过 Happy Figure，你不是在随机抽卡，而是在和 AI 一起做图纸设计：先讨论图要表达什么，再讨论画面如何组织，最后产出一段只属于你这篇论文的“AI 绘图提示词”。

既然 Happy Figure 的思路这么好，有什么缺点呢？

个人观点，仅供参考。

这套流程偏重，更适合论文结果已经成形之后使用，比如投稿前、返修前，或准备制作论文主图和 graphical abstract 时。在结果还没稳定、故事线还没收敛之前，不建议把太多时间花在打磨图纸上，因为这一阶段更适合“小步快跑，快速迭代”，不适合花大量时间打磨图纸。
它不一定适合所有学科。对于以公式推导、定理证明、抽象符号系统为核心的数学或理论类论文，重点可能不是“画一张科研示意图”，而是证明逻辑本身。这个时候，Happy Figure 的收益会明显下降。
科学性永远优先于美观。AI 不能替你做科学判断，也不能帮你决定哪些机制成立、哪些结果可以被强调。个人的科研品味和审核能力，决定了使用 Happy Figure Skill 的上限。正式使用前，一定要人工审核科学事实、图文关系、图中文字表述、数据边界和投稿要求。
依旧存在模型选择问题。模型的能力差距会决定这套方法的下限。我的建议：先用你手头最强的推理/写作模型（GPT-5.6-sol、Claude fable 5、Claude opus 5）做结构化思考，再让审美能力强的模型参与设计讨论（Gemini-3.1-pro、Grok 4.5、Kimi K3），最后选择指令遵循能力和文字渲染能力更强的生图模型执行绘图，例如 Nano Banana Pro、GPT Image 2、Qwen Image 系列等。

Happy Figure Skill 最值得学的不是某一句固定 prompt，而是它背后的方法论：先把科研表达讲清楚，再把绘图任务交给模型。

当前模型的语义理解和绘图能力已经足够可用，真正拉开差距的，就是“如何表达清楚这一步”了。

参考资料：

原文发表于微信公众号。