企业官网建设流程全解析

Claude Vision 重建几何：AI 学术配图生成器 FigureSpec V2 富化技术深度解析

【免费下载链接】academic-figure-generatorAI 驱动的学术论文配图生成平台。上传论文 → AI 分析内容生成 Prompt → 一键生成高质量科研配图，还有配套的skill可在主流agent中使用项目地址: https://gitcode.com/gh_mirrors/ac/academic-figure-generator

Academic Figure Generator是一个 AI 驱动的学术论文配图生成平台：上传论文 → AI 分析内容生成 Prompt → 一键生成高质量科研配图。但 AI 生成的 PNG 图片有个致命短板——看得见，却改不了。本文深度解析它的 Phase 2 核心技术：如何用 Claude Vision 把语义级的FigureSpec V1富化为带像素坐标的FigureSpec V2，最终把 AI 配图重建为可编辑的 SVG 和 draw.io 矢量文件。

痛点：AI 生成的配图，为什么需要"重建几何"

先看一张由本平台实际生成的网络架构图 👇

这样的图很美，但它是光栅图片（PNG/JPEG）。对照 phase2-requirements.md 中列出的真实场景，痛点非常具体：

解决方案不是"把 PNG 矢量化"（那样得到的是不可编辑的描边路径），而是让 AI 把图"读懂"，用结构化数据重建一遍——这就是 FigureSpec V2 富化技术要做的事。

FigureSpec V1：语义级描述学术配图的"蓝图"

在 Phase 1 中，Claude 分析论文时会同步产出一份FigureSpec V1，它以 JSONB 形式存储在prompts表的figure_spec列中（Prompt 记录结构见 prompt.py）。

V1 是语义级的——它描述"这张图应该长什么样"，用的是文字而非坐标。这与 system_prompt.py 中定义的 4 层分解方法论一一对应：

平台内置的 5 大类学术图类型（总体框架图、网络架构图、模块细节图、对比消融图、数据行为图）定义在 figure_types.py 中，每种类型都有默认比例、典型论文章节和配色建议。

问题在于：光靠 V1 的文字描述，渲染端（人或代码）都无法确定精确的像素位置——"左侧 40% 区域"到底是 x=100 还是 x=150？

Claude Vision 富化：从语义到像素级坐标

Phase 2 的灵感很自然：既然 AI 生成的那张 PNG 就摆在那里，让另一个 AI 看着原图，把 V1"翻译"成 V2。

完整的 V1 → V2 转换由 Claude Vision 完成，输入三样东西：

1. 🖼️ 一张光栅原图（base64 PNG，让模型"亲眼看见"布局）
2. 📄 FigureSpec V1 JSON（语义级描述，提供结构先验）
3. ✍️ 原始生成 Prompt（补充意图）

Enrichment 系统提示词把 Claude 定义为一台"学术图形布局引擎"，核心指令包括（设计见 phase2-technical-design.md 第 4 节）：

• 仔细观察原图中每个模块的位置、大小、形状、颜色，分配精确的x, y, width, height
• 从 12 种几何形状中识别模块类型（rect、circle、diamond、cylinder、cloud……）
• 提取填充色/边框色，统一为#RRGGBB
• 识别所有箭头与连接线，选择正确的锚点，记录拐点waypoints
• 遵守坐标规则：原点在左上角、元素间距 ≥ 20px、连接线不穿过其他元素

如果还没生成光栅图，用户也可以直接从 Prompt 导出——此时 Claude Vision 仅基于 V1 + Prompt 富化（无图参考），流程同样成立。

图解 FigureSpec V2：一张图的结构化"基因"

富化的产物就是FigureSpec V2——一份包含精确像素坐标的几何描述。用上面那张架构图对应的 V2 片段示意：

{ "version": "2.0", "figure_type": "network_architecture", "canvas": { "width": 1600, "height": 900 }, "elements": [ { "id": "encoder_block", "type": "rounded_rect", "x": 100, "y": 200, "width": 300, "height": 400, "fill": "#E8F4FD", "stroke": "#2196F3", "label": { "text": "Encoder", "font_size": 16 } } ], "connections": [ { "id": "conn_1", "from_element": "encoder_block", "to_element": "decoder_block", "type": "arrow", "label": "Feature Maps B×512×H×W" } ] }

V2 由 Pydantic Schema 严格校验（FigureSpecV2定义在设计文档 第 3 节），包含五类核心对象：

与 V1 对照，富化完成的正是"文本 → 几何"的质变：

一次富化，两次"编译"：SVG 与 draw.io

V2 是格式无关的中间表示——同一份 V2 可以"编译"成任意目标格式。这正是富化技术的最大收益 🎯

SVG 导出：基于svgwrite纯 Python 生成，V2 的形状类型一一映射为 SVG 标签（diamond→<polygon>、cylinder→<path>、圆角矩形→rx/ry），箭头用<marker>渲染；每个模块是独立<g>分组，文字是原生<text>元素——在 Inkscape / Illustrator 中可直接选中、改字、换色。

draw.io 导出：纯 XML 模板生成 mxGraph 格式。亮点是容器嵌套——子元素通过parent属性挂在父模块下，坐标自动转为相对坐标；移动父模块时子元素与连接线全部跟随。

整个导出是异步的：点击按钮 → 创建 Export 记录（pending）→ Celery 后台任务执行「下载原图 → 加载 V1 → 富化/复用 V2 → 校验 → 导出 → 上传存储」→ 前端轮询到 completed 后自动触发浏览器下载，单张图目标耗时 < 30 秒。

缓存策略：第二次导出零 API 成本

每次富化都要调用 Claude Vision（单次约 $0.03–0.05）。为此系统设计了V2 缓存：以prompt_id + 画布尺寸为键，同一 Prompt 第一次导出 SVG 时调用 Claude，第二次导出 draw.io 时直接复用已缓存的 V2，零 API 成本——富化做的是"几何"，与目标格式无关，天然可复用。

配套的风险控制也有（见 phase2-requirements.md）：坐标不准 → Pydantic 严格校验 + 边界检查；复杂图类型质量波动 → 按图类型定制 enrichment prompt；调用失败 → 标记 failed 并支持重试。

写在最后

FigureSpec V2 富化技术给 AI 配图工作流补上了关键一环：光栅图负责"好看"，结构化几何负责"好用"。上传论文 → 生成配图 → 一键导出可编辑矢量文件，学术写作中"写完论文还要画图"的痛点被压缩成了三步流程。后续规划中还有 PPTX 导出、浏览器内 SVG 在线编辑与 draw.io 编辑器内嵌（见 phase2-requirements.md），值得期待。

如果不想部署完整平台，仓库还附带了独立的 AI Agent Skill，可在 Claude Code / Gemini CLI 等主流编程助手中直接生成顶会级配图提示词，说明见 SKILL.md。

【免费下载链接】academic-figure-generatorAI 驱动的学术论文配图生成平台。上传论文 → AI 分析内容生成 Prompt → 一键生成高质量科研配图，还有配套的skill可在主流agent中使用项目地址: https://gitcode.com/gh_mirrors/ac/academic-figure-generator