科研科学信息图

它解决什么问题

论文里的信号通路图、基金申请中的技术路线图、组会 PPT 的机制插图——这些图大多靠手工在 Illustrator 或 PowerPoint 里拼。没有设计背景的研究者很容易产出配色刺眼、箭头方向含糊、术语拼错的图，改一轮要花半天。反过来，直接把需求丢给通用图像生成模型，又常得到一张"看起来差不多、细节全错"的图：箭头方向与文献相反、蛋白质名不存在、中文标注缺笔画。

@user_8bb4b4f5/stem-illustration 就是为这个场景设计的。它不是通用生图 skill 加一句 prompt，而是把 STEM 插图的约束固化进了流程。

核心能力与关键步骤

• 场景模板化：内置 24 个模板（signaling-pathway、experimental-workflow、plasmid-map、graphical-abstract、architecture-diagram 等），覆盖生命科学、医学、化学、物理、工程、数学六大学科，每个模板附带提示词与学科注意事项。
• 结构确定、细节留白：整个流程是一个严谨的工作流：先收集学科、图表类型、目标受众、关键术语清单、尺寸比例、语言等最小输入，再匹配模板并选择变体（academic / textbook / infographic / 3d-render），套用学科提示和 STEM Prompt 铁律，组装 9 段 Prompt，然后自检并输出视觉简报，最后在用户明确要求生图时调用 scripts/generate_image.py，同时兼容 OpenAI 同步 API 与 apimart.ai 异步 API。
• 铁律强制科学准确性：颜色用 hex 码（激活 #10b981、抑制 #ef4444），方向显式声明（如 top-to-bottom vertical cascade），术语标准化（MAPK/ERK 而非"细胞信号"，解剖学拉丁名斜体），多子图编号 A/B/C/D，统计标记对应 */**/*** 与 p<0.05/0.01/0.001。
• 多图风格锁定：整套论文插图、系列教学卡强制统一色板、字体、线宽与背景，避免风格漂移。
• 严格拒绝学术不端：禁止生成散点/柱状/线图等真实数据图，要求用户使用 GraphPad、Origin 或 matplotlib；禁止虚构通路分支与实验图像。
• 几何问题交给代码：对数学证明、坐标图、电路图等需要几何精确性的图，不依赖生图模型，而是改用 scripts/generate_geometry.py（matplotlib）或 TikZ/GeoGebra 等工具生成。

适用边界

最关键的一条：生图模型是模式匹配器，不是几何引擎。它能渲染"看起来对"的概念图，但无法保证平行线真正平行、直角真正是 90°。因此信号通路、细胞结构、海报、教学插图这类只需视觉传达的图适合用它；勾股定理证明、函数图像、精确构造图则必须交给代码或人工绘制。

另一个原则是概念与数据的严格分离：AI 只画概念示意图，任何真实实验数据的统计图都应该用 GraphPad/Origin/matplotlib 从数据生成。守住这条线，生成的图才敢放进论文。