科学图表分析流水线

要解决的问题

科学论文里的图不是装饰：火山图、UMAP、热图、Western Blot、通路图和显微成像中，常携带阈值、比例尺、聚类中心、显著性标签和软件风格线索。传统摘要或纯文本抽取往往只能拿到标题和正文，拿不到图中数值、子图关系与可复现方法。

技能如何工作

该技能把 PDF提取、视觉AI分析、科学理解 和 逆向工程 组织成分析流水线：

• Stage 1：解析科学 PDF，检测并拆分 a/b/c/d 子图，尽量保留原始分辨率、轴标签、图例、比例尺和嵌入标注。
• Stage 2：识别图表类型，例如 volcano plot、PCA、heatmap、UMAP/t-SNE、phylogenetic tree、Western Blot，并结合图像内容、标题、邻近段落与科学术语做保守推理。
• Stage 2B：在当前模型不支持 vision 或需要精确数值时，调用 Kimi K2.6 视觉 API，从图中提取纯文本难以获得的信息。
• Stage 3：根据字体、配色、布局、箭头和标注风格推断可能软件，如 GraphPad Prism、ggplot2、matplotlib/seaborn、Seurat/Scanpy、ImageJ/Fiji，并尝试重建聚类、降维、差异表达、测序预处理等工作流线索。

适用边界

它适合 Nature、Cell、Science、bioRxiv 等期刊中的密集多面板图、显微成像、测序、单细胞与空间转录组图表。输出可为 JSON 或 Markdown 表格。关键限制是保守推理：不可读标签、基因名、统计量和方法推断必须标注不确定性，而不是补全为确定结论。