Sivia 科研配图工作台

这个技能解决什么问题

把论文变成科研配图，而且分成两个明确分开的阶段：

论文 / 方法说明
   → 阶段一：overview 配图（图片 + 完整 ImageGen prompt + 设计说明）→ 停下来等确认
   → 阶段二：只有用户明确要求，才重建为可编辑的 PPTX / draw.io

关键区别在于它不是一个「帮我画张图」的提示词包。它带一套科学论证优先的流程：
先读懂论文的问题、既有局限、真正的方法贡献、输入输出与证据，再决定这张图应该讲什么；
然后是选图型角色、写逐区域的生产 prompt、核对 prompt 长度下限、生成、检查、交付。
只有图被明确确认之后，才进入可编辑重建。

⚠️ 最重要的一条行为约束：默认只交图片

第一次交付永远是「图片 + 完整 prompt + 简短设计说明」，然后结束这一轮，问用户要改什么、
要不要可编辑 PPT。 不要顺手开始做 PPT。

• 用户说「这图不错」= 锁定构图，不等于授权做 PPT
• 只有明确的「这版确认了，现在做成可编辑 PPT」才进入重建阶段
• 一个「最终要做 PPT」的旧目标不能跳过这个出图后的选择
• 已经给了确认过的图 + 明确的复刻要求 = 这个条件已满足

这条是上游反复强调的（references/design-scientific-figure.md 与
references/imagegen-first-workflow.md），也是它和普通作图提示词包最大的差别。

四角色协议

即使一个 agent 同时扮演全部四个角色，也要在逻辑上分开：
Designer 定科学内容与版式 → Drawer 只负责按规格落对象 → Reviewer 出证据化判定 →
Corrector 把缺陷翻译成最小对象级操作。不要把 Reviewer 的意见直接当结论执行，也不要
让 Drawer 自己宣布通过。

三条主路径与读哪个文件

> 上游这些是 skills/<名字>/SKILL.md，本包按平台「目录最多两级」的要求扁平化成
> references/<名字>.md。内容一字未改（链接已同步重写，77 条相对链接零死链）。
> 上游正文里写的 $edit-powerpoint-live、$audit-scientific-figure 这类引用，
> 在本包里就是同名的 references/*.md —— 不是要你去调用别的技能。

按需读取的参考文档（都放在 references/）

内置模板与长度硬门槛

包里带两个完整模板，它们是内部生产资源，不是要用户粘贴的命令：

硬规则：每次生成或修订，提交给图像生成工具的 prompt，其非空白 Unicode 字符数
必须 ≥ 它绑定的模板。核对方法（用包内脚本，就是上游那一份）：

python3 scripts/check_prompt_length.py --template <模板.txt> --prompt <你实际要提交的prompt.txt>

三条容易被忽略的细节：

1. 要核对你「实际提交的那份文本」 —— 不能先核一份长的、再提交一份短的摘要或只写改动
2. 模板里的 [方括号] 是给助手填的槽位，最终 prompt 里不能残留未填的槽位、
   不能有等待选择的备选布局
3. 删掉可选内容后不要把下限也跟着调低；用户明确指定了知识库案例时，
   那个案例的完整 prompt 才是下限，不是这里的默认值

知识库不在本包内（重要）

上游的知识库是 149.7 MB（Git LFS 托管的图片—prompt 配对），远超平台 3 MB 上限，
本包不含。包内只留了它的结构与索引，让你知道该有什么、以及怎么自己建：

• references/knowledge-base.md —— 知识库的分类说明与检索用法
• references/knowledge-base-index.json —— 有效索引原文（10 个用户已确认的图片—prompt 配对）

要真正用上知识库，二选一：

1. 克隆上游拿完整知识库（含 knowledge-base/），按 references/knowledge-base.md 使用
2. 自己建库：scripts/ 里有上游的建库与校验脚本
   （validate_knowledge_base.py、build_paper_knowledge_wave.py、
   finalize_knowledge_base.py、import_paper_knowledge_v2.py、build_knowledge_showcase.py）

没有知识库也能工作 —— 走内置的两个完整模板这条默认路径即可。
上游对此的表述很明确：这是「内置详细模板」与「知识库案例」两条并行资源。

WorkBuddy 运行环境与适配

路径与引用映射

图像生成：WorkBuddy 里可用

上游说「Sivia 自己不提供栅格生成模型」，要按客户端实际可用的图像工具来做。
WorkBuddy 本机可用 ImageGen 工具，所以 ImageGen-first 路线是通的。
在别的客户端里没有该工具时，要如实报告缺少渲染能力，
不要假装写了个 prompt 就等于生成了图片。

MCP 工具需要手动配置（三台服务）

上游的 drawio_* 与 powerpoint_* 工具由三台 MCP 服务提供。WorkBuddy 不会自动读取
上游的 .codex-plugin/plugin.json，需要手动加进 ~/.workbuddy/mcp.json
（注意是 mcp.json，不是 .mcp.json），把 <技能目录> 换成绝对路径：

{
  "mcpServers": {
    "sivia-drawio-live": {
      "command": "node",
      "args": ["<技能目录>/scripts/drawio-live-server.mjs"]
    },
    "sivia-drawio-files": {
      "command": "node",
      "args": ["<技能目录>/scripts/drawio-server.mjs"]
    },
    "sivia-powerpoint": {
      "command": "node",
      "args": ["<技能目录>/scripts/powerpoint-server.mjs"]
    }
  }
}

配好后不会自动生效：到「连接器管理」页面右上角的自定义连接器入口，点「信任」该服务。
三台服务各自需要什么，见 references/limitations.md —— 其中两台需要本机装有
draw.io 桌面版或 PowerPoint/WPS，只有不装任何应用也能用的那几个工具是纯文件操作。

本机（Windows）运行提示

• 技能根目录：~/.workbuddy/skills/sivia（Windows：C:\Users\<你>\.workbuddy\skills\sivia）
• 本机 bash shim 可能缺 head/tail/ls/which/mkdir —— 改用 python3 -c 或先写成 .py 再跑
• 本机 python3：C:\Users\user\.workbuddy\binaries\python\versions\3.13.12\python.exe
• 需要绝对路径调用时用 python3 "<技能目录>/scripts/<脚本>.py"

运行依赖（如实列清）

Node 侧三个 MCP 服务零第三方依赖（只用 node: 内置模块，无需 npm install）。

阶段一的安全规则

1. 绝不编造科学内容 —— 读不清的文本、被遮挡的边界要记为显式的歧义，不要猜
2. 不要为了好看把内容撑满或抽稀 —— 空白只有承担功能（分隔层级、保护焦点、预留连线通道、
   改善分组）才算数；不要为了让内容变大而保留没有功能的空带
3. 不要把高密度栅格研究变成稀疏方框图 —— 用户要的是栅格研究就做栅格研究
4. 栅格资产必须逐个声明（raster_reason / source_is_tightly_cropped /
   atomic_raster_unit / contains_reconstructable_content / decomposition_note），
   一张图里还含可分离的文字、边框、箭头、图例、坐标轴、表格、常规图表 → 拒绝
5. 不要用截图代替可编辑对象；不要靠放大裁剪图掩盖采样不足
6. 经验证的像素与真实 alpha 要用包内只读工具检查，别只凭肉眼：

python3 scripts/inspect_raster_asset.py --image robot.png --width-mm 30 --require-transparent

云端托管（可选，支付宝按量付费）

本地全部能力免费、离线。若要托管执行并拿到可分享的 HTML 报告：

POST /check-figure-prompt 提交一份图 prompt（+ 绑定的模板名）→ 返回自包含 HTML
「配图 prompt 体检报告」：长度门（对照 15,356 / 17,973 的真实下限）、未填槽位、
待选备选布局、被误引入的参考论文事实、区域化程度、publication 模式下残留的脚手架。

协议走支付宝 AI 按量付费（HTTP 402 / A2M）：

订单落在 SQLite（out_trade_no 主键、trade_no UNIQUE），幂等：
同一凭证重放原样返回已保存结果，不重复扣费。

付费买的是托管执行与报告产物，不是不同的判定标准 —— 报告里每个数字都能在本机用
同一份代码复算（它调用的就是包内 scripts/check_prompt_length.py 的同一个函数）。

⚠️ 本地联调只证明协议逻辑，不等于可上线。 上线还差：支付宝企业账号 + 签约入驻、
生产密钥与真实 serviceId、官方沙箱 a2m run 联调。

详见 references/pay-per-use.md（智能体侧行为）、service/README.md（配置与运维）。

⚠️ 本包没有交付什么

本包是上游的 6 个流程技能 + 全部参考文档 + 可独立运行的脚本层，
不是整个插件。以下要另行获取或平台不允许：

规则本体一字未减：6 个流程技能的 SKILL.md 与 18 份参考文档、2 个完整模板
全部逐字交付，只做了文件位置扁平化与链接重写。逐条对照见
references/workbuddy-notes.md，各项边界见 references/limitations.md。

保真证据

包内 test/upstream-tests.py 是上游自己写的 Python 测试，断言逐字搬过来，
只把 pytest/unittest 换成一个零依赖 shim：

python3 test/upstream-tests.py

覆盖上游的 4 个纯逻辑套件：test_prompt_length（7）、test_raster_asset（12）、
test_outlined_artwork（6）、test_prepare_overview_review（16）。

⚠️ 通过数取决于你装没装那两个可选依赖 —— 脚本本身会如实汇报，
不要照抄某个数字：

因为 raster_asset / outlined_artwork 需要 Pillow，
prepare_overview_review 需要 defusedxml，缺哪个就跳过哪个（跳过的套件会明确打印出来，
且不计入通过数）。上面那个 41 就是两者都装齐时的数字。

> 如果这些上游用例全过而你的用例失败，那是上游行为如此，不是移植错了。

未移植的 7 个套件会在输出里逐条列出并说明原因，且不计入通过数。

端到端付费链路：

node test/pay-flow.test.mjs

上游与许可

• 上游：<https://github.com/exsinger-hub/Sivia>（MIT）—— 作者 gatina
• 上游祖先：Scientific Illustrator
  by icebird1998（MIT），Sivia 在它的可编辑绘图后端与
  Designer–Drawer–Reviewer–Corrector 流程上做了扩展
• 本包：逐字交付上游指令层与脚本层；新增扁平化适配、WorkBuddy 说明、付费服务与文档
• 署名与第三方声明见 THIRD_PARTY_NOTICES.md