Skip to content

yuanyuanma03/research-figure-skill

v0.1.0Apache-2.0 AND MIT

Plan, draw, and review scientific data figures across disciplines.

GitHub

research-figure-skill

面向多学科科研数据的选图、绘制与成图检查 Skill。它先核对研究问题与数据结构，再选择图型；适用于实验、临床、生态、工程和计算研究中的表格数据图。

License: Apache-2.0 + MIT Python: 3.9+

本项目基于 Haojae/scipilot-figure-skill 的 43098dd 版本开发。仓库独立创建，不隶属于 SciPilot Skills 家族。来源与许可见来源说明。

安装

复制下面的 Prompt，直接粘贴给正在使用的 Agent：

请直接帮我安装 research-figure-skill：https://github.com/YuanyuanMa03/research-figure-skill

请识别你当前运行的软件，选择对应命令并安装到用户级目录：
- Codex：依次运行 codex plugin marketplace add YuanyuanMa03/research-figure-skill --ref main 和 codex plugin add research-figure-skill@research-figure-tools。
- Claude Code：依次运行 claude plugin marketplace add YuanyuanMa03/research-figure-skill 和 claude plugin install research-figure-skill@research-figure-tools。
- 其他支持 Agent Skills 的软件：运行 npx skills add YuanyuanMa03/research-figure-skill --skill research-figure-skill -g，并选择当前 Agent。

安装后确认 research-figure-skill 的 SKILL.md 可以读取，告诉我安装位置和结果。请执行安装，不要只给我安装步骤。

能做什么

  • 先判断，再作图：根据图要回答的问题、变量角色与数据分布推荐图型。
  • 区分行数与独立单位数：报告重复受试者、样本、地点或设备的观测记录。
  • 提示数据结构问题：按分组列出行数和单位数，标出重复单位与重复的单位×时间组合。
  • 保留测量值语义：用 --value 指定被自动识别误判的整数测量列。
  • 检查坐标和成图：提示零值、负值与普通对数轴的冲突；检查缺字、文字裁切、刻度重叠和导出文件。

这些是作图线索。Skill 不会仅凭列名判定实验设计，也不会自动生成显著性结论。图中的误差、n、聚合和统计标注需有明确来源。

手动导入

仓库根目录同时提供 Codex 与 Claude Code 的插件清单，两个平台读取同一份 Skill。在终端运行：

# Codex
codex plugin marketplace add YuanyuanMa03/research-figure-skill --ref main
codex plugin add research-figure-skill@research-figure-tools

# Claude Code
claude plugin marketplace add YuanyuanMa03/research-figure-skill
claude plugin install research-figure-skill@research-figure-tools

# 其他支持 Agent Skills 的软件（安装时选择当前 Agent）
npx skills add YuanyuanMa03/research-figure-skill --skill research-figure-skill -g

导入会安装 Skill 指令和脚本，不会自动安装 Python 库。首次运行脚本前，如当前 Python 环境缺少依赖，可克隆仓库并执行 python3 -m pip install -r requirements.txt；SciencePlots、pypdf、kaleido 和 PyMuPDF 是可选增强。Claude Code 也可用 claude --plugin-dir /path/to/research-figure-skill 临时加载本地目录。

给代理的请求示例：

这份 CSV 是同一受试者在多次访视的测量值，按治疗组画出变化趋势。请先区分观测行数和受试者数，再推荐并制作论文图。

也可以直接运行数据剖析脚本：

python3 skills/research-figure-skill/scripts/profile_data.py data.csv \
  --group treatment --unit subject_id --time visit --value response

--group 与 --value 可重复指定；--unit、--time 可省略。机器可读报告使用 --json。已知字段角色应显式给出；未知时先核对数据字典。

工作方式

  1. 确认图要回答的问题、响应变量、分组、独立分析单位和展示场景。
  2. 用 profile_data.py 检查列、缺失、分组、重复记录与分布。
  3. 参考图型选择提出建议；小样本优先考虑显示原始点，重复观测考虑配对点或个体轨迹。
  4. 用绘图配方绘制，并记录聚合、变换、排除和误差定义。
  5. 渲染预览，按视觉自检检查，使用 export_figure.py 导出。
  6. 用 check_figure.py 核对文件格式、DPI 与 PDF 字体；期刊要求以目标期刊的最新作者指南为准。

插件清单位于 plugin.json、Codex 清单、Claude Code 清单；Skill 目录保留脚本与按需阅读的参考资料。此 Skill 专注数据图，不覆盖流程图、概念示意图和图像合成。

验证

python3 -m unittest discover -s tests -v
python3 skills/research-figure-skill/scripts/profile_data.py --help
claude plugin validate .claude-plugin/plugin.json --strict
claude plugin validate .claude-plugin/marketplace.json --strict

许可与来源

本项目新增的原创修改采用 Apache License 2.0。保留的原项目材料继续受 Haojae 的 MIT 许可约束；NOTICE 记录原项目地址、作者和修改范围。独立仓库的历史从本项目的初始提交开始，未复制原仓库的 Git 提交历史。

English

research-figure-skill helps agents plan, draw, and review scientific data figures across disciplines. It separates observation rows from independent units, flags repeated measurements and duplicate unit-time records, supports explicit measurement roles, and checks rendered figures. Study-design and chart suggestions are clues for review, not automatic statistical conclusions.

Import it through a plugin marketplace: codex plugin marketplace add YuanyuanMa03/research-figure-skill --ref main or claude plugin marketplace add YuanyuanMa03/research-figure-skill, then install research-figure-skill@research-figure-tools in the same client. Run python3 skills/research-figure-skill/scripts/profile_data.py data.csv --group treatment --unit subject_id --time visit --value response to inspect a table. See SKILL.md for the agent workflow and the references for chart selection and review.

This independent project is based on Haojae/scipilot-figure-skill at commit 43098dd. New original modifications use Apache-2.0; retained upstream material remains under its MIT license. See NOTICE for attribution.