figures4papers：把論文圖表的製作經驗，打包成一份 AI 可讀的技能文件

它解決什麼問題：論文圖表的重複勞動

學術論文的圖表製作往往佔據大量時間，而且每個會議或期刊的排版慣例不同，字型大小、色彩對比、線條粗細都需要逐一調整。figures4papers 是 Yale 計算機科學博士生 Chen Liu 的個人腳本集中地，收錄了他發表於 Nature Machine Intelligence、ICML、NeurIPS、ECCV 等場所的圖表 Python 程式碼。這些腳本涵蓋長條圖、組成分解圖、3D 球體、雷達圖、折線圖、概念圖與趨勢圖。repo 的目標讀者很明確：需要產出學術級圖表的研究者，以及想讓 AI 編碼代理協助繪圖的人。它不像一般繪圖教學那樣講解基礎語法，而是直接提供已經被頂級會議接受的成品腳本，讓使用者參考或改寫。

Repo 的實際結構：figure_* 與 skill 的雙層設計

Repository 的佈局分成兩大部分。第一是 figure_* 開頭的資料夾，每個資料夾對應一篇論文，內部包含 scripts 與 figues 子目錄，例如 figure_ImmunoStruct/figures/bars_comparison_IEDB.png 就是 ImmunoStruct 論文的比較長條圖。第二是 scientific-figure-making/ 資料夾，這不是一個 Python 套件，而是一份給 AI 代理閱讀的技能文件，內含 SKILL.md 與 references/ 下的 api.md、common-patterns.md、demos.md、design-theory.md、tutorials.md。這種設計的用意是：人類研究者可以直接翻閱 figure_* 範例，而 AI 代理則透過 SKILL.md 快速理解繪圖慣例，再從 api.md 取得函式命名與匯出規則。README 中特別提到，部分圖表並非完全用 Python 製作，例如 ImmunoStruct 的示意圖與 VIGIL 的 teaser 圖片，這些被歸類在 miscellaneous，作者坦承只是為了記錄投入的時間。

AI 技能整合的運作方式：路徑引用與 symlink 安裝

這個 repo 最特別的地方，在於它把繪圖經驗結構化成 AI 代理可以遵循的技能。使用方式有兩種。第一種是免安裝的路徑引用：在 Cursor、Claude Code 等代理中開啟 repo，然後在提示中明確要求代理閱讀 scientific-figure-making/SKILL.md 與 references/design-theory.md，代理就會依照文件中的慣例生成腳本。README 提供了一個提示範本，要求代理在指定路徑建立圖表腳本，並實作 apply_publication_style、make_* helpers、finalize_figure 等模式，最後輸出 PNG 與 PDF。第二種是 symlink 安裝：從 repo 根目錄執行 ln -s 指令，將 scientific-figure-making 連結到各代理的 skills 目錄。例如 Cursor 需要 ln -s "$(pwd)/scientific-figure-making" ~/.cursor/skills/scientific-figure-making，Claude Code 則連結到 ~/.claude/skills，Codex 連結到 ~/.codex/skills。連結後需重啟代理才能生效。這種做法不需要 pip install，也不依賴套件管理，純粹是檔案系統層級的引用。

圖表類型與視覺風格的具體線索

從 README 嵌入的圖片檔名與說明，可以推測 repo 涵蓋的圖表類型。例如 figure_ImmunoStruct 提供 quantitative comparison 的長條圖，figure_Brainteaser 提供 composition breakdown 的 brute_force 圖，figure_Dispersion 提供 3D spheres 的 illustration，figure_VIGIL 同時有雷達圖與 post-training 比較折線圖，figure_ophthal_review 則有按月份統計的趨勢圖。這些圖表對應的主題跨度從免疫結構預測到眼科回顧，顯示作者的繪圖腳本並非只服務單一領域。視覺風格方面，design-theory.md 與 api.md 應該定義了調色盤與輔助函式，但 README 本身沒有列出具體的顏色代碼或字型設定。作者在 README 中強調這些圖表發表於頂級場所，暗示其風格符合學術出版的審查標準，但 repo 內並未提供任何渲染後的 PDF 或向量檔範例，僅有 PNG 預覽。

實際使用的步驟與前置條件

要實際使用這個 repo，你不需要安裝任何套件，但需要一個能讀取 Python 腳本的環境。最直接的方式是將 repo clone 下來，開啟其中一個 figure_* 資料夾，例如 figure_VIGIL，然後執行裡面的 Python 腳本。但 README 沒有提供任何 requirements.txt 或 environment.yml，也沒有說明腳本需要 matplotlib、seaborn 或 scienceplots 等相依套件。這意味著你必須自行從 import 陳述判斷依賴，並手動安裝。若你要使用 AI 代理生成新圖表，流程是：在代理中開啟 repo，要求代理依照 SKILL.md 的慣例在 figure_PROJECT_NAME/ 建立腳本，提供輸入資料與輸出檔名，最後執行腳本並檢查匯出的 PNG 與 PDF。若是 symlink 安裝，則需先執行對應的 mkdir 與 ln -s 指令，然後重啟代理。

限制與不適用的情境

這個 repo 有幾個明顯的限制。第一，授權標示為 NOASSERTION，代表作者沒有宣告任何開源授權條款，這對想複製或改寫腳本的人來說是法律上的不確定性。第二，所有腳本都是針對特定論文資料設計的，缺乏通用化的資料介面。例如 figure_ImmunoStruct 的長條圖可能硬編碼了 IEDB 與 CEDAR 的比較數據，你無法直接套用在自己的資料上，必須修改資料載入部分。第三，README 中沒有提供任何測試或持續整合設定，腳本的正確性僅依賴作者在發表論文時的驗證，若你修改了資料格式或欄位名稱，腳本可能靜默產生錯誤的圖表。第四，這個 repo 不適合需要互動式或動態圖表的場景，所有範例都是靜態 PNG 輸出。最後，作者明言部分圖表並非完全用 Python 製作，這表示如果你想要複製那些示意圖，你仍需要其他工具如 Illustrator 或 PowerPoint。

替代方案與本質差異

學術繪圖領域有許多成熟的替代方案，最直接的是 SciencePlots 套件，它提供了一系列 matplotlib 的風格檔，讓圖表符合 IEEE、Nature 等期刊的排版要求。SciencePlots 的差異在於它只處理視覺風格，不提供任何資料處理或圖表類型的輔助函式。另一個替代方案是論文繪圖教學網站如 Matplotlib 官方 Gallery 或 seaborn 的範例集，這些資源提供大量可複製的程式碼片段，但缺乏統一的設計原則。figures4papers 的獨特之處在於它將 style 與 pattern 濃縮成一份 AI 可讀的技能文件，並搭配真實發表的案例。相較之下，SciencePlots 只是安裝一個 .mplstyle 檔案，而 figures4papers 則要求代理閱讀多份 markdown 文件並實作特定函式名稱。若你偏好傳統的複製貼上工作流，SciencePlots 更輕量；若你已經依賴 AI 代理生成程式碼，figures4papers 的結構化文件能提供更一致的輸出。

維護成本與升級考量

關於維護，repo 的最後一次 push 是 2026 年 9 月，且沒有發布任何 release，顯示這是一個個人維護的專案，更新頻率取決於作者自己的論文產出。README 中列出的論文包括 ImmunoStruct（Nature Machine Intelligence 2026），暗示 repo 會隨著新論文發表而新增 figure_* 資料夾，但沒有版本標記或變更日誌，你無法追蹤腳本是否因 matplotlib 版本升級而需要修改。升級成本方面，由於沒有相依套件鎖定，當 matplotlib 或 numpy 釋出重大更新時，舊腳本可能出現棄用警告或行為改變。此外，skill 文件中的 API（如 apply_publication_style）並非來自任何已發布的套件，而是 repo 內部的慣例，若作者日後修改這些函式名稱，所有依賴此技能的代理提示都需要同步更新。授權方面，NOASSERTION 意味著你不能假設這些程式碼可以被自由使用，即使作者在 README 中歡迎引用論文，但引用論文與複製程式碼是兩回事。若你想將這些腳本整合到自己的專案，最安全的做法是直接聯絡作者取得明確許可。

編輯結論

figures4papers 適合正在撰寫 AI 會議或期刊論文、需要快速產出符合學術排版慣例圖表的研究者，尤其如果你已經使用 Cursor 或 Claude Code 等 AI 編碼代理，這份技能文件能直接縮短你與代理溝通繪圖細節的時間。不適合的對象是：你需要的是互動式圖表、複雜的客製排版，或者你的資料格式與 repo 內的範例差異過大，因為這裡的腳本多為單一論文量身打造，缺少通用 API 文件。採用前應先確認三件事：第一，授權標示為 NOASSERTION，代表 repo 並未宣告明確授權條款，若你要複製腳本到自己的論文或軟體專案，必須先聯繫作者取得許可；第二，README 中並未列出任何相依套件版本或安裝需求，你必須自行從腳本內容推斷 matplotlib、numpy 等版本相容性；第三，技能文件中的 API 慣例（如 apply_publication_style、finalize_figure）目前只存在於參考文件與範例腳本中，尚未有獨立套件或測試保證其穩定性，使用前最好先比對 references/api.md 與實際 figure_* 資料夾內的呼叫方式，避免代理生成無法執行的程式碼。

官方來源

1. ChenLiu-1996/figures4papers on GitHub
2. Issues
3. Project website
4. README