LiYu0524/paper-banana

Paper Banana - 学术插图生成

使用 PaperBanana 多智能体框架（Planner → Visualizer → Critic 循环）从论文方法章节文本自动生成学术插图。

前置安装

# 1. 克隆 PaperBanana
git clone https://github.com/paperbanana/PaperBanana.git ~/PaperBanana

# 2. 安装依赖
cd ~/PaperBanana
pip install -r requirements.txt

# 3. 配置模型（编辑 configs/model_config.yaml）
# 设置 OpenAI 兼容的 API base URL、API key 和模型名

核心命令

SCRIPT=~/.claude/skills/auto-research/skills/paper-banana/scripts/generate_figure.py

# 基本用法
python3 $SCRIPT \
  --content "方法文本（Markdown格式）" \
  --caption "Figure 1: 框架图标题" \
  --output ./figure.png

# 从文件读取内容
python3 $SCRIPT \
  --content @method_section.md \
  --caption "Figure 1: Pipeline overview" \
  --output ./fig1.png

# 高质量模式（完整管线 + 更多迭代）
python3 $SCRIPT \
  --content @method.md \
  --caption "Figure 2: Architecture" \
  --output ./fig2.png \
  --exp-mode demo_full \
  --critic-rounds 5

# 生成统计图
python3 $SCRIPT \
  --content "实验结果数据..." \
  --caption "Figure 3: Performance comparison" \
  --output ./fig3.png \
  --task plot

CLI 参数

| 参数 | 默认值 | 说明 | |------|--------|------| | --content | (必填) | 方法文本，支持 @filepath 从文件读取 | | --caption | (必填) | 图表标题 / 视觉意图描述 | | --output | (必填) | 输出图片路径（.png / .jpg） | | --task | diagram | 任务类型：diagram（框架图）或 plot（统计图） | | --aspect-ratio | 16:9 | 宽高比 | | --exp-mode | demo_planner_critic | 管线模式 | | --retrieval-setting | none | 参考检索策略 | | --critic-rounds | 3 | 最大 Critic 迭代轮数 | | --image-model-name | (配置文件) | 覆盖图像生成模型 | | --paperbanana-dir | ~/PaperBanana | PaperBanana 项目路径 |

管线模式对比

| 模式 | 流程 | 适用场景 | |------|------|----------| | demo_planner_critic | Planner → Visualizer → Critic × N | 快速生成，推荐默认 | | demo_full | Retriever → Planner → Stylist → Visualizer → Critic × N | 更精美，含风格优化 |

输出格式

脚本输出 JSON 到 stdout：

{
  "status": "success",
  "output": "/absolute/path/to/figure.png",
  "format": "PNG",
  "size": "1920x1080",
  "exp_mode": "demo_planner_critic",
  "task": "diagram"
}

失败时：

{
  "status": "error",
  "message": "错误描述"
}

与 drawio 的区别

| 维度 | paper-banana | drawio | |------|-------------|--------| | 输出类型 | 位图（PNG/JPG），AI 生成 | 矢量图（XML），手动/规则生成 | | 适用场景 | 论文方法图、框架图、示意图 | 流程图、ER图、架构图 | | 可编辑性 | 不可编辑（位图） | 完全可编辑（XML） | | 视觉质量 | 高（AI风格化） | 中（工程图风格） | | 生成速度 | 慢（多轮 AI 调用） | 快（直接生成 XML） |