NaturePanelForge

在科学研究中，高质量图表的复现与定制化修改往往耗时费力。NaturePanelForge 是一个创新的 Code-First 工作流，旨在将真实的科学论文图像（特别是 Nature 系列开放获取论文）转化为面板级别（Panel-level）、可执行的 Python/Matplotlib 绘图代码。通过结合 Codex Agent Loop 的逻辑推理能力与 Qwen 视觉模型的质量评分机制，它实现了从“看图”到“写码”再到“精修”的全自动闭环。

核心亮点：Agent 驱动、高精度复现、全流程自动化

1. 三阶段可恢复 Agent 工作流

NaturePanelForge 将复杂的复现任务拆解为三个独立且可审核的阶段，确保每一步的质量：

• Panel Split（切分）：自动将复合图切分为干净的单个 Panel，并生成 crop/spec 文件。Review Agent 会检查坐标轴、图例、标题等元素的完整性。
• Code Reproduce（复现）：Code Agent 根据目标 Panel 生成 reproduce_panel.py，并渲染出 PNG/PDF。Review Agent 对比原图与复现图，若发现偏差则自动修改代码并重新渲染，直至通过初审。
• Final Refine（精修）：Refine Agent 对已通过的代码进行微调，Audit Agent 严格检查字体（如 Arial）、标签重叠、科学符号规范性及布局紧凑度，确保达到出版级标准。

2. Qwen 视觉评分与质量管控

• 智能评分：调用本地部署的 Qwen 视觉模型对图像类型和质量进行打分，辅助 Agent 判断复现效果。
• 实时反馈：每个阶段都会落盘中间产物、审核结果和最终文件，支持断点续传与人工干预。

3. 多模式灵活输入

• 单图复现：直接上传裁剪好的 Panel 图片，快速生成代码。
• 全图解析：上传完整复合图，自动切分并批量复现所有 Panel。
• 论文批量处理：输入 DOI 或主题，自动下载开放获取论文，提取图表并执行完整的 Paper-to-Panel-to-Code 流程。

快速开始

1. 模式 1：直接代码演示（无需安装 Skill）

最快体验方式，运行仓库自带的示例脚本：

bash scripts/run_quick_start_demo.sh

这将重新渲染 docs/demo/quick_start_bubble_plot/ 下的示例气泡图代码与图片。

2. 模式 2：Codex Skill 模式（完整工作流）

安装 Skill：
在 Codex CLI 中粘贴以下指令：

Install the NaturePanelForge Codex skill for me: https://github.com/littlepeachs/NaturePanelForge

执行复现：
使用提供的 System Prompt（中文或英文），指定目标图片和参数，Codex 将自动调用 codex-panel-reproduce skill 执行完整工作流。

3. 环境配置

cd NaturePanelForge
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp configs/demo.env.example .env
# 编辑 .env 配置 Qwen 模型路径等
source .env

适用场景

• 科研人员：需要复现文献中的精美图表，或基于现有风格绘制自己的实验数据。
• 数据分析师：希望从高质量出版物中学习先进的可视化技巧与代码实现。
• 学术教育者：构建 scientific panel-to-code benchmark，用于教学或评估 AI 绘图能力。
• AI 开发者：研究多模态 Agent 在复杂视觉任务中的协作与自我修正机制。