原文内容

用 AI 词元科研绘图和润色文字

这个项目说明如何安装 nature-skills，并用其中的 nature-figure 和 nature-polishing（也可口头称为 nature-polish）完成两类常见科研任务：

• 用 nature-figure 生成 Nature / 高水平期刊风格的科研图。
• 用 nature-polishing 润色、翻译或重构论文文字。

1. 安装 nature-skills

nature-skills 是一个以 SKILL.md 为核心的科研技能集合。每个 skills/nature-* 文件夹都是一个独立 skill，安装时需要复制整个文件夹，而不只是复制 SKILL.md，因为很多 skill 会依赖 references/、脚本或示例资源。

仓库地址：

https://github.com/Yuan1z0825/nature-skills

Windows PowerShell

git clone https://github.com/Yuan1z0825/nature-skills.git
cd nature-skills

New-Item -ItemType Directory -Force "$env:USERPROFILE\.codex\skills" | Out-Null
Copy-Item -Recurse -Force .\skills\nature-figure "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse -Force .\skills\nature-polishing "$env:USERPROFILE\.codex\skills\"

macOS / Linux

git clone https://github.com/Yuan1z0825/nature-skills.git
cd nature-skills

mkdir -p ~/.codex/skills
cp -R skills/nature-figure ~/.codex/skills/
cp -R skills/nature-polishing ~/.codex/skills/

安装完成后，重启 Codex，让新加入的 skills 生效。

如果后续要更新：

cd nature-skills
git pull
cp -R skills/nature-figure ~/.codex/skills/
cp -R skills/nature-polishing ~/.codex/skills/

Windows 下把最后两行换成对应的 Copy-Item -Recurse -Force ... 即可。

2. 使用 nature-figure 科研绘图

nature-figure 适合生成论文、报告或投稿用的出版级科研图，尤其是多面板图、柱状图、折线图、热图、散点图、雷达图、消融图、图像板和综合机制图。

使用时要先明确绘图后端：Python 或 R。如果没有指定，Codex 会先问你使用哪一个后端。选定后，整个绘图、预览和导出流程都应保持同一个后端。

推荐提示词模板：

请使用 nature-figure，并使用 Python。

核心结论：这张图要证明 ...
数据来源：使用当前目录下的 ...
图形类型：多面板图，包括 ...
期刊目标：Nature / Nature Communications 风格。
输出格式：请导出 SVG、PDF 和高分辨率 TIFF/PNG。
额外要求：保留可编辑文字，统一配色，避免重复面板。

R 后端示例：

请使用 nature-figure，并使用 R。

我有一个 CSV 数据表，想画成 2x2 多面板图。
请先给出 figure contract：核心结论、每个面板承担的证据、图形类型和审稿风险。
然后用 ggplot2 + patchwork 生成出版级图，并导出 SVG/PDF/TIFF。

一个好的 nature-figure 请求通常包含：

• 核心结论：这张图要支撑什么科学判断。
• 数据文件：CSV、Excel、脚本、现有图或实验结果的位置。
• 面板结构：每个 panel 分别回答什么问题。
• 输出要求：尺寸、分辨率、SVG/PDF/TIFF/PNG。
• 风格限制：配色、字体、是否需要 Nature / NMI / 期刊投稿风格。

3. 使用 nature-polish 润色文字

正式 skill 名称是 nature-polishing。它适合润色论文标题、摘要、Introduction、Results、Discussion、Conclusion、Methods，以及中文学术草稿的英文改写。

它不是简单把句子变得“更高级”，而是先检查论文逻辑，再处理段落结构、论证强度、时态、hedging、句长和学术表达。

推荐提示词模板：

请使用 nature-polishing 润色下面这段 Introduction。

目标期刊：Nature Communications。
要求：
1. 保留原有科学含义，不新增数据、引用或机制。
2. 先修复段落逻辑，再润色句子。
3. 输出润色版本和 3-5 条 revision notes。

原文：
...

中文转英文示例：

请使用 nature-polishing 将下面中文 Results 段落改写为 Nature 风格英文。

要求：
- 不要逐句硬翻译。
- 保留关键术语和数值。
- Results 部分以观察结果为主，不提前展开 Discussion。
- 每句话尽量不超过 30 个词。

原文：
...

如果想看逐句修改原因，可以这样问：

请使用 nature-polishing 做 side-by-side revision。
输出三列：Original、Polished、Why changed。

原文：
...

4. 常见工作流

先绘图，再写图注

请使用 nature-figure，并使用 Python，根据这个 CSV 生成一张 Nature 风格多面板图。
完成后，请基于最终图形内容写一版 Figure legend。

先润色 Results，再生成对应图

请先使用 nature-polishing 检查这段 Results 的逻辑是否清楚。
然后提取其中最适合可视化的结论，并使用 nature-figure 设计对应的图形方案。

修改已有论文图

请使用 nature-figure 审查这张已有图。
重点检查：面板是否重复、配色是否过度、字体是否可投稿、SVG 文字是否可编辑、统计标注是否清楚。
然后给出修改方案并重画。

5. 注意事项

• nature-figure 需要明确 Python 或 R；不要让两种后端混用。
• nature-polishing 不会替你发明数据、引用、机制或创新点。
• 润色前最好说明论文类型、目标期刊、章节类型和希望保留的术语。
• 绘图前最好说明核心结论，而不是只说“画得好看一点”。
• 涉及未发表论文、敏感数据或审稿材料时，应先确认是否适合发送给外部模型。