Paper2diagram

简介

Paper2diagram 是一个面向科研工作者的「论文图文解析与可视化」技能，适合处理方法类/架构类论文（尤其是 CV / 医学图像 / 表征学习方向）。

它可以帮助代理完成：

• 读取本地论文 PDF；
• 自动聚焦到 Method / Architecture 章节；
• 抽取主干网络结构与训练流程；
• 用「资深学术评审」的口吻生成结构化总结（研究背景 / 核心创新点 / 实验结论 / 局限性等）；
• 调用网关中的 nano_banana 图像模型，自动生成多张论文风格配图（背景图、方法图、创新点示意图、实验结果条形图等），并保存在 outputs/ 目录。

快速上手（给最终用户看的示例）

当你的代理已经启用了本技能后，可以直接在对话里说：

> 请帮我分析这篇论文 /absolute/path/to/paper.pdf，用学术评审的方式总结研究背景、方法和创新点，并按照医学图像论文的风格自动画出结构图和实验对比图。

代理预期会：

1. 调用本地 Python 工作流处理指定的 PDF；
2. 输出结构化总结：研究背景 / 核心创新点 / 方法与结构 / 实验结论 / 局限性；
3. 生成 3–5 张配图（方法主结构、创新点 callout、实验结果柱状图等），并返回：
• 在线图片链接（由你的网关返回）；
• 本地保存路径（outputs/论文名__fig*.jpg），方便直接写入报告或幻灯片。

环境与依赖

• 必须安装：Python 3（命令为 python3）
• 需要网络访问：连接到你自己配置的 LLM / 图像网关（例如 dongli gateway）
• 环境变量（可以在 OpenClaw 的 skills.entries.paper2diagram.env 中配置，也可以在 shell 中设置）：
• GEMINI_API_KEY
• GEMINI_BASE_URL（示例：https://api.dongli.work/v1beta）
• GEMINI_MODEL（示例：gemini-3-pro）
• BANANA_PRO_API_KEY
• BANANA_PRO_BASE_URL（示例：https://api.dongli.work）
• BANANA_MODEL（示例：nano_banana_pro-1K）
• ENABLE_BANANA=true

> 安全提示：本技能只会将你提供的 PDF 通过你自己配置的网关（Gemini + nano_banana）进行处理，不会上传到其他第三方服务；

> 请仅在你信任的网关和私有环境中使用本技能，并在使用前阅读源代码。

本地部署（开发者 / 自托管）

ClawHub 只托管技能说明与元数据，实际的工作流逻辑在本仓库中实现，需要在本地拉取代码：

1. 克隆项目并安装依赖：

git clone <YOUR_REPO_URL> paper2diagram-agent
cd paper2diagram-agent
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env  # 按需填入 KEY

1. 确认 .env 中的 KEY 与 gateway 地址正确可用。

在 OpenClaw 中的典型调用流程

1. 代理收到用户指令（示例见「快速上手」）。
2. 代理通过本技能的工具，调用：

python -m app.openclaw_main local "<ABSOLUTE_PATH_TO_PDF>" 30

1. 工具返回：
• paper_analysis：论文结构化总结；
• final_prompt：为绘图模型生成的英文 Prompt 信息；
• render_results[]：每张图的在线链接与 local_image_path。

其他说明

• 图像链接可能是短期有效的临时 URL，建议优先使用 outputs/ 目录下的本地图片。
• 若出现 403 或 503 之类的错误，多半与网关额度、权限或模型名配置相关，本技能本身不会绕过网关安全策略。