觉得这篇文章有帮助?

🌐 官方网址:

https://deepscientist.cc

(AutoFigure-Edit 官方在线体验平台,对所有学者免费开放。如该入口访问不稳定,可直接使用 GitHub 开源仓库:github.com/ResearAI/AutoFigure-Edit ,通过 Python SDK 或自部署 Web 界面使用。核心框架源码位于 github.com/ResearAI/AutoFigure)

📌 工具简介

AutoFigure 是西湖大学张岳团队(ResearAI)推出的智能体科研绘图框架,相关工作已被 ICLR 2026 接收。它要解决的不是“画一张好看的图”,而是科研插图制作中长期存在的两个断裂:AI 生图工具审美在线但逻辑崩塌、文字乱码,而代码绘图工具逻辑严密却缺乏现代论文所需的美感与可编辑性。AutoFigure 提出了“推理式渲染”(Reasoned Rendering)范式,将结构布局规划与美学渲染解耦为两个阶段,先由多智能体系统读懂长文本、构建逻辑骨架,再通过“设计-批评-修正”的闭环迭代打磨布局,最终直接输出 SVG 矢量图和兼容 draw.io 的 mxGraph XML。其升级版 AutoFigure-Edit 进一步引入 SAM3 抠图与矢量重组,让生成的插图不再是无法修改的 PNG,而是可以在浏览器内置编辑器或 PPT 中直接拖拽、改字、换色的可编辑画布。团队同步构建了首个大规模科学插图基准 FigureBench(3,300 对高质量文本-插图对),在人类评估中,66.7% 的生成结果被论文原作者判定可直接用于 camera-ready 版本,教科书类任务中的胜率高达 97.5%。

⚡ 主要功能

  • Text-to-Figure 文本直出插图:输入自然语言描述或粘贴长文本材料,AutoFigure 直接生成结构合理的科研插图,而不是先出位图再转译,从源头保证矢量可编辑性
  • Paper-to-Figure 论文自动提取绘图:上传 PDF 或 Markdown 格式的论文,系统自动提取方法部分的核心逻辑,跳过手动梳理步骤,直接生成对应的技术路线图或架构图
  • “推理式渲染”双阶段架构:第一阶段 Conceptual Grounding 读懂万词长文,提取实体与关系,生成结构正确的 SVG/HTML 布局骨架;第二阶段 Aesthetic Rendering 进行美化渲染,并在渲染后通过 OCR 识别模糊字符,用“擦除-修正”策略重新覆盖清晰的矢量文本,从机制上解决 AI 生图文字变形的顽疾
  • 多智能体迭代精修(Review-Refine Loop):AI Designer 负责生成和修改布局,AI Critic 负责挑毛病(如“箭头重叠”“布局重心不稳”),循环评分和反馈,直到插图达到出版标准,模拟了人类设计师与评审的拉锯过程
  • AutoFigure-Edit 完全可编辑 SVG:引入 SAM3 自动抠图与 RMBG-2.0 去背景,将干净图标重新矢量重组进 SVG 模板,输出可在浏览器内置编辑器或 PPT 中直接拖拽、改字、换色的动态画布,彻底改变 AI 生成图“无从下手修改”的体验
  • 多种输出格式:支持 SVG 和 mxGraph XML(兼容 draw.io),生成的插图可以直接进入科研工作者最熟悉的编辑工具链中继续调整,而不是锁定在某个平台内
  • FigureBench 学术基准:首个面向长篇科学文本生成插图的大规模基准,包含 3,300 对高质量文本-插图对,覆盖论文、综述、技术博客和教科书四种文本类型,为工具效果提供了可复现的量化参照
  • AI 图像增强(可选):在基础生成之外,提供 AI 驱动的后处理美化,可生成多个美学变体供选择,适合对视觉表现有更高要求的场景
  • 开源与在线双入口:核心代码、数据集和 Web 交互界面全部开源,同时提供 deepscientist.cc 在线平台供学者直接使用,无需本地配置即可体验从文本到 SVG 的完整流程

💰 价格信息

在线平台对学者免费
开源代码免费
商业 API 约 $0.20/张
本地部署可选开源模型

AutoFigure 的“免费”需要分两个层面理解。软件本身完全免费:AutoFigure 和 AutoFigure-Edit 均为开源项目(CC BY-NC-SA 4.0 许可证),代码、数据集和 Web 界面公开,官方在线平台 deepscientist.cc 也明确对所有学者免费开放,使用工具本身不产生订阅费或授权费。实际成本来自底层模型调用:如果使用商业 API(如 Gemini-2.5-Pro)进行生成,官方论文披露的单张出版级插图平均成本约为 $0.20,生成耗时约 17.5 分钟(包含多轮迭代精修)。如果选择本地部署,使用开源 Qwen-3-VL 等模型,则可以进一步压缩 API 成本,代价是对本地算力和配置能力的要求更高。对于在学术机构内、有稳定 API 额度或本地算力支持的研究者,AutoFigure 的增量经济成本很低;对于个人自费调用商业 API 的用户,单张两毛美元的价格在同类科研绘图工具中处于较低水平,但需要留意迭代次数和增强选项对最终消耗的影响。

👥 适合人群

需要在论文截稿前快速产出技术路线图、模型架构图或方法流程图的硕博研究生和科研人员(Text-to-Figure 和 Paper-to-Figure 直接对应“有文字、缺插图”的场景);对插图的逻辑准确性和文字正确性有硬性要求、无法接受通用 AI 生图中“箭头乱指、公式变形、标签乱码”的学术作者;“推理式渲染”和 FigureBench 基准的研究者、对多智能体系统和矢量原生生成感兴趣的技术人员(开源代码和 3,300 对基准数据可直接用于复现和二次研究);以及希望将 AI 生成的插图纳入 PPT 或 draw.io 继续精修、而不是拿到一张无法修改的 PNG 的科研工作者(SVG 输出和 AutoFigure-Edit 的矢量重组直接解决“改不动”的痛点)。AutoFigure 尤其适合“长文本、复杂逻辑、出版级要求”的科研插图场景。如果核心需求是海报设计、信息图表美化或非学术类的创意视觉,它的学术垂直定位和多智能体迭代流程可能显得偏重;对生成速度有极高要求、无法接受多分钟迭代等待的临时性配图,也不是它的优势区间。

✅ 优点

  • 逻辑优先的“推理式渲染”是核心差异化:把结构布局和美学渲染拆开,先保证实体关系和流程逻辑正确,再谈好不好看,从机制上规避了通用 AI 生图“颜值高但逻辑崩”的通病,在教科书类任务中胜率高达 97.5%
  • 直接输出 SVG 矢量图和 mxGraph XML,可编辑性远超“位图转译”的伪矢量方案:生成结果可以在 PPT、draw.io 或浏览器内置编辑器中继续修改,论文返修或转投期刊时不需要从零重画,可编辑性这个科研绘图的长期痛点被真正回应了
  • 人类评估数据有说服力:66.7% 的生成结果被论文原作者判定可直接用于 camera-ready,10 位一作的评审结果说明它在真实学术标准下的可用性,而不是只在基准分数上好看
  • FigureBench 为领域提供了可复现的评测基础:3,300 对高质量数据覆盖论文、综述、博客和教科书,开源后其他研究者和工具开发者有了统一的比较标尺,AutoFigure 自身的性能宣称也因此更可验证
  • 多智能体迭代精修(Designer-Critic 循环)模拟了真实的设计打磨过程:不是一次生成就交付,而是通过“生成-批评-修正”逐步提升,对于逻辑复杂、箭头和层级容易出错的科研插图,这种闭环是质量的重要保障
  • AutoFigure-Edit 的矢量重组解决了“生成后无从下手”的编辑困境:SAM3 抠图、去背景和图标重组让用户可以在浏览器里直接拖拽、改字、换色,AI 生成的图从“死图”变成了“活画布”
  • 开源 + 在线平台免费,学术用户的使用门槛极低:代码和数据集全部公开,deepscientist.cc 对学者免费,有 API 额度或本地算力的研究者几乎可以零增量成本使用,也便于在开源基础上做二次开发和领域适配

⚠️ 缺点

  • 生成速度不是它的强项:官方披露单张出版级插图使用商业 API 约需 17.5 分钟,多轮迭代和精修是质量保障的一部分,但也意味着它不适合“几分钟内出一张草稿”的快速配图场景,对截稿前临时抱佛脚的用户需要提前规划时间
  • 实际效果依赖底层基础模型:无论是调用商业 API 还是本地部署开源模型,AutoFigure 本身是一个编排框架,最终插图的语义理解深度和视觉质量与所选模型的能力直接相关。不同模型、不同 API 渠道之间的输出可能存在差异,用户需要自行测试和选择
  • “在线平台免费”不等于“零成本”:deepscientist.cc 本身对学者免费,但生成任务消耗的是底层模型的 Token 或 API 额度,如果所在机构没有提供相应的 API 支持,个人用户仍需自行承担这部分费用(商业 API 约 $0.20/张,本地部署则需算力投入)
  • 学术垂直场景的定位既是优势也是边界:AutoFigure 围绕科研插图的逻辑结构、矢量格式和出版标准构建,如果需求是商业海报、社交媒体配图或艺术化视觉设计,它的学术导向和迭代流程可能不如通用设计工具灵活,在非科研场景中的吸引力有限
  • 对使用者的技术判断力有一定要求:虽然在线平台降低了起步门槛,但若想用好 Paper-to-Figure 或本地部署,理解 PDF 解析、模型配置和 SVG 编辑的基本逻辑仍然有帮助。完全零技术背景的用户在遇到生成结果不理想时,排查和调整的路径不如“一键生成”型工具直观
  • 作为 2026 年发布的研究项目,产品化成熟度和长期维护稳定性仍在演进中:在线平台的访问稳定性、不同学科领域(如生物医学 vs. 计算机科学)的插图类型覆盖深度,以及社区支持的持续性,需要在实际使用中持续观察,不能默认它已经具备商业 SaaS 级别的运维保障

💡 使用技巧

  • 先从在线平台 deepscientist.cc 跑通一次“Text-to-Figure”最小闭环,不要一上来就用 Paper-to-Figure 处理整篇论文。用一段 300—500 字的清晰方法描述测试生成效果,确认逻辑布局和矢量输出符合你的预期后,再尝试上传 PDF 自动提取,这样能更快定位问题是出在输入描述还是模型选择上
  • 给 AutoFigure 的文本输入要“重逻辑、轻修辞”:它需要的是实体、关系、流程和层级,而不是华丽的形容词。把“我们提出了一个创新的框架”改成“模块 A 接收输入 X,经过步骤 B 和 C,输出 Y,C 与 D 之间存在反馈连接”,生成的结构准确性会明显提升
  • 充分利用“擦除-修正”带来的文字正确性,但不要默认所有标签都一次到位:生成后重点检查图中最关键的几个标签(模型名称、模块缩写、箭头方向),如果发现个别文字模糊或错位,优先在 AutoFigure-Edit 的编辑画布中手动修正,而不是反复重新生成整张图,后者会大幅增加时间和 API 消耗
  • Paper-to-Figure 上传 PDF 前,先确认论文的方法部分是文字可提取的(非纯扫描件),并在提示词中指明你希望提取的层次(如“只提取训练 pipeline”或“聚焦推理模块的数据流”),否则 AI 可能把引言、实验设置和结论混在一起,生成一张信息过载的图
  • 如果对某张图的布局不满意,不要只盯着最终渲染结果,回顾一下 AI Critic 在迭代过程中给出的反馈(如“箭头重叠”“布局重心不稳”)。这些反馈本身就是对你原始描述中模糊之处的提示,回头修改输入文本中的关系描述,比单纯点击“重新生成”更容易得到结构上的改善
  • 把 AutoFigure 定位为“初稿生成器和逻辑骨架搭建工具”,而不是“终稿交付工具”。它擅长把文字逻辑转化为结构正确的矢量图,但配色美学、期刊特定的格式要求和领域内约定俗成的图示习惯,仍然需要你在 SVG 编辑器或 PPT 中进行最后一轮人工调整,66.7% 的 camera-ready 率意味着仍有三分之一的图需要实质性修改
  • 有本地算力或机构 API 支持的用户,优先走本地/内网部署路线,用开源模型替代商业 API,既能把单张成本压到接近零,也能避免将未发表的方法细节上传至外部服务;如果选择商业 API,提前确认所在机构的 API 配额和计费方式,避免多轮迭代产生预期外的费用

© 版权声明
THE END
喜欢就支持一下吧
点赞0打榜 分享

觉得这篇文章有帮助?