PaperSpine 科学图表工作流：从证据覆盖规划到参考解构与组件化构建的完整实践指南

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用

本指南以 PaperSpine 技能包中的 scientific-figure-workflow.md 为主体，结合仓库内 figure-story.md、figure-reference-mapping.md 等配套方法，以及preserve_figure_revision.py、figure_comparison.py、figure_story_check.py、figure_reference_check.py等脚本源码与测试用例，系统讲解一条"先规划证据覆盖 → 真实阅读参考 → 探索完整构图 → 按组件路由工具 → 用户逐图决策 → 保留修订 → 对比实际产出"的完整科学图表生产线。读完你可以掌握：如何在收窄 Results 之前把科学问题映射到可用证据并形成图表计划；如何区分知识来源与视觉设计范例；如何把一张机制/概念/架构图拆分为原生矢量层与有界生成组件；以及如何用两个官方脚本完成修订快照保留与逐页并排对比。

一、何时启用这套工作流

本工作流在创建或重新设计统计图、机制图、概念框架、图形摘要（graphical abstract）和方法架构图之前使用，包括在修订阶段对已有图的改动。它把"科学参考解构 + 组件路由"的方法封装进单一 PaperSpine Skill 内，普通宿主绘图工具和图像工具即可执行，不需要历史 Runner 合约、JSON 认证或第二个 Skill。

工作流强调按需取用阶段，而不是一套必须走完的仪式：

• 一个参考选择（reference-selection）或设计简报（design-brief）任务，结束于"已查看的来源 + 可执行的简报"，不需要创建论文任务、填满整篇论文的学习配额或生成最终图形；
• 渲染、选择和最终视觉审查只有当请求的工作确实到达这些产出时才变得必要。

这也对应 current-method-routing.md 中"按当前阶段的实际工作选择方法"的原则——阶段选择的是当前正在做的工作，而不是把任务重置或丢弃已完成的部分。

二、先读两份配套方法，再动笔规划文字

在围绕已有图形规划文字之前，工作流要求先完整阅读两份相邻参考，并且必须把其中的科学内容（而不只是形式要求）带入当前工作：

• figure-story.md：在规划文字之前，先理解已有图像——渲染/打开每一张完整图和每一个 panel，识别科学问题、主导声明（dominant claim）、hero panel、每个 panel 的职责（setup、mechanism、primary result、comparison、ablation、diagnostic、boundary、interpretation）、实际测量/推断/仅示意区分、可见的方法/数据集/指标/基线/单位/不确定性/样本量/统计标记、预期阅读顺序。不依据文件名或题注推断图像含义；若图像与正文或证据冲突，在源头或声明处解决，而不是制造一个新的审批环节。
• figure-reference-mapping.md：重点吸收其中的科学映射要点（scientific mapping bullets）、内容迁移边界（content-transfer limits）、Background Rule（优先透明可编辑画布与纯白出版背景；语义标记、热图单元格、机制区域可以有颜色）以及 Point/Line Grammar 复用规则（点、线、区间、ROC、森林、热图、流程、网络标记本身没有高级/原始之分，按问题与数据结构复用）。

工作流明确提示：这些参考文档的旧版兼容性小节（Runner 模式、Master 认证、PaperFigure 交接）仅用于显式维护旧引擎；当前工作使用普通笔记、来源、公开选择与真实文件审查即可。

三、在收窄 Results 之前规划整篇论文的图表

这是整份方法最重要的一步：先规划图表，再决定图表类型与数量。

3.1 把科学问题映射到可用证据

• 检查所有提供的结果表、图形和相关方法，包括当前草稿之外的有用结果；
• 在选定图表类型或图形数量之前，把论文的科学问题映射到现有笔记中的可用证据；
• 明确区分四类内容：实测结果（measured results）、方法说明（method explanations）、文献支撑的概念（literature-supported concepts）、以及在保存范围内不可用的证据；
• 决定哪些问题受益于视觉论证，再针对这些任务比较强参考结构，最后才定稿图形与 panel 计划。不要先定几个简单绘图、再回头找与它们相似已发表的图。

3.2 证据覆盖（coverage），而非"每个结果都要画"

各图形应承担互补职责：连接设定（setup）、主要发现（primary findings）、比较（comparisons）、解释（explanation）与稳健性（robustness）。在最终确定数量前，扫描实际产出中的独立证据族：

每个有用的证据族都要被分配到图、表、正文或补充材料中，否则要在既有计划中写明省略的科学理由。不要让"已经画好的文件"决定这个清单。要点：

• 没有数字默认值或配额，文章类型、期刊空间与受支持的问題决定图形数量；单图覆盖所需视觉论证即可成立；
• 多余的 panel、格式或重复统计不能弥补缺失的证据层；
• 不要把一个汇总指标拆成多张图来虚增数量，不要合成临床结果，也不要在明知存在科学缺口时默默放行"期刊级完整性"；
• 合成演示（synthetic demonstrations）只能用于教学构图，永远不能为真实研究提供数据。

3.3materials_only下的边界

保存的research_mode若为materials_only，则禁止新分析、实验、训练、评估与重跑，但允许重新组织和重绘已有结果。若某个拟展示的图形需要未提供的结果，要记录该具体缺口并使用受支持的设计。

3.4 mechanism_figure 决策

• 对mechanism_figure: auto或prefer：在候选生成前，于既有图形计划中记录适宜性决定。若解释性任务处于核心地位且有足够来源，应在必要的数据图之外生成一个完整的机制/概念/架构候选；不要把队列流程图、ROC panel 或统计仪表板当作机制图。auto下省略必须写明具体理由。
• 解释性图形的文献支持与本研究的因果建立能力分开评估：横断面/观察性研究仍可用文献支撑的概念框架，缺乏已测机制本身不是省略理由；有文献支持时应区分标注观察关联、既有知识与假设，不得编造因果证据或用数字摘要卡替代解释。
• 省略的判定依据是拟议图形自身的要求：缺少随访可排除生存图，而缺少因果验证并不能排除有来源支撑的概念框架；冗余展示或更擅长传达问题的文字/表格，也是合理的无图决策。

四、设计前真实阅读参考图

4.1 keep / redesign / create

打开现有图形及其可编辑源（如有），依据其科学职责与可见质量决定keep（保留）、redesign（重设计）、create（新建）。保留有效的用户研究与可复用的高质量元素。

4.2 真实查看，而不是"看起来像"

• 参考引导工作必须在产出候选字节之前，以整页尺寸查看完整参考图并检查其相关细节；
• 从同领域与目标期刊学习集中开始；若其中只有统计图，要为一个解释性图形另行寻找相关且强壮的机制/框架/架构图——生存图不能充当机制设计的范例；
• 按目标期刊级别或以上评估相关性、科学沟通质量；不要因为图片容易获得就选择弱图；
• 保留本地参考、其论文/期刊/年份与精确的页码/图定位信息。

知识来源（knowledge source）与视觉设计范例（visual design exemplar）分离：相关论文的简单示意图可能确定了要讨论哪些过程，但提供的结构太少，不足以指导丰富的机制图。在图形笔记中标注每个来源的角色。对主设计范例，要检查它如何解释系统内部过程：空间隔室/模块、有意义的内部结构、跨尺度连接、分支或反馈——这些是可迁移的设计机会，而不是器官、分子或箭头的配额。高期刊排名、相关标题或逼真器官图标不能替代这些。当主题匹配的参考视觉较弱时，保留它作为知识来源并另找更强设计范例，不要降低视觉基准去迁就它。

4.3 匹配信息结构，而非共享标记

• 主范例要匹配图形的科学职责与信息结构，不只是共用的图表标记或主题；
• 对新的复杂主图或架构图，先比较一小组强图再确定参考；比较的是备选方案如何组织所需证据或解释，而不是收集了多少示例；
• 偏好的参考应具有大量可迁移的科学结构：有意义的多 panel 集成、主导结果、信息性比较/不确定性、链接的尺度或模块、出版尺寸下可读的细节；
• 如果所有计划中的迁移只是颜色、字体或图标，说明机制的科学构图尚未被学到——先重新审视参考选择或其结构解构，再花时间做组件生成。

4.4 定位解析（locator resolution）与防误标

从文章的实际图标签和所附题注解析定位，再按其 XML/HTML 图形绑定或出版方 PDF 页面定位图形。文件名与下载顺序可能包含图形摘要或补充材料，不必与图号一致。绑定图像要与 panel 标签和题注一起查看后再记录视觉经验；若之前的映射有误，保留原始内容并修正定位与受影响的比较，不要静默重标无关图像。还要检查范例自身的 panel/题注一致性，拒绝其包含的任何误导性编码。

4.5 把比较转化为可执行的绘图简报

在既有图形笔记中简要标识参考的科学职责、panel 叙事、主导元素、阅读顺序、数据/关系编码、视觉层级、标注策略、其证据或解释为何有说服力、哪些原则可迁移到本研究或必须拒绝。然后转化为实际绘图简报：命名参考中的有用特征、本图中对应的区域或关系、以及它将如何被渲染。把该简报带入整图提示词与可编辑构建中。抽象、引文、题注、保存的文件名或参考数量都不是视觉检查；若没有可合法查看的合适参考，如实记录原创设计与访问缺口，继续有用工作，但不得把请求的参考引导工作报为完成，也不得在画完之后补造参考。

五、组件生产之前，先探索完整构图

5.1 区分科学角色

• 生物机制（biological mechanism）解释过程；图形摘要（graphical abstract）总结论文；工作流（workflow）展示程序；架构（architecture）展示实际系统。角色可组合，只要视觉叙事保持清晰——但含器官图标的比较流程图不能冒充请求的生物机制图。

5.2 用 GPT Image 2 先探索完整构图

对新机制/概念图或重大重设计，在查看强参考后先用 GPT Image 2 探索完整构图：概念草稿（concept draft）确立阅读顺序、空间关系、主导结构、放大细节与视觉语言，在投入孤立器官之前先检查它。私有记录与患者细节不得进入生成；概念探索可以使用公开参考与通用科学描述。概念图像与工作来源放在一起，明确标注为设计原型（design prototype）。需要区分应保留的有用结构与应纠正的科学错误：局部修正错误标签或箭头，不构成删除周围有效过程的理由；每个实体有明确的含义/视觉键，每个关系有命名的源与目标及正确方向，任何公式有其变量与单位约定。不要把已观察到的错误只留在笔记里，却把未修正的原型作为最终稿呈现。

5.3 关系语义先于箭头样式

选择箭头样式之前先明确关系含义：

不要把指数构建或测量关联渲染成因果路径；多类关系并存时给出简明图例（key）。

5.4 分工作轮次重构（working passes）

• 结构骨架（structural skeleton）：放置受支持的隔室/模块及其内部对象；先连接明确端点，再加段落或结果卡片。在源头标注每个保留的参考/概念特征的目标位置。文本标签命名一个过程并不等于描绘该过程。
• 证据与语义（evidence and semantics）：把测量标记绑定到提供的结果；给实体不同的视觉身份，分离过程、测量与数学链接；移除原型中的虚构发明，局部修复其关系而不丢弃有效的周围结构。生成的整场景仍是原型——要恢复有界对象，而不是不透明文本框下的墙纸。
• 构建与审查（construction and review）：添加可编辑标签、图例与简明注释，然后比较完整参考、概念与重构；检查导出像素中的可见端点与遮挡，包括绘制顺序（源中存在的箭头可能被隔室或图像遮蔽）；容器与其图形保持一致的坐标框架。

可编辑科学图层不需要把每个有机对象或纹理手动矢量化；保留所选概念的有用细节与视觉质量，粗糙的原生替代品不会仅仅因为"可编辑"就升级。保留合适的有界资产可在原生构图内替换；复用有效源图像，仅在原生绘图不足时才用 GPT Image 2 生成额外的有界、无文字组件，并匹配视点、调色板、边缘风格与阴影。

几何架构例外：纯粹几何的方法/系统架构，若其模块与连接可用原生矢量忠实表达，可以从完整原生概念开始，但必须保留同样的参考解构与整图检查。这不等于用另一模型替代 GPT Image 2 做有机机制探索，也不免除新机制图的整图概念步骤。

5.5 迭代算法与架构的说明机会

对迭代算法，阅读实际方法/代码寻找时间与状态的可解释机会：哪个先前预测与哪个后续观察对照、模型何时更新并发出下一个预测、新样本/状态如何进入执行与下一次测量。连续混合权重应展示贡献分布与权重含义，不要变成排他开关；概率变成配额、候选与接受点时要暴露其后果性变换；区分正常更新、回退与终止区间。静态方法不必强加反馈回路；示意状态必须与记录轨迹区分，缺失输出不能用合成点或未授权重跑填补。对其他架构，暴露实际输入表示、变换、分支/融合规则、重复次数与输出决策——这些是来源依赖的机会，不是强加给其他模型的模板。

六、构建科学构图，按组件选择工具

先定义图形的一句话信息（one-sentence message）与每个区域的角色。保留有用的科学复杂度：暴露实际模块内部、数据结构、比较层与方法-结果连接。主 panel 更大、共享图例、对齐的小倍数图、嵌套尺度与路由空间用于组织支撑细节；拥挤应通过改布局或删除冗余文字解决，不是丢弃有效证据或把标签缩小到"技术上放得下"。数据标记扎根于当前结果、架构扎根于实际方法/代码、机制实体与箭头扎根于引用知识或显式假设。

6.1 组件路由表

按组件路由，而不是把整图二分归类为"数据"或"图像生成"：

组件生成的理由必须是参考解构后的具体绘图需求，而不是"因为图叫机制图"。使用计划好的视点、解剖、调色板与区域尺寸引导组件。立即把实际 prompt 与返回资产保留在任务论文源中，把生成文件移出工具/会话缓存，记录其任务相对路径与角色——后续宿主必须能仅凭任务找到原始资产，而不是恢复另一个聊天。

不要在概念阶段生成成品数据图，也不要把完整带标签的栅格称作"可编辑组件"。图应使用原生标签、连接器与测量标记装配；程序化装配的图仍可能不满足科学构图或视觉学习要求，工具选择本身不是质量通行证。保留源资产与实际 SVG/绘图/文档源，再按预期物理尺寸导出 PDF/SVG/PNG。

七、从受支持发现设计数据图

选定图表类型前，识别主要发现与支撑职责：实际分布与样本量、组件间关系、比较对象、有意义的异质性、可用的不确定性与稳健性。已有分布或授权的个体结果可支持比汇总条更有信息量的视图；原始数据的可用性本身不是materials_only下计算新结果的授权；未知临床随访不妨碍改进诚实的分布或不确定性展示。

复用绘图脚本前先检查它——脚本可能同时做记录清理/去重、拟合模型或重算研究统计。materials_only下应复用冻结结果或可编辑图形层，把纯绘图与这些分析步骤分离。现有结果的几何、标签放置与保单位轴变换属于普通图形工作，不需要新证明形式。

选择让比较可检验的语法：配对单位级点对恒等线揭示均值可能隐藏的一致性；完整排序景观显示胜者之外的离散；对齐的局部输出与源扎根模块解释方法作用的位置。这些结构仅在对应保留结果存在时使用。用一个主 panel + 支撑 panel让论证更清晰；共享图例与稳定颜色含义、对齐可比较的轴、标注重要的结果、跨表图移除冗余数字清单。备选方案要在科学沟通上有意义差异，而不是旋转的图形或重排的框。不要添加无关端点、无支撑显著性、生存曲线或模型性能声明来增加复杂度。

八、让用户逐图比较与决策

8.1 复用公共决策接口，不为琐事制造选择

对实际的请求级用户决策应用 panel/装配选择序列；复用已采纳的选择与显式委托选择权。间距、错字、颜色或导出修正已被请求覆盖时，不要为每个修正再创建一次选择。科学组合变化或待定的 revise/reject 决策仍走相关公共选择；永远不要把 Agent 的修复称为新的用户确认。

复杂图在用户选择 panel 时可拆成可选子图步骤：每步一个科学 panel、其相关参考与备选方案，随后做整图装配检查；不要为制造步骤而拆分单个不可分割的通路。

8.2 1.1 公开 schema 的字段约定

• 给出描述性图形名称与问题、可用时的当前版本、同一证据的真实备选设计、以及相关原始参考/当前比较；
• 使用当前 schema 接受的确切任务相对files路径，不发明字段；
• 用当前公开 1.1 schema 时，把显式展示放在payload.figure：figure_id与label对科学图稳定；panel_id/panel_label标识子图；集成整图检查时省略panel_id；
• reference_files与current_files包含发现的确切任务相对路径；comparison_files包含可读的参考/候选并排比较；三个列表全部显式提供，新图用空current_files列表；无合适参考时reference_files与comparison_files留空并在reference_note说明具体原创设计/访问情形；
• 每个新请求声明panel_ids：复合图的所有独立可选 panel ID，或不可分割整图的[]。每个可选 panel 从完整计划开始、在其选择中保留计划，所有 panel 选择被采纳/保留后再请求集成图；
• allowed_decisions[].files包含被选择的候选；显式使用keep、adopt、revise或reject动作（尤其自定义选项 ID）；同一可选单元的修订版用replaces_decision_id。

先读实际 schema；元数据只是对同一决策的展示，不是新的状态存储。不要从共享材料来源、文件名或候选字母推断身份。

8.3 选项呈现规则

提供 keep、adopt 候选与请求修改；keep/修改选项仍应链接其涉及的图像，使选择不丢失用户的视觉上下文；说明每个选项的科学与视觉差异。比较 PDF 必须同时包含两侧、可读比例，另一个标签页的链接不等价；参考与比较图像永远不可作为本研究结果被选中。保存的 revise/reject 选择不采纳 panel，也不解锁集成选择。用户要求修改时，先应用其具体评论再呈现修订图，不要把该解决算作采纳。原型、组件表、当前图与修订候选按实际角色标注，选择中只放真实候选；"请求了修改的已保存选择"仍是待解决工作。为未受影响的图保留决策，并确保稿件使用所选修订；不要从文件排序或名称推断最终科学选择。

九、保留并完成一次图形修订

9.1 用preserve_figure_revision.py保留显式文件集

修改现有图或产生脚本之前，在同论文内以命名修订（named revision）保留其当前导出、可编辑源、必要源资产、题注与精确结果输入。优先复用已有版本机制；否则使用官方助手：

python scripts/preserve_figure_revision.py --paper-root <paper> --revision <id> --file <paper-relative-file> ...

从源码看（src/scripts/preserve_figure_revision.py），该脚本的行为边界非常明确：

• 只复制显式命名的文件（--file可重复、必填），绝不自动发现私有输入，也不改变任务/选择状态；
• 校验路径必须位于 paper-root 内（拒绝绝对路径、..与越出活动论文区的文件），修订名需匹配[A-Za-z0-9][A-Za-z0-9._-]{0,79}的简单命名规则；
• 归档目录固定为<paper>/figure-versions/<revision>，revision-manifest.json保留为归档元数据专用名；
• 采用"先复制到 staging、逐文件记录 SHA-256、复制后再整体校验输入集、最后rename原子落盘"的流程：输入集在保留期间变化会报错中止；目标修订已存在（含符号链接）直接FileExistsError，绝不覆盖旧修订；
• 它检查输入变化但不锁定其他进程，因此保留期间需协调写入者或等待活动导出结束。

保留相对依赖路径，显式包含必要引用资产；不要把归档放进活动候选文件之中；不要声称新快照能恢复被覆盖的旧字节。

9.2 修正源并导出新候选

修正产生源并导出新候选路径；尽量从保留结果读取计算注解，而不是把可变统计量复制为字面量。重新生成未变化的图不是又一轮改进；在既有笔记中保留一份简明 issue-to-change 映射，含未解决评论与确切当前输出。修订后的可选单元使用同一公开决策身份与替换字段；只使内容或含义实际变化的选择失效。每次实质性修订后打开新输出而非其前任的缓存预览；局部修改还要把保留旧图与新图对比，同时检查请求的编辑与未受影响的区域、标记、尺度与标签——旧/新回归比较与参考/当前学习互补，互不替代。完成图、其比较与受影响的稿件位置后再去处理无关参考搜索或格式打磨。组件图集（component atlas）是中间资产，不是修订完成的机制图；局部修正可复用有效概念与现有组件，原生重构能解决问题时无需重复整图生成。

十、对比实际产出

10.1 渲染并按真实尺度检查

以稿件实际栏/页尺寸渲染最终图。进行科学编码检查后再做可选润色：可数标记陈述某个分数时，对照来源核对计数、分母、保留总数与类别含义；能生成计数与标签时应从同一参数生成。"示意、非测量"允许示意性位置，但不允许误导性数值关系。追溯每个科学上不同的分支到其可见终点与所需返回路径；源、图与题注中的同一关系（评分 vs 入院 vs 回退、阈值、时间索引、正常 vs 异常范围、百分比描述的人群）必须一致。简化可以省略细节，但不能用不同规则替换它。检查整页视图与近视图：科学层级、实体身份、有意义细节、关系拓扑与箭头端点、阅读顺序、调色板、文字、间距、线宽与栅格分辨率。检查导出物理宽高与最小标签是否符合预期期刊位置；对栅格区域，用像素除以印刷宽度（英寸）计算有效分辨率——放大小源不会增加细节。

10.2 用figure_comparison.py生成并排比较

把相关原始参考与当前图并排放置，带清晰归属与可读比例。机制比较必须包含真实机制参考；统计比较归统计图。外部发布参考标注来源与图定位，本研究早期版本标注为 "Previous study figure"。外部参考/当前比较测试设计学习；旧/新比较测试所请求的修复与回归。绝不把两者合并为 "Reference / existing figure"，也不要用旧/新页作为发布参考学习的证据。

对本地导出比较，使用官方助手：

python "<installed-skill>/scripts/figure_comparison.py" --output figures/comparison.pdf \ --view "Published exemplar: author, year, Fig. X" sources/reference-paper.pdf 2 \ --view "Previous study figure" figures/current.pdf 1 \ --view "Candidate" figures/candidate.svg 1 \ --clip 1 40 30 560 340 --export-view 1 figures/reference-view.pdf

关键参数与语义（依据 src/scripts/figure_comparison.py 源码）：

• 页码与视图索引均从 1 开始；--view是ROLE_LABEL FILE PAGE三元组，至少两个显式标注视图；
• 裁剪坐标：--clip VIEW X0 Y0 X1 Y1，单位是点（point，1/72 英寸），原点位于显示页应用旋转/CropBox 后的左上角，x 向右、y 向下；裁剪必须完全落在显示页内；省略--clip表示整页；
• 导出：--export-view VIEW PDF把与比较页完全相同的标注视图（含源定位与裁剪坐标）导出为独立 PDF；reference-view.pdf可填充reference_files，comparison.pdf可填充comparison_files；
• 安全约束：输出必须是不存在的 PDF 路径且不与输入冲突（禁止覆盖任何现有文件）；无效输入或冲突输出路径在写入前即失败；内部使用 PyMuPDF（fitz），PDF/SVG 以矢量 PDF 内容放置，栅格输入保留源像素（不新增细节），内置 CJK 字体保证中文来源标签可检索；
• 裁剪是显示操作，不是红action；导出后要实际打开渲染出的比较页确认标签在预期观看尺寸下可读，并保留原始文件以便缩放查看。

从 tests/test_figure_story_check.py 的测试用例可以印证配套校验逻辑的行为：plan_sha256签名后不可回填（test_reference_plan_cannot_be_backfilled_after_signing）、final 阶段必须存在figure_body_contract.json与visual_audit_manifest.json且hero_panel必须命名已声明 panel（test_missing_panel_job_and_invalid_hero_fail）、背景收据中检测到彩色区域即 FAIL（test_final_requires_mapping_and_rejects_colored_background_receipt）、制作者不能兼任独立审查者（test_final_contract_rejects_producer_as_independent_reviewer）、稿件正文必须引用每个图形标签（test_final_contract_rejects_figure_not_referenced_by_manuscript_body）。这些测试同时证明了 figure_story_check.py 的必需故事字段（figure_role、scientific_question、intended_conclusion、claim_boundary、results_units、hero_panel、panels）与 figure_reference_check.py 的 fail-closed 语义（reference_guided必须携带真实参考资产、prohibited_transfer必须覆盖 data/values/labels/claims/wording、domain_mappings必须恰好覆盖每个当前 panel）。

10.3 收尾审查：先声明剩余缺口

先陈述相对所选范例的剩余缺口：缺失的证据层、丢失的结构、弱层级、模糊连接或可读性不足。若有用复杂度丢失，先在修饰前修订构图。面板数量与无裁剪都不能证明请求的图质量达标。验收前，审查者要指出与强参考最大的剩余差异，判断它是有证据依据还是可修复的设计弱点；后者要在产生源中修正并检查更新后的像素。用户的偏好选项只是偏好，不是自动专家批准；不要用分数或表单替代这次比较。独立审查者应同时打开两侧与稿件页，检查实际来源与题注，评估请求的科学与视觉质量；若参考从未被查看，或输出未应用其有用设计原则，即使数字、引文、图像文件与渲染检查都通过，也要记录这一具体失败，修复受影响的图并重新审查——统计图的通过结论不得顺延给机制图或图形摘要。

结语：一条"证据约束"的图表面向流水线

PaperSpine 这套科学图表工作流的本质，是把图形的每个环节都钉在证据与来源上：从证据族清单决定图的数量与职责，到真实查看参考并只迁移结构、不迁移数据，到按组件选择确定性绘图、原生矢量与有界生成，再到以命名修订保留字节、以并排比较检验像素。它在单一 Skill 内完成参考解构与组件路由，历史 Runner 合约与旧引擎认证仅作显式维护之用。对任何想在 PaperSpine 任务中产出"既有信息量、又可追溯、可修订"的科学图形的研究者，上述步骤、命令与源码路径即可作为可复现的操作基线。若要继续深入，可进一步阅读 figure-story.md 的 Results 写作结构（question → evidence → bounded answer）与 figure-reference-mapping.md 的三种比较目的区分，并在实际任务中借助 SKILL.md 的mechanism_figure与materials_only配置与 product-v1-workflow.md 的paperspine_request_decision通道落地这些方法。

• AI 技能
• AI 写作
• 人工智能
• 深度研究
• AI 应用