AI 技能人工智能大模型深度学习【免费下载链接】AI-Research-SKILLsComprehensive open-source library of AI research and engineering skills for any AI model. Package the skills and your claude code/codex/gemini agent will be an AI research agent with full horsepower. Maintained by Orchestra Research.项目地址https://gitcode.com/gh_mirrors/ai/AI-Research-SKILLs点击查看免费下载导读本文以 AI-Research-SKILLs 仓库中的 scientific-plotting-demo 为实战案例完整演示如何用 academic-plotting 技能为系统类论文生成发表级publication-quality配图。案例以 QoE 感知的 LLM 流式服务系统 AndesarXiv:2404.16283为素材走通两条标准工作流Workflow 1 用 Gemini 图像模型生成系统架构图Workflow 2 用 matplotlib/seaborn 绘制 CDF、多面板网格、分组柱状图等数据图表。读完本文你将掌握 6 段式 Gemini 提示词结构、四种视觉风格与色板选择、图表类型自动决策、发表级样式模板以及可复现的脚本组织规范。1. 案例背景Andes 论文与六张配图scientific-plotting-demo 选取了系统方向论文Andes: Defining and Enhancing Quality-of-Experience in LLM-Based Text Streaming ServicesJiachen Liu、Jae-Won Chung、Zhiyu Wu、Fan Lai、Myungjin Lee、Mosharaf Chowdhury作为演示素材。Andes 是一个 QoE 感知的 LLM 服务系统其预取式 token 级请求调度器preemptive token-level request scheduler根据预期 QoE 收益与 GPU 资源占用动态为请求设定优先级相较现有系统实现了显著提升MetricResultQoE improvement over vLLM4.7xGPU resource savings61%Peak queue length reduction85%演示目录共产出六类图fig_andes_architectureGemini 架构图、fig_qoe_definitionQoE 定义四情形示意、fig_cdf_comparisonQoE/TTFT/TDS 三面板 CDF、fig_burst_intensity4×3 突发强度网格、fig_summary_improvements关键指标汇总柱状图以及由 matplotlib 手绘的 fig_andes_workflowWorkflow 1 的替代方案。所有数据图均使用合成数据synthetic data匹配论文报告中的分布不涉及真实实验数据。2. 工作流选型什么时候用 Gemini什么时候用 matplotlibacademic-plotting 技能的核心是先判断图的性质再选择工作流。判断基准很直接有坐标轴用 matplotlib有框和箭头用 Gemini见 SKILL.md 中的When to Use Which Workflow。Figure TypeToolWhyArchitecture / system diagramGemini (Workflow 1)Complex spatial layouts with boxes, arrows, labelsWorkflow / pipeline / lifecycleGemini (Workflow 1)Multi-step processes with connectionsBar chart, line plot, scattermatplotlib (Workflow 2)Precise numerical data, reproducibleHeatmap, confusion matrixmatplotlib/seaborn (Workflow 2)Structured grid dataAblation table as chartmatplotlib (Workflow 2)Grouped bars or line comparisonsPie / donut chartmatplotlib (Workflow 2)Proportional data (use sparingly in ML papers)Training curvesmatplotlib (Workflow 2)Loss/accuracy over steps/epochs在动手之前还有一个不可省略的 Step 0上下文分析与实体提取。输入往往是论文段落、结果表格或 CSV/JSON而不是现成的绘图规格对架构图通读方法章节识别视觉实体系统组件、模块、层级超过 8 个顶层实体时应考虑分组、实体关系sends tofeeds into 等动词对应数据流、控制流、错误路径、布局模式顺序流水线 → 左右流向分层架构 → 上下横带Hub-and-spoke → 中心辐射层级结构 → 自顶向下树最后给每个逻辑组分配一个强调色并逐字精确写出每个标签。对数据图解析数据识别对比维度方法/模型/配置 → 分类轴、指标精度/损失/时延 → 数值轴、时间维度→ 折线图、多指标→ 多面板或分组柱状图然后按决策指南自动选型有 step/time 轴选 line plotN 方法 × M benchmark 选 grouped bar单一排名选 horizontal bar两个连续变量相关选 scatter值矩阵选 heatmap占比选 stacked barML 论文中避免饼图。Andes 架构图的提取结果见 gen_fig_andes_architecture_gemini.py 头部注释是User、Application Client、Token Pacer、Token Buffer、Smooth Delivery、Request Tracker、Token-Level SchedulerPriority Scheduler Overhead Refiner、Executor、KV Cache、GPU 共 10 个实体双区域Client/Server左右布局6 步编号请求生命周期加抢占路径风格定为现代极简Modern Minimal色板用 Nord。3. Workflow 1用 Gemini 生成系统架构图3.1 四种视觉风格与四套色板academic-plotting 提供四种风格模板每篇论文应统一选一种风格块是整个提示词中最关键的部分直接决定成图是专业还是通用公司风Style A Sketch / 简笔画手绘风微微抖动的线条、圆角软形状、暖米白背景#FAFAF7、水彩式淡色填充muted blue #D6E4F0、soft peach #F5DEB3、light sage #D4E6D4、pale lavender #E6DFF0、炭黑色 2-3px 描边、简单开放箭头、圆体字框内可放简笔小图标齿轮/灯泡/放大镜画成线条而非 emoji。适合 overview 图和系统引入。Style B Modern Minimal现代极简利落几何形状用整块去饱和色填充分区slate blue #E8EDF2、warm sand #F5F0E8、cool mint #E8F2EE组件框圆角 12px、无边框靠极淡阴影1px offset、4px blur、rgba(0,0,0,0.06)悬浮每区一个强调色#2563EB、#059669、#D97706、#E11D48箭头细1.5px、深灰 #6B7280、源端小实心圆、目标端干净箭头标签放在框内而非框外元素间距至少 24px零装饰。Andes 架构图即采用此风格。Style C Illustrated Technical图标化技术风每个组件配一个统一线稿风格的语义图标2px 描边、约 24×24px组件置于左侧带 4px 色条LEFT COLOR STRIP的圆角矩形内分组区域有极淡底色连线用按源组件配色的贝塞尔曲线关键数据流加粗3px次要流 1px 虚线箭头上可加 ×Noptional 角标。适合教程型论文。Style D Accent Bar经典学术风上下堆叠的横向分区带浅灰 #F7F7F5 填充 8px 左侧粗色条内容框白底、细 #DDD 边框、4px 圆角配色 Blue #4A90D9、Teal #5BA58B、Amber #D4A252、Slate #7B8794无衬线字体箭头颜色跟随源分区。任何会议都安全的默认选项灰度打印也清晰。色板方面SKILL.md 提供四套精选方案Ocean Dusk专业沉稳默认推荐#264653 深青、#2A9D8F 青、#E9C46A 金、#F4A261 沙橙、#E76F51 珊瑚橙Ink Wash配简笔画风Nord配现代极简Andes 采用#2E3440 极夜、#5E81AC 冰霜蓝、#A3BE8C 极光绿、#EBCB8B 极光黄、#BF616A 极光红Okabe-Ito通用色盲安全数据图必选。3.2 六段式提示词架构任何 Gemini 提示词都必须按顺序包含六个部分各部分行数有明确约束1. FRAMING (5 lines): Create a [STYLE_NAME]-style technical diagram for a [VENUE] paper. The diagram should feel [ADJECTIVES]... 2. VISUAL STYLE (20-30 lines): Copy the full style block from above (A/B/C/D). This is the most important section — it determines the entire visual character. 3. COLOR PALETTE (10 lines): Exact hex codes for every color used. 4. LAYOUT (50-150 lines): Every component, box, section — exact text, spatial arrangement, and grouping. Be exhaustively specific. 5. CONNECTIONS (30-80 lines): Every arrow individually — source, target, style, label, routing direction. 6. CONSTRAINTS (10 lines): What NOT to include. Adapt per style — e.g., sketch style allows slight irregularity but still no clip art.diagram-generation.md 进一步强调风格块应描述感觉与质感而非只讲几何——Lines should wobble gently like drawn with a thick felt-tip marker 优于 Lines should be slightly irregular颜色必须给出精确 hex 码绝不留给模型自由发挥。3.3 Andes 架构图的完整提示词拆解仓库中 gen_fig_andes_architecture_gemini.py 保存了 Andes 图的完整六段提示词是实践六段式结构的范本Section 1 Framing定位为 OSDI/NeurIPS 系统论文的架构图confident, spacious, authoritative类比 Apples developer documentation meets a Nature paper一句话交代 Andes 协同设计推理服务器与流式客户端、含 6 步请求生命周期。Section 2 Visual Style完整粘贴 Modern Minimal 风格块并针对本图追加两条例外——Andes 新组件用 Amber #EBCB8B 强调步骤编号为带白色数字的小实心圆。Section 3 Color Palette给出 Nord 全量精确色值——深色文字 #2E3440、次要文字 #4C566A、Client 分区 #EEF1F6、Server 分区 #EDF3ED、Andes 强调极光黄 #EBCB8B填充 #FBF6EA、执行器冰霜蓝 #5E81AC、GPU 雪暴 #E5E9F0、抢占错误路径极光红 #BF616A、token 投递流极光绿 #A3BE8C、控制流深灰 #6B7280、分区分隔虚线 #D8DEE9。Section 4 Layout把十个组件逐框写明——顶部 CLIENT 区User → Application Client内含 Token Pacer 嵌套框→ Token Buffer6 个小方块队列可视化前 3 个黄色填充→ Smooth Delivery底部 SERVER 区Request Tracker三行小字QoE params / TTFT targets / Token timestamps→ Token-Level Scheduler内含 Priority Scheduler 与 Overhead Refiner 两个并排子框→ Executor内含 KV Cache→ GPU最下方白底区域放置 QoE 公式框QoE 1 - S_delay / S_whole、优先级公式Priority QoE_gain / context_length与三色图例。Section 5 Connections8 条箭头逐条给出起点、终点、颜色、线型、编号与标签——①User→App Client Submit request②App Client→Scheduler 下行 Enqueue QoE params③Request Tracker→Scheduler琥珀色④a Scheduler→Executor Admit / Resume、④b Executor→Scheduler 红色虚线 Preempt向左⑤Executor→Client 区上行绿色 Stream tokens⑥Token Buffer→Smooth Delivery⑦Smooth Delivery→User 绿色曲线 Pace at reading speed⑧Executor→GPU 无编号。Section 6 Constraints零装饰、无图标、组件框无可见边框仅 Andes 组件保留细色条例外、无线渐变无纹理、留白本身就是设计元素、禁止图号与图注、禁止水印 Logo最后是文字准确性的硬约束Token-Level SchedulerRequest TrackerToken PacerOverhead RefinerKV CachePriority Scheduler 必须逐字拼写精确不得缩写或改大小写。3.4 三次非确定性尝试与脚本模板Gemini 图像生成具有非确定性技能规则要求每次固定生成 3 次尝试再人工挑选。仓库里保留了三次尝试的对比attempt1最终选中间距/配色/箭头布线最佳、attempt2良好但间距略紧、attempt3分区清晰虚线抢占路径更明显。三次尝试的文字准确率均为 100%——所有标签拼写正确这被 README 特别强调为相对上一代生成效果旧版所有尝试均有拼写错误的重大改进。生成脚本遵循 SKILL.md 提供的模板结构从GEMINI_API_KEY环境变量或 .env 文件读取密钥绝不硬编码、循环 3 次、每次间隔 2 秒限速、遍历响应 parts 取出inline_data写盘、按fig_name_attempt{N}.png命名最终人工挑选后重命名为fig_name.png。核心调用如下from google import genai client genai.Client(api_keyAPI_KEY) # 6-section prompt: Framing Style Colors Layout Connections Constraints PROMPT SECTION 1 — FRAMING: Create an ultra-clean, modern technical architecture diagram for an OSDI paper. Think: Apple developer docs meets Nature paper... SECTION 2 — VISUAL STYLE (Modern Minimal): Ultra-clean geometric shapes, floating boxes with shadow, thin gray arrows... SECTION 3 — COLOR PALETTE (Nord): Deep text: #2E3440, Andes accent: Aurora Yellow #EBCB8B, Executor: Frost #5E81AC... SECTION 4 — LAYOUT: Two zones: CLIENT (#EEF1F6) and SERVER (#EDF3ED), each with floating boxes... SECTION 5 — CONNECTIONS: 8 arrows with step numbers, dashed red preempt path, green delivery flow... SECTION 6 — CONSTRAINTS: ZERO decoration, generous whitespace, CRITICAL TEXT ACCURACY... # Generate 3 non-deterministic attempts for i in range(1, 4): response client.models.generate_content( modelgemini-3-pro-image-preview, contentsPROMPT, configgenai.types.GenerateContentConfig( response_modalities[IMAGE, TEXT]))3.5 架构图成图效果Figure 1: Andes QoE-Aware LLM Serving System Architecture。AI 生成的架构图完整呈现请求生命周期(1) 用户提交请求(2) 客户端携带 QoE 参数入队(3) Request Tracker 向调度器反馈状态(4) Token-Level Scheduler 在 token 粒度上执行 admit/resume/preempt(5) Executor 流式产出 token(6) Token Pacer 按阅读速度平滑投递。图中黄色强调组件即 Andes 的原创贡献。4. Workflow 2用 matplotlib 绘制数据图表4.1 发表级默认样式与色盲安全色板实验类图表统一走 matplotlib仓库中 gen_fig_experiment_results.py 开头即定义了两套全局默认# Publication defaults plt.rcParams.update({ font.family: serif, font.serif: [Times New Roman, DejaVu Serif], font.size: 10, axes.titlesize: 11, axes.labelsize: 10, xtick.labelsize: 9, ytick.labelsize: 9, legend.fontsize: 8, figure.dpi: 300, savefig.dpi: 300, savefig.bbox: tight, savefig.pad_inches: 0.05, axes.spines.top: False, axes.spines.right: False, axes.grid: True, grid.alpha: 0.3, grid.linestyle: --, }) # Colorblind-safe palette COLORS { blue: #4C72B0, orange: #DD8452, green: #55A868, red: #C44E52, purple: #8172B3, brown: #937860, pink: #DA8BC3, gray: #8C8C8C, }这套deep变体色板与 style-guide.md 中推荐的色盲安全调色板一致蓝色 #4C72B0、橙色 #DD8452、绿色 #55A868、红色 #C44E52、紫色 #8172B3、棕色 #937860、粉色 #DA8BC3、灰色 #8C8C8C。技能要求数据图绝不只靠颜色区分还要叠加线型实线/虚线/点划线/点线与标记o/s/^/D/v双保险自己的方法用独立强调色突出本案例 Andes 恒为橙色、vLLM 恒为蓝色。每张图同时导出PDF矢量供 LaTeX 使用与 PNG300 DPI 光栅。会议尺寸遵循快速参考表NeurIPS/ICLR 单栏 5.5 in、ICML 单栏 3.25 in / 通栏 6.75 in、ACL 3.3 in / 6.8 in、AAAI 3.3 in / 7.0 in。4.2 QoE 定义四情形示意折线 阴影填充fig_qoe_definition 用 1×4 折线面板说明 QoE 指标如何刻画流式服务中不同类型的体验劣化(a) 完美体验——实际投递与理想消费时间线重合(b) 首 token 长延迟——队头阻塞拉大 TTFT(c) 慢速流式——token 生成慢于消费速度(d) 中途停顿——被抢占导致流式中断。灰色虚线为理想消费线橙色实线为实际投递红色半透明填充面积即 QoE 劣化量 S_delay对应公式QoE 1 − S_delay / S_whole。实现要点是np.where分段构造时间线 ax.fill_between(t, fill_y1, consumption, alpha0.15, colorred)绘制劣化面积见 gen_fig_experiment_results.py 的plot_qoe_definition。Figure 2: User Experience Cases and QoE Definition。(a) 完美体验实际投递贴合理想消费时间线(b) 长首延迟队头阻塞放大 TTFT(c) 慢速流式token 生成慢于消费速度(d) 中途停顿抢占造成流式中断。阴影面积代表 QoE 劣化量 S_delay。4.3 三面板 CDF 对比QoE / TTFT / TDSfig_cdf_comparison 在真实 BurstGPT 流量上对比 Andes 与 vLLM 的关键指标分布采用多面板图模式共享样式 色盲安全配色。脚本用np.sort计算经验 CDFmarkeverylen//15控制标记密度并在 QoE 面板以灰色点线绘制QoE0.95参考线。核心结论Andes橙97% 请求达到 QoE ≥ 0.95vLLM蓝仅 75%平均 TTFT 从 10.5s 降至 1.8sTDS 两者相当说明 Andes 未牺牲吞吐。合成数据生成采用与论文分布匹配的方式QoE 用 Beta 分布Andes β(30,1) 集中在 1.0 附近vLLM β(5,1.2) 更分散、TTFT 用指数分布均值 1.8s / 10.5s、TDS 用正态分布见 gen_fig_experiment_results.py 的generate_cdf_data。Figure 3: CDF of QoE, TTFT, and TDS on BurstGPT Trace。Andes橙97% 请求 QoE ≥ 0.95vLLM 为 75%平均 TTFT 由 10.5s 降至 1.8sTDS 两者相当表明吞吐未受损。4.4 多面板网格突发强度下的平均 QoEfig_burst_intensity 是技能处理复杂多面板图能力的代表4 行模型Phi-3-mini 3.8B、Command R 32B、Phi-3.5-MoE、Llama 3.1 70B× 3 列数据集ShareGPT、ArXiv、Coding共 12 个子图共享 x 轴Intensity r ∈ [1,3]与 y 轴Avg QoE ∈ [0,1.05]左上角为模型名的旋转标注顶部fig.legend(..., ncol4, bbox_to_anchor(0.5, 1.02))统一图例。数据生成函数gen_qoe(base, degrade_rate)让 Andes 保持高基准0.98低衰减三个基线vLLM 0.90、LQSF 0.88、Sarathi-Serve 0.85则随突发强度以 1.3 次幂速率劣化——这一趋势与论文结论一致vLLM、LQSF、Sarathi-Serve 因 FCFS 调度与队头阻塞在高突发下显著劣化Andes 在最高突发强度下实现最高 4.7x 提升。4.5 汇总柱状图与折线/热图/排行榜通用模式fig_summary_improvements 用 1×3 分组柱状图浓缩论文头条结论(a) BurstGPT 流量上 Andes 平均 QoE 0.99 vs vLLM 0.88Andes 柱加粗橙色描边强调(b) 四种模型架构上的 QoE 提升倍数 3.2x / 4.1x / 4.7x / 3.5x含 y1.0 基线参考线(c) 资源效率GPU 节省 61%、峰值队列削减 85%、并发请求数 2.6x。柱状图全部带数值标签ax.text置于柱顶与白色描边edgecolorwhite。技能库还提供三套通用图表模式见 SKILL.md 的 Common Chart Patterns折线图用markers[o,s,^,D,v]循环分配、fill_between绘制置信带、markevery控制标记密度热力图用 seabornsns.heatmap(matrix, annotTrue, fmt.2f, cmapYlOrRd, linewidths1.5, linecolorwhite)排行榜横向条形图用barh配合invert_yaxis()自己的方法以 OUR_COLOR 高亮、基线统一 BASELINE_COLOR 冷灰退后。更多模式scaling laws、violin、雷达图等见>赞分享AI 技能人工智能大模型深度学习【免费下载链接】AI-Research-SKILLsComprehensive open-source library of AI research and engineering skills for any AI model. Package the skills and your claude code/codex/gemini agent will be an AI research agent with full horsepower. Maintained by Orchestra Research.项目地址https://gitcode.com/gh_mirrors/ai/AI-Research-SKILLs点击查看免费下载相关推荐AI-Research-SKILLs 学术绘图指南用 matplotlib/seaborn 生成 ML 论文出版级图表的完整模式库AI Research SKILLs 学术绘图指南用 matplotlib/seaborn 生成 ML 论文出版级图表的完整模式库 本篇技术指南以 AI ReAI 技能人工智能大模型深度学习AI 论文配图提示词工程完全指南用 Gemini 六段式 Prompt 生成出版级架构图AI 论文配图提示词工程完全指南用 Gemini 六段式 Prompt 生成出版级架构图 本指南基于 AI Research SKILLs 仓库中 acadeAI 技能人工智能大模型深度学习ARIS paper-figure 技能实战用 Codex Gemini 审稿环生成出版级论文图表ARIS paper figure 技能实战用 Codex Gemini 审稿环生成出版级论文图表 本文围绕 ARISAuto Research InAI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考