Skip to content
giszztPublic

About

Extract reusable visual systems from reference technical diagrams and generate style-consistent figures.

Resources

Stars

39 stars

Watchers

0 watching

Forks

Repository files navigation


这是什么

FigEcho(图易现)是一个面向技术图的 AI Agent Skill。它从参考图中提炼可迁移的视觉系统,再把新的技术内容组织成同一视觉家族的图。

技术图的风格不只是配色。信息如何分区、容器如何嵌套、箭头如何组织、字体如何分级、图标如何统一,以及高信息密度下如何保持秩序,都会决定一张图的辨识度。FigEcho 把这些可观察特征整理为视觉指纹,并编译成一份脱离原图语境也能直接使用的中文分模块提示词。

你可以只拿走提示词,也可以让它先规划新内容的图示结构,再把参考图与完整提示词一起送进图片模型出图。喜欢的风格还能保存为 Style Pack,连同原始参考图进入本地风格库,以后按名字或用途检索复用。

如果你也在使用 FigEdit · 图易编,可以把二者看成一组前后衔接的工具:FigEcho 负责让新图长成目标视觉家族,FigEdit 负责把已有位图重建为可编辑图形。

效果案例

每组图片都包含参考图与新生成图。两张图的内容不同,但共享同一套布局、组件、线条、配色、字体与图标语言。

案例一:英文论文方法图 → 中文大模型科普图

参考风格与同风格新图对比

保留非对称宽度节奏、粗黑宏观边界、浅灰标题带三级容器、粗黑实线配白心三角箭头;文字、图标题材、分区数量和阅读路径全部按新内容重排。风格包 black-frame-serif-architecture · 黑框衬线架构图。

案例二:数据可视化平台架构 → 企业智能体平台架构

参考风格与同风格新图对比

保留最左灰底层名列贯通、右侧独立纵向支撑栏、1px 细描边等宽方阵、全图不画箭头不画连线;层级命名、每层条目、右栏内容和青蓝绿的层语义分段全部按新内容重算。风格包 gray-column-layered-architecture · 层带灰名列架构图。

案例三:论文方法总览图 → 大模型科普图

参考风格与同风格新图对比

保留四级容器嵌套、一个模块一个色相的淡彩填充、纯黑细实线直角三角箭头、外松内紧的密度节奏;模块划分、图标题材、色相与内容的对应关系全部重新派生。风格包 macaron-nested-method-figure · 马卡龙套盒方法图。参考图 © SwanData-Speech。

案例四:双轨数据方法图 → 大模型训练流程图

参考风格与同风格新图对比

保留三层嵌套容器、手写感圆头漫画体、单一高饱和色的粗直角折线主链路、图标背后垫浅灰圆盘;主轨内容与走向、图标题材、左中右三段的宽度比例按新内容重排。风格包 playful-cartoon-schematic · 俏皮卡通手绘示意图。

案例五:英文暗底信息图 → 中文暗底科普图

参考风格与同风格新图对比

保留深炭黑底配圆角面板、标题骑在面板顶边缺口、白色虚线箭头作唯一连接语言、扁平贴纸图标配下置短标签;文字、图标题材、面板划分、四色霓虹强调色的语义映射全部更换。风格包 charcoal-dashed-node-explainer · 炭黑虚线节点科普图。参考图 © ByteByteGo。

案例六:课题技术路线图 → 工程技术路线图

参考风格与同风格新图对比

保留竖向行带堆叠、左窄标签块配右通栏内容区、浅灰虚线外框套浅彩描边卡片、黑色细直角箭头;行带数量与命名、每行条目、按行带切换的色系分段全部重排。风格包 research-proposal-roadmap · 科研申报总体路线图。

案例中的参考图属于第三方作品,仅用于风格分析与对照,版权归原作者。详见 style-library/NOTICE.md。

安装

安装到当前项目:

npx skills add giszzt/FigEcho --skill figecho --copy --yes

安装为全局 Skill:

npx skills add giszzt/FigEcho --skill figecho --copy --yes --global

从源码运行:

git clone https://github.com/giszzt/FigEcho.git
cd FigEcho
python -m unittest discover -s tests -p "test_*.py"

使用前确认:

  • Python 3.10 或更高版本
  • 想用可视画廊的缩略图缓存时,装好 Pillow(没有也能用,会直接引用原图)
  • 只有 Agent 没有内置图像工具、又要求直接出图时,才需要配置第三方图片后端的 API Key;只抽风格、出提示词不需要

直接开始

你可以直接这样说:

  • “提取这张技术路线图的布局、图标、线框、配色和字体,给我一份可复用的风格提示词。”
  • “分析这组三张论文示意图,找出它们共同的视觉语法。”
  • “参考这张架构图的风格,把下面的模块关系画成一张新图。”
  • “先把这段研究内容规划成合适的图示结构,再生成同风格技术图。”
  • “把刚才的风格保存为‘马卡龙三级科研框架’,以后继续复用。”
  • “列出风格库里适合高密度技术路线图的模板。”
  • “做一张产品分层架构图,风格你从库里挑。”

当用户既没有提供参考图,也没有点名模板时,FigEcho 会先检索 Style Library 并列出候选;确实没有匹配项时,再请用户选择补充参考图或确认创建原创风格。它不会在没有确认的情况下自行虚构风格来源。

交付模式

用户真正需要的结果 默认交付
抽取风格、复刻风格提示词 一份完整、自包含的分模块提示词
风格分析、视觉规范、结构拆解 简洁风格结论 + 完整提示词
直接画图、生成同风格新图 最终 PNG + 实际送入模型的完整提示词

提示词默认包含图像类型、内容结构、整体版式、组件语言、连接线、插图与图标、配色、字体层级、视觉气质、关键风格特征和生成约束。内部规划与校验文件只在用户明确需要时提供。

工作方式

  1. 确定风格来源:解析用户点名的 Style Pack,或读取本轮参考图;两者都没有时先检索风格库并取得用户确认。
  2. 提取视觉指纹:从布局、组件、连接线、配色、字体、图标、表面质感与密度中提炼 5–7 个高辨识度锚点,并记录证据、权重与迁移规则。
  3. 编译统一提示词:把稳定视觉语法写成完整的中文分模块提示词,把源图专有内容替换为可适配规则。
  4. 规划新内容:把用户材料整理为节点、分组、关系与信息层级,再选择图型、画幅、阅读路径和视觉编码。
  5. 生成同风格新图:以风格提示词为唯一母版填入新内容,同时把原始参考图作为真实图片输入送进模型。
  6. 用证据验收:先检查画幅、配色和密度,再逐个风格锚点记录可见证据、偏差与分数;通过后才能晋级为 validated Style Pack。

核心设计

视觉指纹不是配色摘要

风格相似性必须来自多个维度的组合。FigEcho 不把“科技感”“简洁”“高级”当作视觉规范,也不会只抄一组颜色后套进通用卡片模板。

新内容决定结构

参考图提供视觉语言,新内容决定语义拓扑。栏数、节点数、阅读路径、图标题材和强调色语义都会按新内容重算,避免把源图的业务结构机械复制到新图。

Prompt 保持单一谱系

style-prompt.md 是唯一的风格约束源。成图时的 prompt.md 由它填入内容与图示规划生成,不另写一份简化英文摘要,因此最终交付的提示词与实际生成调用保持一致。

验证区分“画得像”与“能迁移”

rendered validation 检查一次真实成图是否体现了风格锚点;portability validation 则要求在不同主题下重新规划拓扑、派生图标题材、重映射色彩语义,并确认没有源内容残留。两者分别记录,不能互相替代。

Style Library

每个 Style Pack 包含命名信息、别名、适用场景、完整提示词、视觉指纹、原始参考图和验证记录。模板先以 candidate 保存,通过真实成图检查后成为 validated;完成跨主题迁移测试后,portability_status 才能变为 passed。

仓库内附带 10 个示例 Style Pack。preview.png 只用于浏览,真正复用时仍会同时加载原始参考图与完整 Prompt。

模板按「风格家族 → 表达变体」组织。同一套行带、容器、配色骨架归入一个家族,表达方式明显不同时另立变体,比如课题路线图的纯文字版和图示版。检索可以按用途、关系图型、视觉家族、表达方式四个维度交叉筛选,search/list 的结果按家族分组,相近模板不会挤满候选。

文字检索能排序,挑风格还得看图。gallery 命令把整个库生成一页离线网页,图版墙只放原始参考图,点开看适合与不适合的场景、配色、别名和调用话术,最多三个风格并排比较。增删改模板后页面自动重建,不用手工维护。

FigEcho 风格画廊

python scripts/style_library.py list
python scripts/style_library.py search "高密度 科研"
python scripts/style_library.py show macaron-nested-method-figure
python scripts/style_library.py add --job-dir ./figecho-job --name "马卡龙三级科研框架" --slug pastel-nested-research-framework --alias "淡彩科研框架"
python scripts/style_library.py taxonomy
python scripts/style_library.py search "科研申报 技术路线" --use-cases research-proposal --archetypes roadmap
python scripts/style_library.py list --family research-proposal-roadmap
python scripts/style_library.py gallery --open
python scripts/style_library.py validate

画廊与缩略图缓存内嵌参考图,默认不进版本库。要发给别人看时用 --exclude <slug> 排掉不宜公开的模板,并用 --out 输出到库外目录。

Style Library 默认位于 Skill 包内。可通过 FIGECHO_LIBRARY 指向独立的持久化目录,避免升级或重新安装 Skill 时遗漏个人模板。

图像后端与配置

成图模式共用同一份 prompt.md 与同一套验收标准:

  • Agent 自带可接收参考图的图像工具时优先使用内置工具;
  • 没有内置工具时,scripts/generate_figure.py 可依次尝试 ListenHub OpenAPI(GPT Image 与 Nano Banana,和 Labnana 同账号同密钥)、OpenAI 官方、Gemini 官方或自定义命令。

ListenHub 的 GPT 路由按 gpt-image-2 → gpt-image-2.5-flare → gpt-image-2-official 的型号链出图,前一个通道临时关闭才换下一个,切换记录写进生成记录。出图前先调免费的积分预估。型号链可用 FIGECHO_GPT_MODELS 覆盖。

先检查当前可用路线:

python scripts/generate_figure.py --precheck

第三方后端配置写在 .env 或环境变量中,真实密钥不会进入任务记录与版本库。复制 env.example 后按需填写即可。参考图含内部、敏感或个人信息时,应先确认所选图像服务是否适合接收这些内容。

项目结构

FigEcho/
├── SKILL.md               # Agent 工作流入口
├── references/            # 视觉语法、规划、提示词与质量规范
├── scripts/               # 任务初始化、出图、校验与风格库工具
├── style-library/         # 示例 Style Pack 与目录索引
├── tests/                 # 单元测试与文档一致性测试
├── evals/                 # 触发与输出评估样例
├── agents/                # Agent UI 与兼容性元数据
└── assets/                # 品牌图与案例图

开发与验证

python -m unittest discover -s tests -p "test_*.py"
python scripts/style_library.py validate
python scripts/generate_figure.py --precheck

发布前另用 jisai-meta-skill 的 python scripts/validate_skill.py <FigEcho 目录> 检查包结构。

完整排错信息(Troubleshooting)放在 docs/troubleshooting.md,README 只保留首次使用所需的主路径。

边界与许可

FigEcho 迁移的是布局语法、组件规则、色彩关系、字体类别、图标抽象度与表面质感,不迁移源图文字、Logo、人物身份、数据、版权标记、水印或其他专有内容。它不用于像素级复制、去水印或冒充原作。

代码与文档采用 MIT License。风格库中的第三方参考图不在 MIT 授权范围内,版权仍归原作者;来源与移除说明见 style-library/NOTICE.md。

致谢

  • OpenAI bundled imagegen:图像生成、参考图角色与定向迭代方法。
  • OpenClaw diagram-maker:内容节点、分组与关系的结构化方法。

Author

giszzt · Jisai / 极思狂想

关于极思狂想

License

MIT。Copyright (c) 2026 giszzt / Jisai / 极思狂想。详见 LICENSE。

About

Extract reusable visual systems from reference technical diagrams and generate style-consistent figures.

Resources

Stars

39 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages