文本到结构化图的中间表示
AutoFigure-Edit 的关键不是直接画图，而是先把长文本压缩成可计算的图结构中间表示。系统会从方法描述里抽取实体、步骤与依赖关系，将其映射为节点、边与标签，并把这些信息写进 SVG 的对象树中。这样做的好处是把语义层与渲染层解耦：语义结构一旦稳定，后续的排版、美学和主题替换都可以在不改语义的前提下独立迭代。对于工程化落地来说，中间表示还能作为缓存与版本控制的核心对象，让同一张图在多次修改与多工具协作下仍然可追溯。
AutoFigure-Edit 是一个面向科研写作与工程文档的图形生成与精修系统：它直接吃进长段方法描述，把概念、步骤与依赖关系拆成节点与连线，并输出为可无损编辑的 SVG 矢量图。它不是把图渲染成一次性的像素结果，而是把图当作结构化资产来管理：所有文本、形状、箭头都保留为可编辑对象，后续可以继续迭代而不会越改越糊。AutoFigure-Edit 也适合当作 AutoFigure 的下一代工作台，用更强的可编辑性把生成结果变成你团队的可复用图形模板库。对于需要快速产出方法图、系统架构图、训练流程图的研究员与工程师，它把最耗时间的排版与一致性维护从体力活变成可自动化的可控流程。
| ✕传统痛点 | ✓创新方案 |
|---|---|
| 传统科研作图高度依赖手工排版，图一旦改动就要全局挪位对齐，维护成本随迭代次数线性飙升。 | AutoFigure-Edit 把图的产物形态锁定为可无损编辑的 SVG 对象层，让文字、箭头与形状具备可追踪、可复用、可精修的工程属性。 |
| 不少文本转图工具只输出位图或半结构化结果，后续编辑会引入锯齿与错位，难以达到可发表的可读性与一致性。 | 用可迭代的布局与样式细化流程将生成与打磨拆解开来：先保证结构正确，再做美观与一致性优化，避免一口气生成导致的结构漂移。 |
1git clone https://github.com/ResearAI/AutoFigure-Edit.git && cd AutoFigure-Edit && python -m venv .venv1source .venv/bin/activate && pip install -r requirements.txt1python main.py --input ./examples/method.txt --out ./outputs/figure.svg| 核心场景 | 目标人群 | 解决方案 | 最终收益 |
|---|---|---|---|
| 论文方法图自动生成 | 研究员与投稿作者 | 输入方法段落生成可编辑 SVG 流程图并快速微调 | 将图制作从数小时压缩到可控的短迭代 |
| 企业技术白皮书插图 | 解决方案架构师 | 从系统设计说明生成架构图并统一风格输出 | 文档一致性提升，减少反复沟通与返工 |
| 教学课件图形资产化 | 高校教师与课程助教 | 将课程讲义的章节总结转成结构化 SVG 图并持续复用 | 课件更新更快，版本管理更清晰 |
