Claude Skill MartKhám phá skillCâu dùng ngayHọc qua videoDùng terminalSkill là gì?
 
← Về danh sách

Vẽ hình cho bài báo khoa học (Academic Plotting)

Biến bản nháp bài báo hoặc bảng kết quả thí nghiệm thành sơ đồ kiến trúc và biểu đồ số liệu đạt chuẩn hội nghị.

Dữ liệu · Phân tíchTrung cấp★ 1,369⑂ 98Điểm AI 9/10Cập nhật lần cuối: 25 thg 8, 2026

Giúp được gì

  • Hai luồng làm việc tách biệt: hình có trục số → matplotlib/seaborn; hình có hộp và mũi tên → tạo ảnh bằng Gemini.
  • Tự trích xuất ngữ cảnh: đọc đoạn method, mô tả hệ thống, bảng kết quả hay file CSV/JSON để xác định thành phần, quan hệ, phương pháp và chỉ số cần so sánh.
  • Tự chọn loại biểu đồ: có trục thời gian → line plot; N phương pháp × M benchmark → grouped bar; ma trận vuông → heatmap; xếp hạng → horizontal bar.
  • Style chuẩn xuất bản: font serif, 300 DPI, bỏ viền trên/phải, bảng màu an toàn cho người mù màu (Okabe-Ito), tô màu nổi bật cho "Ours", xuất đồng thời PDF vector và PNG.
  • Bảng kích thước theo hội nghị: NeurIPS, ICML, ICLR, ACL, AAAI (một cột / toàn trang, đơn vị inch).
  • 4 phong cách sơ đồ: vẽ tay, tối giản hiện đại, giàu icon, thanh màu học thuật cổ điển — kèm khối prompt chi tiết tới từng mã hex.
  • Tính tái lập: luôn lưu script sinh hình tại figures/gen_fig_<tên>.py theo quy ước đặt tên rõ ràng.

Phù hợp với ai

  • Nghiên cứu viên, học viên cao học ML/AI gửi bài tới NeurIPS, ICML, ICLR, ACL
  • Người mất nhiều thời gian cho hình Figure 1 tổng quan
  • Người đã có log thí nghiệm nhưng phải chỉnh style biểu đồ lại từ đầu mỗi lần
  • Người từng bị reviewer phê bình hình vẽ thiếu chuyên nghiệp

Ví dụ sử dụng

  1. Sơ đồ kiến trúc: "Hệ thống của chúng tôi gồm Planner, Executor, Verifier; khi thất bại Verifier phản hồi về Planner" → layout vòng lặp với 3 khối và mũi tên nét đứt, sinh 3 lần bằng Gemini rồi chọn bản tốt nhất.
  2. Biểu đồ cột so sánh: "GPT-4: MMLU 86.4 / HumanEval 67.0; Ours: 88.1 / 71.2; Llama-3: 79.3 / 62.1" → grouped bar 3 phương pháp × 2 benchmark, tô màu coral cho "Ours", ghi nhãn giá trị, xuất PDF.
  3. Đường cong huấn luyện: CSV accuracy theo step (mean, std) → line plot có marker và dải tin cậy, kích thước một cột ICML 3.25 inch.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/OpenRaiser/NanoResearch/HEAD/skills/vendor-ai-research/academic-plotting/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/vendor-ai-research/academic-plotting từ repo GitHub OpenRaiser/NanoResearch vào ~/.claude/skills/academic-plotting/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/OpenRaiser/NanoResearch.git /tmp/NanoResearch && mkdir -p ~/.claude/skills && cp -r /tmp/NanoResearch/skills/vendor-ai-research/academic-plotting ~/.claude/skills/ && rm -rf /tmp/NanoResearch

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và tạo thư mục skill nếu chưa có: mkdir -p ~/.claude/skills
  2. Clone repo: git clone https://github.com/OpenRaiser/NanoResearch.git /tmp/NanoResearch
  3. Sao chép riêng skill này: cp -r /tmp/NanoResearch/skills/vendor-ai-research/academic-plotting ~/.claude/skills/
  4. Dọn thư mục tạm: rm -rf /tmp/NanoResearch
  5. Cài thư viện Python: pip install "matplotlib>=3.8" "seaborn>=0.13" numpy "google-genai>=1.0"
  6. (Chỉ khi cần vẽ sơ đồ bằng AI) Lấy khóa Gemini tại https://aistudio.google.com/apikey rồi đặt biến môi trường: export GEMINI_API_KEY="khoa_cua_ban"
  7. Khởi động lại Claude Code và thử yêu cầu: "Tạo hình cho bảng kết quả này theo chuẩn ICML".
  8. Kết quả sẽ nằm trong thư mục figures/ của dự án dưới dạng gen_fig_*.py, fig_*.pdf, fig_*.png.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT