coff0xc-research-drawio-diagram

<!-- skill-id: cs-rdd-0f8d6e2b -->

快速规则（日常任务先读这里）

[证据先行] 论文、官方仓库、README、代码或实验材料先定位；未知结构不能编造。 [图可编辑] 默认交付 .drawio/diagrams.net 可编辑结构，不只给截图或口头描述。 [结构门禁] 节点、边、层次、数据流、训练/推理/实验阶段必须能回到来源证据。 [硬边界] 未公开论文、私有数据、专利/投稿敏感材料和外部发布先确认。

普通科研/算法图任务按本节先推进；只有论文级重构、复杂系统图或审稿级说明时再展开完整工作流。

能力定位

面向论文、算法、模型和研究流程的可编辑 draw.io 图生成能力。重点是交付可继续编辑的 .drawio 源文件，并把图中元素和公开证据对应起来。

能交付什么

• 可编辑 .drawio 文件
• 图结构 JSON/spec 或模块清单
• 证据表：论文段落、公式、图号、代码路径、官方文档
• 未确认推断边和不确定项说明

可以接收什么输入

• 论文 PDF/arXiv/OpenReview、官方 GitHub、项目文档
• 模型结构、算法 pipeline、实验流程、训练/推理说明
• 已有草图、截图、Mermaid 或图形要求

放心使用的边界

• 可直接基于用户材料和公开来源整理图
• 需要联网查论文/仓库时标注来源和证据等级
• 不把推断连接伪装成论文原文事实
• 默认只处理本地、可逆、可验证的低风险工作；涉及生产、凭据、付费、远程写入、删除、发布或权限变更时必须先确认。

为什么可以放心

• 优先生成 draw.io 可编辑源文件，不只给 PNG/Mermaid
• 图中关键模块要能追溯到证据
• 训练路径、推理路径和指标分层标注

典型使用方式

使用 coff0xc-research-drawio-diagram 根据论文和官方 GitHub 画一个可编辑 draw.io 方法图。
使用 coff0xc-research-drawio-diagram 把 Transformer 论文方法整理成 .drawio 模型结构图。
Use coff0xc-research-drawio-diagram to create an editable diagrams.net method figure with evidence notes.

目标

把科研算法、论文方法、模型结构或实验流程转成可编辑的 diagrams.net/draw.io .drawio 架构图。先基于公开来源或用户提供材料做结构分析，再画图；不要凭记忆编造模块、连接或创新点。

适用场景

• 用户要求画科研算法架构图、论文方法图、模型 pipeline、实验流程、系统框架或对比图。
• 用户明确要求 draw.io、diagrams.net、.drawio、可编辑 XML、论文配图、method figure、architecture figure。
• 需要把论文、arXiv、官方 GitHub、README、代码目录、公式、消融实验或已有草图转成结构化图。
• 需要输出可编辑源文件，而不只是 Mermaid、PNG 或文字描述。

不适用场景

• 纯代码依赖图、调用图、类图优先用代码图/Trailmark 类 skill。
• 只需要简单 ASCII/Mermaid 草图且不要求 draw.io 时，不必生成 .drawio。
• 没有来源、也不允许联网或提供材料时，只能输出“待确认草图”，不得声称是论文真实结构。

公开来源要求

优先使用这些证据，按可靠度排序：

1. 用户提供的论文 PDF、方法章节、图表、公式、补充材料。
2. 官方论文页、arXiv、OpenReview、ACL Anthology、IEEE/ACM/Springer 页面。
3. 官方 GitHub/项目主页、模型卡、文档、demo。
4. 高可信综述、Papers with Code、公开 benchmark 页面。
5. 其他博客/教程只能作为辅助，不得覆盖原论文。

涉及当前论文、最新模型、仓库结构、benchmark 或 API 时必须查公开来源并标注证据等级。

draw.io 约束

• 默认输出 .drawio，也可输出 .xml。draw.io/diagrams.net 的可编辑图本质是 XML；.drawio 是常见文件扩展名。
• 需要可编辑交付时优先保存 .drawio 源文件；PNG/SVG/PDF 只作为预览或投稿导出。
• 如果导出 PNG/SVG/PDF，尽量保留 embedded diagram data，方便之后继续编辑。
• 可以先用 Mermaid/表格整理逻辑，但最终必须生成 draw.io 可编辑文件。
• 如果本地没有 draw.io Desktop，不要假称已导出 PNG/PDF；只说已生成 .drawio，用户可用 app.diagrams.net 或桌面版打开。

执行原则

• 先抽取算法事实，再画图：任务、输入、输出、模块、数据流、训练/推理差异、损失函数、评估、创新点。
• 图必须服务论文表达：读者应该能一眼看出“问题、方法主线、关键模块、信息流和贡献点”。
• 复杂图分层：总览图、模块展开图、训练流程图、推理流程图、消融/对比图不要硬塞一张。
• 术语保留论文原名；缩写首次出现写全称。
• 图中每个核心模块都要能追溯到来源段落、公式、图号、代码路径或公开文档。

输出产物

至少交付：

• .drawio 文件路径。
• 图结构说明：模块、边、分组、颜色含义。
• 证据表：每个关键模块对应来源。
• 未确认项：哪些连接或命名是推断。
• 打开/编辑说明：用 diagrams.net/draw.io 打开 .drawio。

可选交付：

• JSON spec：供 scripts/build_drawio.py 复现。
• Mermaid 草图：用于快速审阅，不替代 .drawio。
• PNG/SVG/PDF 预览：仅在本地工具可用并真实导出后声明。

工作流

阶段	动作	完成标准
需求定界	确认图类型、目标读者、论文 venue、页面比例、输出路径和是否要多页。	知道画什么、不画什么。
来源分析	读取用户材料；必要时查公开论文、官方 repo、文档、图表和公式。	每个核心结构有证据。
结构抽取	列输入、编码器/核心算法/解码器、训练目标、推理路径、数据集、指标和创新点。	可转成节点和边。
图稿设计	选择布局：left-to-right pipeline、top-down hierarchy、swimlane、loop、multi-page。	信息层级清晰。
生成 draw.io	用 scripts/build_drawio.py 或直接写 .drawio XML。	文件可被 draw.io 打开编辑。
自检	检查 XML、节点标签、连接方向、证据表、未确认项。	不伪造、不漏关键模块。
交付	给出文件路径、证据、验证和下一步。	用户能打开和修改。

推荐图型

图型	适用	布局
Algorithm pipeline	输入到输出、端到端方法	左到右
Model architecture	神经网络/模块层级	分组 + 子模块
Training vs inference	训练和推理路径不同	双泳道
Data flow	数据处理、特征、检索、缓存	左到右或上到下
Loss/evaluation	多损失、多指标、多 benchmark	辅助区块
Paper contribution map	创新点和 baseline 对比	中心模块 + 对比旁注

JSON Spec 约定

优先用 scripts/build_drawio.py 生成 .drawio。输入 JSON 结构：

{
  "title": "Model Architecture",
  "pages": [
    {
      "name": "Overview",
      "nodes": [
        {"id": "input", "label": "Input", "type": "data", "x": 40, "y": 120},
        {"id": "encoder", "label": "Encoder", "type": "module", "x": 240, "y": 120}
      ],
      "edges": [
        {"source": "input", "target": "encoder", "label": "features"}
      ]
    }
  ]
}

常用 type：data, module, algorithm, model, loss, evaluation, output, claim, note, source。

证据表格式

| 图中元素 | 来源 | 证据等级 | 备注 |
| --- | --- | --- | --- |
| Encoder | Paper Section 3.1 / official repo module path | 已验证 | 原文模块名 |
| Retrieval cache | README / code path | 已验证 | 推理路径 |
| Feedback edge | 推断 | 推断 | 需要用户确认 |

验证清单

• .drawio 是 XML 文件，包含 <mxfile> 和 <mxGraphModel>。
• 节点 ID 唯一；边的 source/target 都存在。
• 连接方向符合论文方法，不反向。
• 训练路径、推理路径、loss、evaluation 没混在一起。
• 图中未确认内容已标注为推断。
• 没有把公开论文外的信息写成已验证事实。

反模式

• 只根据模型名画“常见架构”，没有来源证据。
• 把论文图复制成低分辨率图片，而不是可编辑结构图。
• 所有模块同一颜色，读者分不出 data/model/loss/eval。
• 一张图塞满所有细节，导致论文排版不可用。
• 声称已导出 PNG/PDF，但实际只生成了 .drawio。

输出合同

完成：
- ...

证据：
- [已验证/高可信/推断/未验证/未知] ...

文件：
- ...

验证：
- ...

未确认项：
- ...

下一步：
- ...