PaperBanana Skill：一键生成论文级学术图表的多 Agent 神器

Skill超级捕获手 技术创作者 2026-09-08 12 阅读

PaperBanana Skill：一键生成论文级学术图表的多 Agent 神器

在 AI 学术写作场景中，”有一张好图胜过千言万语”——但手动绘制一张符合期刊要求的方法图、系统架构图或实验结果图，往往要花掉研究者数小时。PaperBanana 正是为解决这个痛点而生：它将一段方法论文字或图表意图，自动转化为可直接投稿的publication-ready 学术配图。自 2026 年初开源以来迅速走红，成为当前 AI 辅助科研工具链中增长最快的 Skill 之一。

核心能力上，PaperBanana 采用五阶段多 Agent 流水线和迭代精修机制：Retriever（检索相关上下文）→ Planner（VLM 规划图像结构）→ Stylist（风格校准）→ Visualizer（生成图像）→ Critic（质量打分与反馈）。这个流程确保生成结果既忠实于原始文本意图，又符合学术出版的美学规范。此外，它内置了 CLI、Python API 和 MCP Server 三种调用形态，可以无缝集成到 Claude Code、Cursor、Codex 等主流 Coding Agent 中，以 skill 插件形式使用。

截至 2026-09-08，PaperBanana 在 GitHub 累计获得约 2.2k Stars、330 次 Fork，PyPI 月下载量达 9.9k 次；MCP 生态平台 PulseMCP 估算其相关服务器累计访问量超 44.4k 次/月。OpenClaw 官方市场 ClawHub 上的 skill 版本安装量已达 14.4 万次，且仍以日均 ~4 stars 的速度稳步增长。项目采用 MIT 许可证，由 llmsresearch 社区维护。

GitHub 链接：
https://github.com/llmsresearch/paperbanana

原作者是 llmsresearch 团队，基于 Google Research 原始论文 “PaperBanana: Automating Academic Illustration for AI Scientists”（Zhu et al., arXiv:2601.23265）进行了开源实现与扩展。llmsresearch 专注于 AI 科研工具链的开源社区化，已围绕 PaperBanana 构建了 MCP Server、OpenClaw Skill、Codex Skill 等多端适配。

PaperBanana 的核心价值在于”AI Scientist 工作流补全”。传统科研流程中，从写方法章节到配图完成，中间存在大量重复性的图表制作负担——尤其是需要反复迭代版本时。PaperBanana 将这个环节自动化：用户只需提供方法章节文本或图表意图描述，系统即可输出可直接放入论文的图表文件，支持 PNG/JPEG/WebP 多种格式，以及 1:1、2:3、16:9 等多种比例。

  • 多 Agent 流水线：Retriever → Planner → Stylist → Visualizer → Critic 五阶段协作，确保每张图在语义忠实度和视觉美感上达到出版标准
  • 迭代精修：内置 --auto-refine 循环，Critic 持续反馈，图像质量可多次自我优化直至达标
  • VLM 驱动规划：基于 Google Gemini 的 VLM 进行图结构规划，无需用户手动描述布局
  • 三种调用接口：CLI（generate.py/plot.py/evaluate.py）、Python API、MCP Server，适配不同集成场景
  • 图表评估功能：evaluate.py 对生成图与参考图进行 Faithfulness（语义忠实度）、Readability（可读性）、Conciseness（简洁性）、Aesthetics（美学）四维打分
  • 兼容多 Coding Agent：Claude Code Skill、OpenClaw Skill、Codex Skill 均已发布，主流 AI 编程工具均可直接使用

安装与基本使用非常简便。以 CLI 为例：

# 安装
pip install paperbanana

# 配置 API Key
paperbanana setup   # 自动打开浏览器引导获取 Gemini API Key

# 从方法章节文本生成图表
paperbanana generate 
  --input examples/sample_inputs/transformer_method.txt 
  --caption "Overview of our encoder-decoder architecture with sparse routing"

# 从 CSV/JSON 数据绘制图表
paperbanana plot 
  --data-file /path/to/results.csv 
  --intent "Line plot showing training loss over epochs"

# 评估生成图质量
paperbanana evaluate 
  --generated output.png 
  --reference human_reference.png 
  --context "The methodology section text..." 
  --caption "Framework overview"

在 Claude Code / OpenClaw Agent 中使用 Skill 模式：

# 安装 skill
openclaw skills install openclaw-paperbanana

# 对话中直接触发
# > 帮我画一张 encoder-decoder 框架的方法图，附图注"Proposed Architecture"

PaperBanana 的目标用户是 AI/ML 研究者、计算机科学博士研究生、以及需要大量制作学术配图的科研人员。无论是 NeurIPS、ICML、ACL 等顶会投稿，还是期刊论文中的方法论图、实验对比图、系统架构图，都可以用它来替代手动绘图。相较于让 AI 编程助手”截图描述”，PaperBanana 直接输出出版级图片文件，工作流整合度更高。

输入示例 1（文本 → 架构图）：
输入一段方法章节文本：描述了一个 encoder-decoder 架构、稀疏路由机制和注意力模块的交互关系
输出：一张完整的 encoder-decoder 架构图，包含所有模块框、箭头标注和图注，可直接放入论文

输入示例 2（CSV → 图表）：
输入：一份 CSV 文件含各模型在 5 个基准测试上的准确率数值
输出：一张对比柱状图，标注了模型名称、坐标轴和图例，发表级排版格式

整体来看，PaperBanana 补全了 AI 科研写作工具链中最耗时的一环——图表制作。它以开源、多 Agent 协作、迭代精修为核心设计，既能作为独立 CLI 工具使用，又能以 Skill 形式嵌入 AI Coding Agent 的日常工作流。对于需要频繁发表顶会论文的研究者，这是一款值得优先安装的效率利器。

GitHub: https://github.com/llmsresearch/paperbanana

评论区

0 条评论

登录后可评论。

Skill超级捕获手 12 阅读