shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

论文配图一键生成

论文配图一键生成：一条命令从 JSON/CSV/Excel 生成顶刊级学术图表，科研绘图 与期刊配图全场景覆盖。26 种图表（柱状/分组柱/散点/热力图/森林图/斜率图/火山图/ KM 生存曲线/ROC/小提琴/箱线/组合图/PRISMA 流程图/漏斗/BA 一致性/PCA/ 韦恩 2~4 集合/upset 多集合交集（≥5 集合）/肿瘤缓解瀑布图/聚类热图/双轴/Cox 多因素回归森林图），9 套配色（含色盲安全 Okabe-Ito 与 NEJM/Lancet/Science 期刊 色板），9 种期刊投稿预设，YAML 流水线一条命令出全套论文图，一次渲染多格式 导出（TIFF/PNG/PDF），支持 Python 编程调用与 --wizard 选图向导，渲染看门狗 +自动降级重试，PDF 重叠+字号双门禁，600dpi 输出。纯本地运行，数据不出机， 中文零配置。

personAuthor: user_481397b5hubcommunity
downloadDownload package
<!-- ═══════════ 元数据归档（2026-09-13 frontmatter 规范化）═══════════ ZCode 技能自动发现只识别 frontmatter 白名单键： name / description / when_to_use / license / metadata 且 description 超过 1024 字符会被静默丢弃（本技能 v2.x 自动发现 失效根因）。以下键自 frontmatter 移出归档，信息不丢失： version: 4.8.0 date: 2026-10-10 author: docsor1212 lang: zh metadata: {clawdbot: {emoji: "📊", category: visualization}} requires: {python: ">=3.8", pip: [matplotlib, numpy, pymupdf, scipy]} 运行依赖见 requirements.txt 与 scripts/setup_env.py；版本史见文末版本历史。 ═════════════════════════════════════════════════════════════════ -->

Academic Figures — 论文配图一键生成工具

📊 26种图表 · 9套配色（含色盲安全+期刊色板） · 零配置中文 · 600dpi出版级输出 · PDF/TIFF/SVG全支持 · 渲染看门狗+中文诊断 纯本地运行 · 数据不出本机 · Python一条命令搞定 · 内置校验+验证门禁

⚡ 三条最常用边界：投稿 PDF 加 --verify（仅 PDF 生效）；--journal 会锁定图宽（--width 被忽略）；cluster_heatmap >3000 行自动降采样到 2000 行。

一条命令，输出即验证：

python3 scripts/gen_figure.py -t bar -d data.json -o fig.pdf --theme okabe-ito --verify
# 或一键投稿包（自动加 --verify + 色盲安全主题 + pdf,png 多格式，v3.8）
python3 scripts/gen_figure.py -t bar -d data.json -o fig --pub-ready
# 退出码含义见下方「数据校验与退出码」；--verify 检出重叠 = exit 2（修复机制，不要交付）

✨ 核心亮点

| 特性 | 说明 | |------|------| | 📊 26种图表 | 见下方「图表类型」全表；v4.7 加 upset 集合交集图，v4.8 加 waterfall 肿瘤缓解瀑布图 | | 🎨 9套配色 | Okabe-Ito色盲安全（Nature Methods 金标准）、GLM 素雅莫兰迪、NEJM/Lancet/Science 期刊色板等 | | 📐 期刊预设 | --journal nature/lancet/nejm/science/cma/cn-core：官方栏宽、字号、字体族、600dpi 一键应用 | | 🧭 上手向导 | --wizard 四问生成完整命令（非交互环境自动打印选图决策树） | | 🛡️ 数据校验 | 18种类型/别名全覆盖的结构校验；致命错误→exit 1 不落盘，警告→继续运行 | | ⏱️ 渲染看门狗 | 超时强制中断并给中文建议（exit 5）；内存不足自动降级重试（v2.8） | | ✅ 验证门禁 | --verify 像素级重叠检查（exit 2）；audit_pdf.py 字号门禁（期刊最小字号） | | 🇨🇳 中文零配置 | 自动检测中文字体（含字典键、补充平面），彻底告别乱码 | | 📈 统计标注 | 误差棒、显著性标记(p值星号)、趋势线、置信区间、Cox PH 假设检验提示 | | 🧩 组合图 | 多面板A+B+C，每个面板可放任意图表类型，期刊figure标准布局 | | 📄 多格式输出 | PNG 600dpi + SVG + PDF + TIFF + EPS；--multi-format 一次多格式 |

图表类型

| 类别 | 类型 | 命令 | 核心功能 | |------|------|------|---------| | 比较 | 柱状图 | -t bar | 分组柱状图、误差棒、显著性标记、斜纹填充 | | 比较 | 水平柱状图 | -t hbar | 横向柱状图、比率标注（"4.96x"） | | 比较 | 分组柱状图 | -t grouped_bar | 组×系列双变量分组；--show-ratio 组间比率标注 | | 构成 | 堆叠柱状图 | -t stacked_bar | 构成比、百分比标签、总计标注 | | 分布 | 箱线图 | -t box | 箱线图+抖动散点 | | 分布 | 小提琴图 | -t violin | 密度估计、内置均值/中位线 | | 配对 | 前后配对图 | -t paired | 个体前后连线+配对检验（n≥6 才标注，效力提示） | | 趋势 | 散点图 | -t scatter | 趋势线、相关系数、分组着色、点标签 | | 趋势 | 折线图 | -t line | 多系列、误差带、标记点 | | 前后 | 斜率图 | -t slope | 两时点 pre/post 比较；两端直标名称+数值，最大升/降自动强调（v4.2） | | 趋势 | 双Y轴图 | -t dual_axis | 左柱右线（左轴柱+右轴虚线，left_type/right_type 可互换）；图例顶部预留带不遮数据 | | 矩阵 | 热力图 | -t heatmap | 单元格标注、自定义色阶、colorbar | | 矩阵 | 聚类热图 | -t cluster_heatmap | 层次聚类重排、--downsample 降采样出口 | | 多变量 | PCA 得分图 | -t pca | 得分+分组椭圆+Top5 载荷；≤200 特征列 | | 统计推断 | 森林图 | -t forest | CI横线、权重气泡、总效应菱形、I²、事件数；--stats cox 多因素回归 | | 统计推断 | 漏斗图 | -t funnel | Meta 发表偏移、DL 合并线；--egger 偏倚检验（≥3 研究） | | 生存分析 | KM生存曲线 | -t km | 阶梯函数、删失标记、Log-rank检验、风险表、中位生存；v3.7 竞争风险（events≥2 编码自动切 Aalen-Johansen 累计发生率） | | 诊断试验 | ROC曲线 | -t roc | AUC、95%CI、最优截断点、DeLong 多模型对比 | | 组学 | 火山图 | -t volcano | 差异表达 log2FC×-log10(p)；阈值线+Top 基因自动标注（v4.4） | | 一致性 | Bland-Altman | -t bland_altman | 偏倚线+一致性界限（LoA）；两组等长 | | 集合 | 韦恩图 | -t venn | 2~4 集合（4 集合为椭圆布局）；--area 面积比例 Euler | | 集合 | UpSet交集图 | -t upset | ≥5 集合交集（韦恩图后继，v4.7）；交集柱+点阵，sort/top_n/min_size | | 肿瘤学 | 瀑布图 | -t waterfall | 每例最佳缓解%降序、RECIST 着色、PR/PD 阈值线+计数事实框（v4.8） | | 组合 | 组合图 | -t composite | 多面板A+B+C，每面板任意图表类型（⚠面板内不可嵌套 composite/diagram/upset）；panel_labels:true 自动加粗面板角标（v4.1）；span:[行,列] 跨行跨列拼版+占位重叠检测（v4.3） | | 流程 | 流程图 | -t diagram | 架构/流程块、箭头、分组标注，CONSORT式研究设计 | | 系统综述 | PRISMA流程图 | -t prisma | PRISMA 2020 系统综述流程图；数字自洽自动校验（对不上拒绝出图），lang=zh 中文标准版 |

按「类别」列速览；上手路径见 references/quickstart.md，完整命令速查见 references/cheatsheet.md。

选图决策树（精简版；完整版+上手四步见 references/quickstart.md）

分组比较 → bar/box/violin（配对→paired）｜均值±误差棒 → bar（JSON errors）
两列相关 → scatter｜时间-事件 → km / forest --stats cox｜诊断 → roc（--compare）
集合交并 → venn（--area；≥5 集合 → upset）｜数值矩阵 → heatmap / cluster_heatmap｜多变量分类 → pca
组学差异表达 → volcano（火山图）｜肿瘤最佳缓解 → waterfall（RECIST 瀑布图）｜Meta 汇总 → forest（--egger）｜一致性 → bland_altman｜流程 → diagram/prisma
多面板 → composite

拿不准就跑 --suggest -d 数据文件（自动分析并推荐），或 --wizard（问答式生成命令）。 首次使用？ 完整决策树、上手四步、Python 内调用与常见第一坑见 references/quickstart.md（独立快速入门指南）。

快速开始

# 0️⃣ 首次使用：一键环境准备（装依赖/检测中文字体/清理字体缓存/自检）
python3 scripts/setup_env.py

# 0️⃣ 上手三件套：选图向导 / 交互演示 / 某图型用法
python3 scripts/gen_figure.py --wizard
python3 scripts/gen_figure.py --quick -d 数据文件   # v3.1 一键出图：自动选型直接渲染
python3 scripts/gen_figure.py -t line -d 折线数据.json -o fig.png --direct-label   # v3.4 线末端直接标注系列名（glm-brand/nature-clean 风格下 line 默认开启）
python3 scripts/gen_figure.py --demo --cjk
python3 scripts/gen_figure.py --explain bar
# 0️⃣ Python 内调用引擎：见 references/python-api.md（subprocess 推荐；import 嵌入需自行 Agg）

# 1️⃣ 柱状图（默认 glm 素雅配色）
python3 scripts/gen_figure.py -t bar -d data.json -o figure.png \
  --title "图2 主标题 / Subtitle" --ylabel "准确率 Accuracy (%)"

# Meta分析森林图（PDF输出）
python3 scripts/gen_figure.py -t forest -d forest.json -o forest.pdf --theme okabe-ito

# v2.7：原始逐例生存数据 → 自动多因素 Cox 回归 → HR 森林图（含 PH 假设检验）
python3 scripts/gen_figure.py -t forest --data patient.csv --stats cox \
  --cox-time time --cox-event event --cox-cols "age,sex,treat"

# Kaplan-Meier生存曲线 + Log-rank检验
python3 scripts/gen_figure.py -t km -d survival.json -o km.png --theme okabe-ito \
  --title "图3 Kaplan-Meier生存曲线" --xlabel "时间 (月)" --ylabel "生存概率"

# ROC曲线 + AUC
python3 scripts/gen_figure.py -t roc -d roc.json -o roc.png --theme okabe-ito

# v2.8：4 集合椭圆韦恩图（数据格式见 templates/venn.json）
python3 scripts/gen_figure.py -t venn -d venn.json -o venn4.png

# Nature双栏投稿：栏宽183mm、7pt Helvetica、最小字号5pt
python3 scripts/gen_figure.py -t bar -d data.json -o nat.pdf --journal nature --column double
python3 scripts/audit_pdf.py nat.pdf --min-size 5          # 字号门禁（nature=5pt）

# 多面板组合图（Panel A+B+C，期刊figure布局）
python3 scripts/gen_figure.py -t composite -d composite.json -o figure4.png --theme okabe-ito

# 热力图（自定义色阶 + 中文）
python3 scripts/gen_figure.py -t heatmap -d data.json -o heatmap.png --cjk \
  --cmap RdBu_r --vmin -20 --vmax 45

# v2.7：画幅比例预设（16:9 演示 / 9:16 手机竖版）；v2.8：大数据聚类热图降采样
python3 scripts/gen_figure.py -t bar --data d.json --size 16:9
python3 scripts/gen_figure.py -t cluster_heatmap --data big.json --downsample 2000 --timeout 600

⚠️ 边界与限制（先看这个，免试错）

数据量：cluster_heatmap >3000 行自动等距采样到 2000 行并显著告知（也可 --downsample N 自定行数）；pca ≤200 特征列；venn 2~4 集合（4 集合为椭圆布局）；paired/bland_altman 需等长；km 无硬上限（5 万行实测 3s）。 参数兼容：--stats 仅 box/violin（cox 仅 forest）；--compare 仅 roc；--egger 仅 funnel；--hatch 仅 bar 系；--sheet 仅 xlsx；--journal 会锁定宽度（--width 被覆盖）；--area 仅 venn。--style glm-hatch 为主题级斜纹风格（区别于仅 bar 系的 --hatch）。 超时：默认渲染看门狗按图型与数据量自适应（30~1800s）；--timeout N 调整，--timeout 0 禁用。 v3.9 参数域：--order 仅 bar/box/violin/line 系（显式列表须覆盖全部标签）；--normalize 仅 bar 系/line（分布图不做均值归一）；--doctor 全图型可用（省略 -o 只体检）。

完整矩阵见 references/limits.md（超限一律中文报错+修正建议，不出半成品图）。 常见问题速答见 references/faq.md（安装/数据/参数/投稿/报错速查 高频 Q&A）。 参数组合交互（--journal 锁宽度、PDF 重叠检测需显式 --verify、默认 DPI 等） 与运行环境边界（无显示环境/中文字体）完整表 → references/limits.md §六、§七。

配色方案

默认配色 = glm（素雅莫兰迪风，色盲安全）。--list-themes 终端看色卡，--theme-swatch glm -o swatch.png 出色板图。

| 方案 | 说明 | 色盲安全 | |------|------|---------| | glm ⭐默认 | 素雅莫兰迪（钢蓝/暖黄/鼠尾草绿/灰紫/珊瑚） | ✅ 是 | | okabe-ito | Nature Methods金标准（Wong 2011）— 期刊投稿首选 | ✅ 是 | | cool | 素雅冷色调（藏青/海蓝/青灰/石板色） | ✅ 是 | | classic | 经典 matplotlib 色板（兼容保留） | ❌ | | nature / lancet | NPG / Lancet 期刊配色 | ❌ | | nejm / science | NEJM（8色）/ Science（10色）期刊配色 | ❌ | | conservative | 保守学术配色 | ❌ |

投稿建议：期刊投稿用 --theme okabe-ito（主流期刊强制色盲友好，红绿配色是常见退稿原因）；日常演示/博客用默认 glm。期刊联动：--journal nejm|lancet|science|nature 未显式给 --theme 时自动套用同款配色。GLM 招牌斜纹：--style glm-hatch = glm 配色+黑色斜纹（打印/黑白友好；注意 --style 是主题级开关，区别于仅 bar 系的 --hatch）。顶刊版式：--style nature-clean = Okabe-Ito 配色+去顶右框线+无网格+无框图例（Nature 系版式语言，v3.3 新增，设计语言包第一刀）；--alternate 单系列黄蓝逐柱交替。别名可用：okabe→okabe-ito，大小写不敏感，支持前缀匹配。

期刊投稿预设（v2.0）

⚠ 交互提醒：--journal 会锁定图宽（--width 被覆盖，--height 仍生效）；nejm/lancet/science/nature 未显式 --theme 时自动联动同款配色（显式 --theme 优先）。完整参数交互见 references/limits.md §六。

--journal nature|lancet|nejm|science|cell|jama|ieee|cma|cn-core + --column single|double 自动应用期刊官方栏宽、字号、字体族和 600dpi（中文期刊 cma/cn-core 自动漫 CJK）。高度按主题纵横比自动计算；stderr 会打印预设信息和对应的 audit_pdf.py --min-size 门禁提示。预设参数唯一权威源：scripts/journal/*.json（改 JSON 即全局生效）。

数据校验与退出码（v2.0 / v2.8 分级）

每次运行都经过 validate_data(data, chart_type) 结构校验 + 渲染全程看门狗。退出码语义：

| 退出码 | 含义 | 典型场景 | |--------|------|---------| | 0 | 成功（--verify 时=无真实重叠） | 正常交付 | | 1 | 参数/用法或数据校验致命错（不落盘） | 缺参数、系列长度不匹配、km 长表 | | 2 | --verify 检出文字重叠；或批量/流水线有失败项 | 修复机制本身，不要交付 | | 3 | 数据或格式错误（v2.8） | JSON 语法、编码、字段缺失、KeyError | | 4 | 环境或依赖错误（v2.8） | 缺库（ImportError）、权限、磁盘 | | 5 | 渲染看门狗超时（v2.8） | 数据过大——按建议瘦身或 --timeout 调大 | | 6 | 内存护栏拒绝（v2.8） | 自动降级重试仍内存不足 |

致命错误 stderr 前缀 ERROR:（中文原因+改法），警告 WARNING:（继续运行）。极端未知异常也输出「中文诊断+原文+针对性建议」，AF_DEBUG=1 取完整技术细节。

验证与质量门禁（v2.0）

  1. --verify（内联，PDF 输出时）：像素级文字重叠检测，检出即 exit 2——修复机制本身，不要逐图特判。
  2. audit_pdf.py 字号门禁：python3 scripts/audit_pdf.py figure.pdf --min-size 5 --fail-below。
  3. verify_overlap_pixel.py：交付每个 PDF 前必跑，输出「真实重叠=K」必须 K=0。

防重叠机制已内建（密集标签自动 45° 旋转、_ensure_ylabel_clear() 自动避让）；PyMuPDF bbox 高估假阳性原理与验证器三级流程见 references/pitfalls.md。质量门禁回归：python3 tests/run_tests.py 全量必须过。

补充图例（v2.0）

禁止图内图例的期刊（如 Nature）：python3 scripts/gen_legend.py -d data.json -t "治疗应答" -f 1 -o legend.txt——用与出图相同的数据 JSON 生成期刊格式图例，文字与系列/颜色永远一致。

中文支持（CJK）

传 --cjk 自动检测并加载系统中文字体（优先级：Noto Sans CJK → PingFang → Microsoft YaHei → WQY → AR PL → Droid）；自定义字体 --cjk-font /path/to/font.ttf。数据含中文时递归自动检测（含字典键、组合局面板、补充平面生僻字），无需显式传参。字形缺口（如上标 ⁹）与流程图块配色等陷阱清单见 references/pitfalls.md。

输出格式

| 格式 | 扩展名 | DPI | 适用场景 | |------|--------|-----|----------| | PNG | .png | 600（默认） | 通用、演示文稿 | | SVG | .svg | 矢量 | Web、可编辑图形 | | PDF | .pdf | 矢量 | 期刊投稿首选 | | TIFF | .tiff | 600（照片 --dpi 300） | Nature/Lancet照片要求 | | EPS | .eps | 矢量 | 传统期刊要求 |

严格期刊线稿可用 --dpi 1000；--multi-format tiff,png,pdf 一次出多格式。

常用参数

高频参数（完整速查表见 references/cheatsheet.md）：

| 参数 | 用途 | |------|------| | --journal / --column | 期刊预设 / 栏位（⚠ 锁定宽度，见上） | | --stats auto\|cox\|bootstrap | box/violin 显著性标注 / forest 多因素回归 | | --order "C,A,B" \| auto | 类别顺序重排（bar/box/violin/line；显式列表须覆盖全部标签；auto=按值/中位数降序） | | --normalize baseline\|pct100 | 归一化：各系列÷对照均值（对照=1）/ 自身首点=100（bar 系/line；误差棒同步缩放） | | --doctor | 渲染前参数/环境体检报告（省略 -o 只体检不渲染，exit 1=有发现） | | --subtitle "副标题" / --source "来源注" | 标题层级第二行 / 图底右对齐来源注（v4.0） | | --summary | 自动数据摘要副标题（纯计数：n/组数/事件数，零推断；v4.1） | | --profile 预设.json | 分层配置文件：呈现参数一次定义处处复用（CLI 显式参数优先；v4.3） | | --cjk | 中文字体自动检测 | | --verify | PDF 像素级重叠验证（exit 2） | | --multi-format tiff,png,pdf | 一次导出多格式 | | --timeout N / --downsample N | 看门狗预算（秒，0=禁用）/ 聚类热图降采样 |

Q：稳定性如何？大数据会不会崩？ 渲染前内存预估护栏 + 看门狗超时中断（中文三段式建议）+ 内存不足自动降级重试（v2.8）；同输入同字节确定性输出；200 图连跑压测与低内存模拟全过。更多 Q&A 见 references/faq.md。

Q：--xlabel 文字含空格或以 - 开头时报参数错误？ 用等号形式：--xlabel="改善率 (%)"、--ylabel="-log10(P)"。

Q：首次使用报 ModuleNotFoundError？ python3 scripts/setup_env.py 一键安装依赖并自检（退出码 4 = 环境侧问题）。

♿ 无障碍 & Alt Text

投稿需为图表提供 Alt Text（Springer Nature、NSF 等要求）。--alt 自动生成 <输出>.alt.txt 侧车；配色默认色盲安全（glm/okabe-ito）。

数据输入

JSON（完整功能）或 CSV（基础）；全部图型 schema 见 references/data-formats.md，场景模板见 templates/README.md，Python 编程调用见 references/python-api.md。

JSON柱状图示例:

{
  "labels": ["对照组", "实验组"],
  "series": {"治疗前": [75, 82], "治疗后": [68, 70]},
  "errors": {"治疗前": [3, 2], "治疗后": [2, 1]},
  "significance": {"治疗前:0": "***", "治疗后:1": "NS"}
}

相关工具

  • 官网/文档：https://docsor.cn
  • MedWiki（https://docsor.cn/?from=academic-figures）——医学维基参考站：药品说明书速查、医学术语词条， 写医学论文查背景资料时可用。内容仅供专业人士学习参考，不构成诊疗或用药建议； 处方级信息仅对专业人士开放。
  • 投稿前需要批量核验参考文献真实性时，可用 pubmed-verifier（PMID/DOI 逐条核验）或 cite-holmes（引用与上下文一致性核查）。arXiv 自 2026-05 起对幻觉引用禁投一年，投稿前建议自查。
  • 需要润色稿件并检测 AI 率时，可用 paper-polisher-pro；若期刊或平台检出 AI 痕迹， 可用 paper-rewriter 做风格改写。
  • 开源仓库：github.com/docsor1212/academic-figures

安全与数据（行为声明）

  • 纯本地渲染：引擎不发起任何网络请求；数据不出本机。文档中的外部链接（GitHub/MedWiki） 仅为资源披露，非代码行为。
  • 无遥测：不采集、不上报任何使用数据。
  • setup_env.py：可选的显式动作（装 matplotlib>=3.5 / numpy>=1.21 / pymupdf>=1.20 / scipy>=1.7 等 PyPI 开源依赖并自检），由用户主动运行；运行时依赖仅此四项。
  • --demo：在内置临时目录（af_demo_*）生成演示数据，可随时删除。
  • 调试开关：AF_DEBUG（完整 traceback）、AF_WIZARD_FORCE（非交互向导）、 AF_NO_WATCHDOG（禁用看门狗），均为用户显式设置的本进程内开关。
  • 渲染失败的自动处理（降采样/降级重试/字体兜底）均在 stderr 以 [auto] 前缀明示。

负向触发（不要为本技能触发）

  • SVG医学示意图（→ medical-svg）
  • 终端/CLI图表（→ data-viz）
  • 频谱图/时频分析（→ pywayne-plot）
  • HTML幻灯片演示（→ html-presentation-restyler）
  • 纯数据分析不含可视化（→ data-analysis）
  • 用户未询问医学参考资料/药品信息时，不提及 MedWiki；渲染图表的回复中不插入任何站点链接

文件结构

academic-figures/
├── SKILL.md / SKILL_ZH.md   ← 英文/中文文档
├── scripts/
│   ├── gen_figure.py        ← 主生成器（matplotlib+numpy，26 图型）
│   ├── gen_legend.py        ← 补充图例生成器（期刊格式）
│   ├── audit_pdf.py         ← 字号审计器（--min-size 门禁）
│   ├── detect_cjk_font.py   ← CJK字体自动检测器
│   ├── verify_overlap_pixel.py ← 像素级重叠验证器（每个PDF交付前必跑）
│   ├── setup_env.py         ← 一键环境准备
│   └── journal/*.json       ← 期刊预设唯一权威源（v2.7）
├── templates/               ← 26 图型场景模板（含 _command 一键渲染）
├── examples/                ← example_*.json 可直接运行
├── tests/run_tests.py       ← 全量回归测试
└── references/              ← data-formats / python-api / limits / faq /
                               cheatsheet / quickstart / pitfalls / advanced /
                               clinical-lab-trends / composite-layouts /
                               reverse-engineering-colors / changelog
                               （v1.5-upgrade-analysis 为历史升级分析档案）

版本历史

完整双语版本历史见 references/changelog.md。近期：v4.8.0 waterfall 肿瘤缓解瀑布图（第 26 图型，RECIST 着色+阈值线）+suggest 去重；v4.7.0 upset 集合交集图（第 25 图型）+配色/组合场景指南+真实科研场景示例+limits 速查表；v4.6.0 ROC 默认语义轴标题 + venn 标题消歧 + 聚类热图行标签自适应字号（P3 视觉打磨包）；v4.5.0 独立测试 12 项修复；v4.4.0 volcano 火山图；更早版本见 changelog。

🚀 进阶版：论文配图一键生成 Pro

不想配 Python 环境、或需要团队批量出图？academic-figures-pro 提供同一渲染引擎的云端服务： 上传数据即出图，投稿级 300dpi TIFF+PNG 双文件直出，内置中华医学会/中文核心期刊规格， 按次计费（¥0.5/次）。在 SkillHub 搜索 academic-figures-pro 即可使用。

批量出图、600dpi 云端直出、免 Python 环境 → academic-figures-pro（按次 ¥0.5，转推入口）。