Datawhale干货
作者：Datawhale开源项目团队，文末送书
一、开源初衷
去年12月，我们在公众号发布了《再也不担心论文！Nano-Banana Pro 论文绘图最全教程发布》。这篇文章让很多人第一次看到了 AI 辅助科研绘图的可能性。大家的关注远超预期，阅读量突破 10 万，收获 7000 多个点赞。
大家极高的热情证明了一点：科研人苦画图久矣。
在与大家的交流中我们也发现，无论是刚刚接触 AI 的新手，还是已经能画出几幅图的“老手”，都会被一些绕不开的痛点卡住。
所以，我们基于数月的探索，把踩过的坑、跑通的实务流程、大家普遍存在的问题，系统整理成一本真正面向科研人的 AI 绘图图书：《AI科研绘图：Nano Banana 极速实战指南》。
新手痛点：跨学科壁垒与国内可用模型的缺失
网上的提示词大多是通用的设计套话。不管是搞生物医学、材料还是计算机，大家都很难找到符合自身专业领域的”专属咒语“。
此外，还有无数读者在后台追问：“国内有没有不用折腾就能直接使用的平替中文模型？”这些具体且真实的问题说明，科研绘图并不是单纯的“会不会用 AI”，而是如何把模型能力放进自己的学科语境里。
老手痛点：“画完了不敢用”的致命顾虑
越来越多的人开始用 AI 画论文插图，但最直接的痛点也从一开始的“不知道怎么画”，变成了现在的“画完了不敢用”。
目前，大多数 AI 绘图工作流就像个“盲盒”，在真枪实弹的审稿面前很容易暴露出三个问题：
改不准：导师让你把图里的某个分子移一下位置，你发现根本调不过去，只能被迫整图重新“抽卡”。
矢量噩梦：期刊需要你上传可随意缩放修改的 SVG / PDF 高清矢量文件，但 AI 直接甩给你一张锁死的位图。
合规红线：到底算不算学术造假？知名顶刊（如 Nature、Science、Elsevier等）到底认不认？要不要打水印？
面对这些科研专属难题，你缺的从来不是网上随便搜来的神奇 prompt，而是一套经得起审稿人推敲的“合规工作流”。
这也是我们把内容整理成纸质书的原因。公众号文章可以把一个点讲透，开源文档可以持续更新，但真正要把认知边界、工具链、提示词策略、精准控制、矢量化后处理和期刊合规串成完整路径，还是需要一本结构更完整的专业书籍。
如果你正被上述问题困扰，打开这本书，就可以直接掌握以下极其具体的落地解法。
知道哪些图能交给 AI 画，哪些绝不能碰
不再盲目试错。我们在最开始就会帮你理厘清定量数据图、实证影像图和定性示意图的差异，告诉你哪一步可以用 AI，哪一步千万别碰。
参考主流期刊政策整理的 AI 绘图披露模板
我们梳理了 Nature、Science 等主流期刊的规定，不仅把伦理红线划清楚了，还直接给你一份符合要求的“英文披露声明模板”，对支持使用 AI 生成插图的期刊，直接拷贝到论文声明里，确保你的图能安全用于正式发表。
一站式备齐 AI 绘图核心装备
告别碎片化摸索。我们以 Nano-Banana Pro 为核心梳理了各大平台的标准准入路径，为你提供全流程涉及的工具推荐、技术拆解，不仅领你入门，更带你精通。
可复用的 prompt 框架与 Skill
涵盖计算机、生物医学、材料、化学四大主流学科。我们不仅提供可以直接参考的提示词模板，也整理了一套“自动写提示词”的方法，让你能基于自己的学科内容快速改写。
解决黑盒死穴：把 AI 产图变成高清可修改的 SVG 矢量文件
复杂的长图分块怎么画？风格怎么统一？更关键的是，如何把 AI 生成的不可编辑图片转换为符合出版要求的高清矢量文件？我们在这里直接给出实操经验。
二、从开源到出版
从李沐开源的《动手学深度学习》，邱锡鹏的《神经网络与深度学习》，再到Datawhale的《南瓜书》、《Easy RL：强化学习教程》、《Happy-LLM：从零开始构建大模型》出版，让知识回归大众，让大众有机会和行业精英一样为社会做出贡献，是Datawhale开源内容的探索性意义。
从开源到出版，带来的收入其实不高，但让开源贡献者被大众认可是促使开源良性循环的重要一环，会促使国内的开源氛围变好，让更多人受益。
这次是 Datawhale 第九本书籍。本书共 6 章，完整呈现 Happy Figure 的系统化方法论，内容不局限于提示词编写，而是从科研绘图的认知边界讲起，一直讲到正式投稿前的合规披露。
前言 | 第4章 实战篇：不同领域的提示词策略 |
第1章 认知篇：重新定义科研绘图 | 4.1 材料与化学：微观机制的具象化 |
1.1 科研绘图的本质与边界 | 4.2 生物与医学：复杂通路的场景化 |
1.2 什么样的图是“好图”？ | 4.3 基于参考图的提示词定制法 |
1.2.1 “好图”具有的特性 | 4.4 小结 |
1.2.2 科研美学的通用法则：克制与秩序 | 第5章 进阶篇：科研绘图的精准控制与体系化构建 |
1.2.3 领域风格的定向适配 | 5.1 重新建立科研绘图的主动权 |
1.3 为什么选择AI绘图？ | 5.1.1 指令层的结构控制 |
1.4 小结 | 5.1.2 视觉层的生成控制 |
第2章 工具篇：Nano Banana Pro极速上手 | 5.2 复杂长图的模块化思维 |
2.1 模型接入方式与前沿拓展 | 5.2.1 案例分析 |
2.1.1 官方渠道 | 5.2.2 复杂图形的拆解与生成 |
2.1.2 第三方渠道 | 5.2.3 基于母图的风格锚定 |
2.1.3 Qwen-image-2.0使用渠道 | 5.3 图像结果的矢量化 |
2.2 Nano Banana Pro核心功能解构 | 5.3.1 为什么必须进行矢量化 |
2.2.1 文生图 | 5.3.2 矢量化路径 |
2.2.2 图生图 | 5.4 构建你的科研绘图素材库 |
2.3 辅助工具推荐 | 5.5 小结 |
2.3.1 前处理工具 | 第6章 规范篇：AI辅助绘图的伦理边界与合规路径 |
2.3.2 后处理工具 | 6.1 AI科研绘图的伦理红线 |
2.4 小结 | 6.2 从期刊政策看AI科研绘图的合规边界 |
第3章 从论文内容到可控的结构示意图 | 6.3 投稿阶段的透明披露与自查建议 |
3.1 核心策略 | 6.4 小结 |
3.2 阶段一：逻辑构建 | 后记 |
3.3 阶段二：绘图渲染 | |
3.4 阶段三：交互迭代 | |
3.5 小结 |
你关心的问题，书里会系统回答：
AI 到底能不能用于论文插图？
哪些图可以辅助生成，哪些图绝不能碰？
不同学科的 prompt 应该怎么写？
AI 画完的图怎么修改、矢量化并进入论文流程？
Nature、Science 等主流期刊对 AI 绘图的规范边界在哪里？
投稿时应该如何进行透明披露？
三、围绕 AI 科研绘图，还在持续更新
需要说明的是，本书并不是一个封闭项目。
围绕 AI 科研绘图，我们也同步维护了「Happy Figure」开源项目。它已经在 Datawhale 的 GitHub 正式上线，供所有科研工作者免费阅读与使用。我们的初衷非常简单：帮你减轻排版作图负担、减少精神内耗，把时间真正还给科研本身。
🔗 开源地址：https://github.com/datawhalechina/happy-figure
🔗 在线阅读：https://datawhalechina.github.io/happy-figure
由于内容整理需要时间，目前的 GitHub 开源版本仅开放了第1章（认识科研绘图）和第2章（AI绘图核心技法与工具链），后续章节我们会按计划逐步更新。
开源版适合免费跟学、边看边试；纸质书结构更完整，语言更严谨，也包含目前尚未全部开源的完整 6 章内容。
为了让大家能立刻实操，我们也把含金量极高的「附录」提前完整公开：🔗 AI 科研绘图实战速查手册。（这里面汇总了各大核心期刊的合规要求和各学科的万能提示词配方，强烈建议直接收藏备用！）
AI 科研绘图实战速查手册：https://weixin110.qq.com/cgi-bin/mmspamsupport-bin/newredirectconfirmcgi?click=b7701e7eb2d9f268519931ba0265700c&bankey=5da08509496ff751872bb33ec1a90717&midpagecode=67377a2adb44e17c1b0adb24b5cf2bd15ab1f2c48005e6e9c8cd4455774dbe1e9f03264f8b675f0e9632f4819c7b919085611451466b29240157c1cce3107961a86eb0452bb7b9beb61cb68e62b61c8e&bancode=9c392065437d4f46494f49d1b966c0aa6f1fcd3c5aba617bf1f9de2b42172456a27c7307608accee40301b82d5b0ef99a58501375f029c84157f3b2173eeae7bdb587ddc5ba4bda58d81af342904c50d#wechat_redirect只要这份教程能让你在赶组会 PPT 或熬夜写 Paper 时少掉几根头发，它就发挥了最大的价值。如果你觉得有用，欢迎去 GitHub 点亮Star ⭐，助力作者更新。
四、随书附赠直接能用的Skill
我们还配套整理了 Happy Figure Agent Skill，帮助大家更快进入实际绘图流程。
🔗 Happy Figure Agent Skill：https://github.com/BAIKEMARK/happy-figure-skill
书负责让你理解为什么这么画，Skill 负责帮你更快开始画。
你可以把它理解为随书附赠的实践工具：当你读完书中的方法论之后，可以用它把论文摘要、methods、图注或研究方案进一步整理成适合图像模型执行的结构化科研绘图 prompt。
