交圖前的週日晚上。指導教授在 30 分鐘的組會上隨手畫了模型，你拍了一張白板照片，回家一看——照片有點糊，有兩根箭頭看不清方向，頂上那個回路到底是回饋還是降解步驟全憑印象。你要麼瞎猜然後圖畫錯，要麼寄信問教授然後整晚泡湯。
AI 科研繪圖工作流不會代替你把會議筆記記清楚。但它能把重畫這部分從你手裡拿走——不用 11 點還在 Illustrator 裡推像素。這篇文章講的是科研人真正在用的工作流：照片或草圖進去，結構化提示詞在中間，可編輯 SVG 出來。
把工作流變成返工的幾種常見錯誤
- 把 AI 輸出當成最終圖——模型會給你一張「看起來已經完成」的精修圖，但裡面的科學關係仍然是你的責任。一定要匯出 SVG，標籤和箭頭都能改。
- 只丟一張照片不寫描述——image-to-image 模型會照畫面有的畫，而模糊的像素經常被腦補成不存在的連線。文字描述必須和照片同時給。
- 寫「請做成 Nature 那種風格」——出來的是裝飾，不是清晰度。結構關係必須先於風格描述。
- 遺失方向性——草圖裡的箭頭通常是「這影響那」，但科研圖必須區分激活、抑制、跨膜轉位、時間方向。必須明確寫。
- 跳過核對環節——AI 生成的圖經常憑空加節點、加標籤。匯出前一定要把原圖和輸出並排核對。
爛提示詞 vs 改寫後的提示詞
以一張磷酸化級聯（kinase cascade）的白板照片為例：
太短，得到一張風格化但無法核對的卡通圖：
把這張白板照片改成一張乾淨的科研圖。改寫後，得到一張可信、可編輯的圖：
